Eco
Coûts de l’IA : les DSI ont-ils déjà perdu le contrôle de la facture ?
Par Laurent Delattre, publié le 25 septembre 2026
Pendant vingt ans, le SaaS a habitué les DSI à une équation relativement simple : des utilisateurs, des licences, un contrat et un budget annuel. L’IA est en train de dynamiter cette mécanique. Abonnements pris hors des achats, crédits de tokens, multiplication des agents, tarification à la résolution… Le nouveau rapport de Najar met en lumière une dépense de plus en plus difficile à rattacher à un contrat et, surtout, à prévoir. Surtout quand 93% de l’usage des principaux outils IA se fait sans aucun contrat !
Les entreprises dépensent-elles trop en IA ? La question revient souvent. Mais elle n’est pas la bonne.
Selon une enquête Gartner auprès de 1 303 responsables, environ 11 % des organisations ignorent totalement ce que leurs fonctions ont dépensé en IA en 2025. Dans le même temps, 85 % des responsables prévoient d’augmenter ces dépenses en 2026.
Avec, au final, une réalité toujours un peu acide à reconnaître : les budgets accélèrent alors que les instruments de mesure sont encore largement à construire.
Le rapport publié par Najar sur « l’état des dépenses IA en Europe 2026 » éclaire cette réalité. L’entreprise connaît bien le sujet : elle vend précisément des services de pilotage et d’optimisation des achats logiciels. Son analyse repose sur les données de plus de 250 entreprises européennes clientes, issues notamment des contrats, historiques de négociation, inventaires d’achats et données de dépenses.
Et ces données racontent toutes plus ou moins la même histoire : le montant inscrit sur le contrat ne dit plus forcément ce que coûtera réellement l’outil.
Hors contrat, une dépense que personne ne voit
Le premier problème identifié par Najar est qu’une grande partie de l’IA ne passe même plus par les circuits d’achat traditionnels.
Le cabinet a recensé 25 outils « pure play » dans son panel. Selon l’étude, 93 % de leur usage intervient sans véritable cadre contractuel.
OpenAI/ChatGPT, Cursor et Anthropic/Claude concentreraient à eux seuls 95 % du Shadow AI observé sur cette catégorie.
Le truc, c’est que l’IA se prête particulièrement bien à ce genre de dérive. Un abonnement mensuel peut être pris en quelques minutes avec une carte bancaire. Côté développeurs, une clé API suffit pour commencer à appeler un modèle depuis une application ou un workflow.
Le vrai problème apparaît lorsque l’expérimentation devient production.
Najar observe ainsi chez ses clients une progression de 2 313 % des dépenses Anthropic en un an, à périmètre constant. Le cabinet l’explique notamment par l’augmentation des volumes et le recours à des modèles plus coûteux.
Le chiffre frappe, mais il doit être pris avec des pincettes, puisque l’on ne connaît pas le montant de départ. Une hausse de 2 313 % n’a évidemment pas la même signification lorsqu’on passe de 1 000 à 24 000 euros que lorsqu’on passe de 100 000 à 2,4 millions !
Mais ce qu’il révèle surtout, c’est que les dépenses IA ne suivent plus les métriques habituelles du logiciel d’entreprise. Ajouter dix salariés à une équipe ne permet pas de prévoir combien de tokens consommeront ses applications trois mois plus tard.
Les agrégateurs en question
Pour y voir plus clair, les agrégateurs de modèles, comme Dust, donnent accès depuis une même interface à plusieurs IA génératives : GPT d’OpenAI, Claude d’Anthropic, Gemini de Google… Sur le papier, ils devraient permettre de réduire le nombre de fournisseurs à payer. Dans les faits, c’est rarement ce qui se produit. Parmi les entreprises du panel de Najar qui utilisent Dust, 95,6 % paient également OpenAI en direct, 87,9 % Anthropic, et 85,7 % les trois à la fois. Seules 4,4 % ont effectivement résilié un contrat avec un fournisseur de modèles.
Ces chiffres ne signifient pas forcément que ces entreprises paient deux ou trois fois le même service. Payer OpenAI peut vouloir dire acheter des licences ChatGPT pour les salariés, qui font alors largement doublon avec Dust. Mais cela peut aussi correspondre à un accès technique aux modèles via API, utilisé par les développeurs pour construire les applications de l’entreprise. Or, Dust ne remplace pas ce second besoin.
Dit autrement, un agrégateur ajoute de la complexité sans forcément réduire la facture. Najar estime même que le coût total lié à Dust dépasse de 43 % le budget officiellement alloué à la plateforme. L’entreprise attribue cet écart à des requêtes refacturées sur les comptes OpenAI ou Anthropic des entreprises. Dust présente les choses autrement : pour son offre standard, l’abonnement couvre l’usage courant via le web, Slack ou l’extension de navigateur, et seul l’usage programmatique par API est facturé en plus, sous forme de crédits. Quelle que soit l’origine exacte de l’écart, le constat demeure : le prix de l’abonnement ne suffit pas à mesurer le coût réel d’un outil d’IA.
