La tarification à l'usage aligne les dépenses liées à l'IA sur les résultats, tandis que la fongibilité pérennise le modèle à mesure que les priorités évoluent.
Julie Colwell
Principal Strategist
Workday
Alors que les capacités de l'IA se développent, les fournisseurs délaissent les abonnements forfaitaires au profit de structures tarifaires à l'usage, basées sur les résultats ou hybrides. Pour les DAF, cette variabilité peut s'assimiler à un retour en arrière en matière de certitude budgétaire.
Mais ce n'est pas la première fois qu'un changement technologique impose une transition vers de nouveaux modèles de coûts. Le passage des infrastructures « on-premise » au Cloud avait d'abord rendu la budgétisation plus complexe, jusqu'à ce que les dépenses Cloud à l'usage deviennent la norme. La tarification de l'IA suit une trajectoire similaire. À mesure que les outils de suivi et de prévision des dépenses rattraperont leur retard, il deviendra plus facile non seulement de prévoir, mais aussi de mesurer la valeur ajoutée.
Rapport
La tarification de l'IA a parcouru beaucoup de chemin depuis ses débuts. Le « tokenmaxxing », qui consiste à traiter la consommation de tokens comme un indicateur de l'adoption de l'IA, a connu un essor rapide. Meta aurait tenu un classement interne surnommé « Claudenomics », qui classait environ 85 000 collaborateurs selon leur utilisation de tokens. Le plus actif aurait consommé 281 milliards de tokens en un seul mois.
Le déclin a été tout aussi rapide. À quelques jours d'intervalle, le CTO d'Uber a annoncé que l'entreprise mettait fin à son utilisation du tokenmaxxing après avoir épuisé l'ensemble de son budget annuel consacré à l'IA au cours des premiers mois de l'année. Microsoft a de son côté indiqué en interne à ses ingénieurs que le tokenmaxxing n'était plus leur objectif d'optimisation, en fixant des budgets de tokens par collaborateur et en privilégiant par défaut un modèle moins coûteux. IBM estime quant à lui que le « valuemaxxing », c'est-à-dire optimiser les résultats plutôt que le volume d'utilisation, constitue un cadre plus durable.
Le « valuemaxxing », c'est-à-dire optimiser les résultats plutôt que le volume d'utilisation, constitue un cadre plus durable.
La plupart des directeurs financiers ont vu une évolution similaire se jouer au sein de leur propre entreprise. Cela illustre la difficulté de trouver un modèle de tarification durable, alors que la valeur de l'IA pour l'entreprise continue d'évoluer.
De plus en plus, les équipes Finance se tournent vers la tarification à l'usage ou à la consommation, qui consiste à payer ce qui est réellement consommé plutôt qu'un forfait déconnecté des résultats.
Avec la tarification à l'usage ou à la consommation, les agents IA sont comptabilisés lorsqu'une tâche est achevée, et non lorsqu'une requête est exécutée ou qu'un token est consommé. Dans ce modèle, les tâches accomplies sont facilement quantifiables. Par exemple :
Ce modèle de tarification change sensiblement la manière d'aborder la budgétisation par rapport au simple comptage des tokens. Un directeur financier peut prévoir les dépenses de l'année suivante à partir du volume de demandes de poste ou de contrats de l'année précédente, car l'unité tarifée est une action métier, et non un artefact de l'architecture du modèle.
À mesure que les fournisseurs proposent des agents spécialisés pour différentes fonctions, la voie la plus simple consiste à vendre une unité de consommation distincte pour chacun : un pool pour les agents de recrutement, un autre pour les agents de gestion financière, et un autre encore pour le juridique. Ces crédits cloisonnés semblent précis mais, en pratique, reproduisent les habitudes des licences logicielles traditionnelles :
Les stratégies d'IA d'entreprise ne sont pas suffisamment stables pour qu'une telle rigidité fonctionne. Une équipe Finance qui engage un budget en janvier pour un agent de révision de contrats peut découvrir en juin que le cas d'usage offrant la plus forte valeur ajoutée se situe en réalité dans la planification RH. Si les dépenses allouées à l'un ne peuvent être redirigées vers l'autre sans lancer un nouveau cycle d'achat, le modèle de tarification ne correspond pas à la réalité de l'adoption de l'IA au sein d'une entreprise.
Les dépenses fongibles, c'est-à-dire un pool unique applicable à l'agent ou à la capacité générant le plus de valeur à un moment donné, permettent à la tarification à l'usage de fonctionner dans la pratique. Avec cette approche, les DAF achètent de la capacité et décident ensuite où l'affecter, ce qui correspond mieux à la manière dont l'adoption de l'IA se déroule au sein d'une grande entreprise.
Avec des dépenses fongibles, les DAF achètent de la capacité et décident ensuite où l'affecter.
Bien que les dépenses fongibles s'alignent mieux sur l'adoption de l'IA, une question importante se pose : si n'importe quelle équipe peut puiser dans le même pool, qui est responsable des dépenses ? Restreindre le pool va à l'encontre de sa finalité, mais associer la fongibilité à une visibilité en temps réel permet aux DAF de suivre l'évolution des dépenses au sein de l'entreprise, au lieu de les découvrir à la fin d'un cycle budgétaire.
Les modèles de tarification qui perdurent au-delà des premières années d'une technologie partagent un même schéma :
La tarification basée sur les tokens a rencontré des difficultés car l'usage et la valeur ajoutée se sont dissociés à mesure que les modèles s'amélioraient. Un modèle de crédits d'usage rigide et cloisonné rencontrerait lui aussi des difficultés, sur le long terme, en figeant les dépenses sur des hypothèses concernant le cas d'usage jugé le plus important. À mesure que le marché continue d'évoluer, ces cas d'usage peuvent et doivent évoluer avec lui.
La tarification par poste n'a pas disparu. Elle repose bien sûr sur l'hypothèse qu'un être humain effectuait le travail. Et de nombreuses entreprises, y compris parmi nos propres clients, continuent de s'y appuyer pour la prévisibilité qu'elle offre. Mais à mesure que les agents IA sont entraînés à agir, et pas seulement à réfléchir, il devient indispensable de mesurer la valeur ajoutée au niveau d'une action ou d'un résultat. L'époque où l'on mesurait la valeur ajoutée d'un outil au nombre de connexions est révolue.
Il devient indispensable de mesurer la valeur ajoutée au niveau d'une action ou d'un résultat.
Lorsque l'unité tarifée est une action ou un résultat, et non un token ou un poste, la Finance ne se limite pas à payer une facture. Elle paie pour la valeur ajoutée tangible que l'IA apporte à l'entreprise.
Rapport
Le véritable enjeu du ROI est l'écart entre les efforts engagés et l'impact généré. Découvrez la solution.