Les entreprises traversent une transition rapide dans leur gestion des dépenses liées à l'intelligence artificielle. Passant d'une encouragement à la surconsommation de modèles d'IA, qualifié de tokenmaxxing, à une stricte maîtrise budgétaire, les organisations imposent désormais des plafonds sur les tokens. Cette unité de mesure, qui détermine le coût de l'utilisation des assistants IA, était autrefois considérée comme une ressource inépuisable pour booster la productivité. Aujourd'hui, la prise de conscience des coûts exorbitants et du rendement inégal pousse les dirigeants à rationner cet accès. Marty Kausas, dirigeant de l'éditeur de logiciels Pylon, a initié cette tendance après avoir anticipé une facture atteignant 1,4 million de dollars au-delà de ses 150 employés. Plutôt que de laisser les dépenses se multiplier sans contrôle, son entreprise fixe désormais des limites pour certaines équipes non techniques. Cette évolution reflète un changement de discours largement partagé. Sam Altman, fondateur d'OpenAI, a souligné la rapidité avec laquelle le débat sur les budgets IA est passé de l'enthousiasme à la préoccupation majeure. Des entreprises comme Coinbase, Walmart et Amazon ont rapidement mis en place des plafonds ou supprimé leurs classements internes d'usage, tandis que d'autres, telles que Pega, avaient toujours critiqué cette logique de dépense illimitée. Pour les ingénieurs logiciels, cette réforme transforme profondément leur quotidien et leur carrière. L'accès aux outils d'IA, essentiel à leur efficacité, devient une ressource à négocier. Certains managers doivent désormais justifier leurs besoins en calcul auprès de la direction financière, tandis que les recruteurs interrogent systématiquement les candidats sur l'allocation de tokens et les partenariats avec les laboratoires d'IA. Cette nouvelle dynamique crée une concurrence interne féroce. Les professionnels craignent qu'une restriction trop rigoureuse ne pénalise leur montée en compétence et leur attractivité sur le marché du travail. Malgré la poursuite de la croissance des dépenses moyennes, qui atteignaient 66,29 dollars par employé en mai selon le rapport AI Index de Ramp, les entreprises adoptent des stratégies de gestion plus fines. L'utilisation de routeurs de modèles et la limitation des requêtes lourdes permettent de mieux optimiser les coûts sans sacrifier la productivité. Les dirigeants insistent sur le besoin de mesurer le retour sur investissement et de maintenir un équilibre entre innovation et maîtrise budgétaire. L'avenir du financement de l'IA devrait se caractériser par un accès différencié. Les modèles les plus performants et coûteux resteront réservés aux projets stratégiques ou aux profils clés, tandis que les équipes bénéficieront de ressources standardisées. Cette approche, bien que nécessaire face à l'augmentation de la consommation, nécessite une communication transparente pour éviter la démobilisation des équipes techniques. Les organisations qui réussiront à concilier contrôle des dépenses et accès adapté à chaque besoin consolideront leur avantage concurrentiel dans cette nouvelle ère numérique.