Forrester aboutit à un constat plus général dans ses travaux sur le FinOps de l’IA. Le coût d’un même usage se répartit entre le modèle, l’infrastructure, les données, l’application et les différents services qui les relient. Pour savoir ce que coûte réellement l’IA, il faut donc reconstituer toute cette chaîne. Et ce n’est pas simple.
Le problème devient même encore plus difficile à suivre avec les agrégateurs grand public, comme Poe ou Monica. Ils sont souvent réglés par carte bancaire individuelle et apparaissent parfois sous d’autres noms sur les factures, comme Quora ou Stack Network Limited. Selon Najar, 67 % des agrégateurs échapperaient ainsi à la comptabilité fournisseurs.
La Shadow AI est ainsi un problème financier autant qu’un problème de sécurité.
Dans le contrat, l’IA est d’abord imposée, puis facturée au compteur
Le phénomène le plus intéressant commence cependant lorsque l’IA n’est plus en dehors du contrat, mais dedans.
Salesforce, HubSpot, Zendesk, Atlassian, Microsoft, Google ou ServiceNow ont progressivement injecté de l’IA dans leurs plateformes.
Or l’adoption ne suit pas toujours. Dans le panel de Najar, les taux d’activation relevés ne dépassent ainsi que rarement les 10 % : 2 % pour Zendesk AI Copilot, 2,4 % pour HubSpot Breeze AI et 10,6 % pour Salesforce Einstein.
Mais, pendant ce temps, les offres changent.
Najar relève, sur les contrats qu’il analyse, des hausses de 8 à 25 % par an qu’il attribue à l’intégration de l’IA, loin des 3 à 5 % auxquels le SaaS avait habitué ses clients. Cette attribution reste toutefois une interprétation. Le rapport reconnaît lui-même que ces hausses sont globales et que rien, sur les factures, ne permet de distinguer ce qui finance réellement l’IA de ce qui relève de l’inflation classique ou de la marge de l’éditeur.
Le rapport met ainsi le doigt sur une évolution difficile à contester : l’IA devient progressivement indissociable du logiciel principal.
Gartner observe la même tendance. Une part croissante des dépenses d’IA des entreprises passe désormais non par l’achat d’un nouvel outil, mais par l’activation de fonctions supplémentaires chez des fournisseurs déjà présents dans le système d’information.
C’est un changement important pour les achats.
Dans Microsoft 365 ou Salesforce, l’IA ne s’achète pas : elle se subit au renouvellement, sur un logiciel dont on ne peut plus se passer. Et ce n’est que la première étape. Car les éditeurs commencent en parallèle à abandonner la facturation purement forfaitaire au profit d’une tarification liée à l’usage.
L’exemple Cursor : l’abonnement… plus la consommation
C’est précisément le choix fait par le très populaire assistant de programmation Cursor, qui combine un prix fixe par utilisateur et une part variable liée au volume de requêtes envoyées aux modèles d’OpenAI ou d’Anthropic. Cursor refacture cette consommation aux tarifs de ces fournisseurs, majorés de sa commission, et régularise la facture chaque trimestre. Dans le panel de Najar, les dépenses consacrées à Cursor ont ainsi augmenté de 588 % en un an, une hausse que le rapport attribue en grande partie à ce modèle.
L’abonnement n’a donc pas disparu : il sert désormais de ticket d’entrée, et l’essentiel de la dépense se joue ensuite, à l’usage.
Cursor n’est pas un cas isolé. Selon Forrester, de plus en plus de fournisseurs fonctionnent ainsi : la licence ouvre l’accès au service, puis l’usage est facturé à part, en fonction des tokens consommés, du nombre de requêtes, d’agents ou d’opérations.
Avec les agents d’IA, capables d’enchaîner seuls des tâches, la note peut vite grimper. Un salarié lance quelques dizaines d’actions par jour, un agent des centaines, voire des milliers. Et chacune est facturée.
Autre exemple, Snowflake et sa nouvelle monnaie
Snowflake pousse la logique un cran plus loin avec Cortex AI. Depuis le 1er avril 2026, une partie de ses fonctions d’IA, notamment ses agents et Snowflake Intelligence, est facturée en « crédits IA ». C’est une monnaie distincte de celle qui sert à payer le reste de la plateforme. Son prix est fixe : 2 dollars l’unité, ou 2,20 dollars si les traitements restent dans la région du client.
