Les entreprises ne peuvent plus juger leurs usages de l’IA sur la seule performance des modèles. Nicolas Jacquey, Chief Revenue Officer de SafeBrain chez Jamespot, défend une approche fondée sur l’arbitrage entre coûts, sécurité, conformité, impact environnemental et besoins métiers.
L’intelligence artificielle entre dans une nouvelle phase. Après le temps de l’expérimentation, les entreprises doivent désormais arbitrer entre performance, coûts, impact environnemental, exigences réglementaires et sécurité. L’enjeu n’est plus d’utiliser toujours plus d’IA, mais d’en maîtriser les usages.
De la course à l’IA au temps des arbitrages
En moins de deux ans, l’intelligence artificielle générative s’est imposée comme un nouvel outil de travail dans les entreprises. L’objectif était simple : expérimenter, gagner en productivité et ne pas laisser passer une rupture technologique majeure. Cette première phase était indispensable. Une nouvelle étape s’ouvre désormais.
Jusqu’ici, les entreprises cherchaient avant tout à exploiter le potentiel de l’IA. Elles doivent désormais se poser une autre question : quelle IA utiliser, pour quel usage, à quel coût et avec quelles garanties ? Ce changement reflète une nouvelle réalité : les modèles gagnent en puissance, mais aussi en coût ; les usages se généralisent ; les exigences réglementaires se renforcent ; les entreprises sont davantage attendues sur la protection de leurs données et leur responsabilité environnementale. L’équation n’est plus seulement technologique, elle devient économique et stratégique.
La première conséquence est économique. Derrière chaque requête se cache une consommation de tokens, c’est-à-dire de ressources de calcul facturées par les fournisseurs de modèles. Au début de l’année, le phénomène de tokenmaxxing incarnait cette course aux usages : dans certains cercles technologiques, consommer toujours plus de tokens était devenu un signe de maîtrise de l’IA. Quelques mois plus tard, les entreprises changent déjà de perspective. Avec la hausse des coûts, la question n’est plus de savoir comment utiliser davantage l’IA, mais comment en maîtriser les usages.
Longtemps cantonnée aux équipes techniques, cette question devient un sujet de direction générale. Comme elles ont appris à piloter leurs dépenses cloud, les entreprises devront désormais mesurer leurs consommations de tokens et arbitrer entre différents modèles. L’enjeu n’est donc plus seulement de déployer l’IA, mais de définir les conditions de son utilisation. Autrement dit, d’en gouverner les usages.
La performance ne peut plus être le seul critère
Ces arbitrages ne répondent pas uniquement à une logique économique. Ils traduisent une évolution plus profonde de la manière dont les entreprises devront appréhender l’intelligence artificielle.
L’essor de l’IA repose sur des infrastructures de calcul particulièrement énergivores. À mesure que les entreprises renforcent leurs politiques de sobriété numérique, elles devront intégrer l’IA à leurs arbitrages. Recourir systématiquement au modèle le plus puissant n’aura bientôt plus de sens si un modèle plus léger répond au même besoin avec un coût et une empreinte environnementale moindres.
Cette évolution est également portée par le cadre réglementaire européen. Avec l’AI Act, l’intelligence artificielle entre dans une logique de maîtrise et de responsabilité. Les entreprises devront mieux documenter leurs usages, évaluer les risques, assurer la traçabilité des systèmes utilisés et démontrer qu’elles gardent le contrôle de leurs données.
Enfin, les entreprises redécouvrent un risque qu’elles connaissent bien dans d’autres domaines : la dépendance à un fournisseur unique. Les récentes évolutions aux États-Unis rappellent qu’un LLM n’est pas seulement une technologie, mais aussi un service soumis à un contexte juridique et géopolitique. Cette réalité renforce la nécessité de diversifier les modèles selon la sensibilité des données et les usages. Le meilleur modèle ne sera plus forcément le plus puissant, mais celui qui offrira le meilleur équilibre entre performance, coût, sécurité, conformité et impact environnemental.
La gouvernance des usages, prochain avantage concurrentiel
La prochaine révolution de l’IA ne sera donc pas technologique. Elle résidera dans la capacité des entreprises à faire les bons arbitrages. Celles qui définiront dès aujourd’hui un cadre clair d’utilisation prendront une longueur d’avance durable. Elles disposeront des outils nécessaires pour piloter leurs consommations de tokens, mesurer l’impact environnemental de leurs usages, adapter le choix des modèles aux différents métiers et définir des règles claires en fonction de la sensibilité des données.
La question ne sera plus : « Quelle est la meilleure IA ? » mais « Quelle est la plus adaptée à cet usage ? ». Cette nuance change tout. Après le temps de l’expérimentation vient celui des arbitrages. L’intelligence artificielle entre dans son âge de raison. L’avantage concurrentiel ne viendra plus du modèle le plus puissant, mais de la capacité des entreprises à choisir, pour chaque usage, le modèle offrant le meilleur équilibre entre performance, coût, sécurité, conformité et impact environnemental.