Le changement n’est pas forcément défavorable : pour les clients des éditions les plus haut de gamme, la facture d’IA a même baissé. Le problème est ailleurs. La remise négociée sur les crédits Snowflake ne s’applique pas à cette nouvelle monnaie, dont les réductions suivent une grille automatique fondée sur le montant annuel du contrat. Un client peut donc avoir âprement négocié son enveloppe de capacité, puis découvrir que ses nouveaux usages d’IA en sortent.
Le contrat reste là. La consommation, elle, s’en échappe progressivement.
Et c’est sans doute là le changement le plus important décrit par Najar.
Le SaaS avait rendu une bonne partie des coûts applicatifs assez prévisibles : nombre d’utilisateurs multiplié par prix de la licence. L’IA réintroduit de la variabilité partout : nombre de tokens, choix du modèle, longueur du contexte, fréquence des appels, nombre d’agents, résolutions ou volume de crédits.
Pour une DSI, prévoir la facture ne consiste donc plus seulement à prévoir les effectifs.
Il faut désormais prévoir les usages.
En double, un gaspillage pas toujours involontaire
Najar s’attaque ensuite aux doublons. Et les chiffres donnent envie de sortir immédiatement la tronçonneuse dans le portefeuille applicatif.
77 % des clients Notion observés utilisent également Microsoft 365 ou Google Workspace. Toutes les entreprises du panel équipées de Cursor disposent aussi de GitHub Copilot. Et 38 % des clients Salesforce utilisent parallèlement HubSpot.
Attention toutefois. Il ne faut pas confondre recouvrement fonctionnel et gaspillage.
Cursor et GitHub Copilot peuvent cohabiter pendant une phase d’évaluation. Notion ne remplit pas exactement le même rôle que Microsoft 365. Salesforce et HubSpot peuvent servir des filiales ou des métiers différents. Quant aux groupes ayant multiplié les acquisitions, ils savent depuis longtemps qu’un CRM en double ne se supprime pas d’un claquement de doigts.
La redondance peut même être volontaire. Dans un marché où les modèles changent tous les six mois, conserver plusieurs fournisseurs peut faciliter la réversibilité et éviter qu’un processus critique dépende entièrement d’un seul acteur.
Ce que les chiffres de Najar mettent en avant, ce ne sont pas des licences à supprimer aveuglément mais des zones de chevauchement à auditer de près. Ils montrent pourquoi la rationalisation devient urgente. Hier, deux logiciels ayant quelques fonctions identiques généraient surtout deux abonnements. Demain, chacun pourra également déclencher ses propres consommations d’IA. Et le doublon deviendra variable lui aussi.
Ce que les DSI peuvent encore négocier
Face à cette nouvelle plomberie tarifaire, Najar propose quelques règles assez simples.
La première consiste à remettre de vrais plafonds là où les éditeurs installent des compteurs. Un avertissement envoyé lorsque 80 % du budget est consommé n’est pas un plafond. Un mécanisme empêchant contractuellement le dépassement en est un.
Le rapport recommande également de négocier les modules IA lors du renouvellement du contrat principal, de contrôler la création des clés API, de désactiver autant que possible les rechargements automatiques et d’imposer un préavis lorsque les tarifs sont définis dans une grille en ligne susceptible d’être modifiée.
Tout cela suppose évidemment d’avoir suffisamment de poids face au fournisseur. Une ETI ne négociera pas les conditions d’un hyperscaler comme un groupe du CAC 40.
Mais le contrat n’est de toute façon qu’une partie du problème.
Une entreprise peut obtenir un excellent tarif au million de tokens et laisser ensuite un agent mal conçu multiplier les appels. Elle peut négocier 20 % de remise sur un modèle beaucoup trop puissant pour le besoin. Ou payer plusieurs services pour exécuter presque exactement la même tâche.
Le sujet n’est donc plus seulement celui des achats logiciels. Il glisse vers un FinOps appliqué à l’IA : rattacher chaque consommation à une application et à un métier, mesurer le coût d’un résultat, choisir le modèle adapté à la tâche, surveiller les agents et comparer en permanence dépense et valeur créée.
Avec une conséquence assez simple pour les DSI. Pendant des années, le contrat SaaS faisait presque office de budget. On connaissait le nombre de licences, le prix unitaire et la date de renouvellement.
Avec l’IA, le contrat ne donne parfois plus que le prix d’entrée. Le reste de la facture se fabrique ensuite, requête après requête, IA après IA, agent après agent. Et en garder le contrôle devient un métier à part entière.
Photo : owfiqu barbhuiya/UnSplash / Etude Najar : État des dépenses IA en Europe 2026
À LIRE AUSSI :
À LIRE AUSSI :
À LIRE AUSSI :
