L'économie du token : le vrai risque n'est pas le prix

Un dirigeant nous l’a résumé sans détour le mois dernier : « On me répète que l’IA coûte de moins en moins cher, et pourtant ma facture a doublé. » Il n’a pas mal lu ses relevés. Il a simplement buté sur le paradoxe qui structure aujourd’hui toute l’économie de l’IA générative, celui que la plupart des discours commerciaux préfèrent laisser dans l’ombre. Comprendre ce paradoxe n’est pas un exercice technique. C’est la condition pour ne pas construire sa stratégie IA sur une dépendance que l’on n’a pas choisie.

Le token, cette unité qui décide de tout

Un token, c’est un fragment de texte : un mot court, un bout de mot, un signe de ponctuation. Chaque fois que vous interrogez un modèle de langage, vous payez les tokens que vous envoyez (l’input) et ceux qu’il génère en réponse (l’output). Rien à voir avec les tokens de la crypto : ici, le token est simplement l’unité de facturation de l’intelligence artificielle. Le compteur du taxi.

Deux mécaniques valent d’être retenues, parce qu’elles ont des conséquences directes sur votre budget :

• La sortie coûte plus cher que l’entrée, de 2 à 6 fois selon les modèles. Un assistant bavard vous coûte structurellement plus qu’un assistant concis.
• Le prix par token s’effondre. À performance équivalente, le coût de l’inférence baisse d’environ un ordre de grandeur par an. Atteindre aujourd’hui la qualité d’un modèle de pointe de 2023 coûte près de mille fois moins cher. Le bas de gamme est tombé quasiment à zéro.

Sur le papier, c’est une bonne nouvelle. Dans les faits, c’est le début du piège.

Le paradoxe de Jevons, ou pourquoi votre facture monte quand même

Voici ce que personne ne vous vend : le prix par token s’effondre, mais la facture totale pour rester à la pointe augmente de 3 à 18 fois par an. Ce n’est pas une contradiction, c’est un mécanisme documenté par un travail récent du MIT.

La raison tient aux modèles de raisonnement. Pour résoudre un problème complexe, ils ne répondent plus d’un trait : ils « réfléchissent » en générant de longues chaînes de tokens intermédiaires. Chaque token est moins cher, mais il en faut tellement plus que le coût global grimpe.

C’est le paradoxe de Jevons, formulé au XIXᵉ siècle à propos du charbon : quand une ressource devient moins chère, on n’en consomme pas moins, on en consomme radicalement plus, parce que de nouveaux usages deviennent rentables. Satya Nadella l’a cité publiquement dès 2025 ; Palantir en a fait le cœur de son discours.

flowchart LR
  A[Prix par token en chute libre] --> B[Nouveaux usages rentables]
  B --> C[Explosion du volume de tokens]
  C --> D[Facture totale en hausse]
  D --> E[Dépendance accrue au fournisseur]

La leçon stratégique est limpide : la valeur ne se trouve pas dans le token brut, qui se banalise, mais dans la couche au-dessus, vos données, votre orchestration, vos usages. Et c’est précisément là que deux acteurs opposés se disputent votre attention.

Le procès du token : Palantir contre Mistral

Deux voix dominent aujourd’hui la critique de « l’économie du token ». Elles se contredisent en apparence. Elles disent, au fond, la même chose.

Palantir attaque frontalement. Son CEO Alex Karp affirme que les entreprises sont « furieuses » de « payer pour des tokens qui ne créent aucune valeur », que « quelque chose a complètement déraillé dans l’IA ». Son directeur technique Shyam Sankar résume la doctrine maison d’une formule :

Les tokens sont le nouveau charbon. AIP est le train.

Traduction : consommez toute la « cognition » que vous voulez, mais sans notre plateforme pour la canaliser, vous ne produisez que du déchet. Le message est habile, et intéressé. Palantir vend une couche applicative propriétaire, déployée au plus près de vos systèmes. Dévaloriser le token brut, c’est valoriser sa propre couche. Les journalistes eux-mêmes le notent : Karp n’est pas un observateur neutre. L’action Palantir a d’ailleurs bondi de près de 9 % le jour de cette sortie.

Mistral prend l’autre porte. Arthur Mensch défend une voie de souveraineté : publier les meilleurs modèles en open-weight, puis vendre une couche entreprise au-dessus. Surtout, Mistral livre les poids de ses modèles à ses clients, qui peuvent les héberger eux-mêmes et les adapter. Là où Palantir dit « payez-nous pour la couche qui compte », Mistral dit « gardez la main sur vos modèles ».

Deux biais commerciaux opposés. Une même vérité qui devrait vous alerter : le token n’est pas l’endroit où se joue votre valeur, ni votre risque.

Le vrai parallèle cloud : le lock-in n’est pas là où vous croyez

La comparaison qui revient est celle du cloud. Hier, AWS, Azure et Google fournissaient l’environnement, et on est devenu dépendant d’eux. Aujourd’hui, OpenAI, Anthropic et Google fournissent les tokens, et la même concentration se rejoue. Le token serait donc le nouveau lock-in.

C’est vrai à moitié, et cette moitié fait toute la différence.

La dépendance ne vient pas du token. Elle vient du choix entre modèle propriétaire et modèle ouvert. Un fournisseur propriétaire fermé, vous consommez son API, vous ne verrez jamais ses poids, et le jour où il change ses prix ou ses conditions, vous subissez. C’est le lock-in de l’ère cloud, reproduit à l’identique. Un modèle open-weight (Mistral, Llama, Qwen, Gemma, Phi) vous laisse récupérer les poids et partir. C’est une porte de sortie que le cloud n’a jamais offerte.

Le token est une commodité. La dépendance, elle, se choisit : au moment où vous décidez chez qui, et sous quelles conditions, vit votre intelligence artificielle.

Autrement dit : le lock-in n’est pas une fatalité de l’IA. C’est une clause dans un contrat, et une architecture que vous validez.

S’affranchir, sans fantasme

De là naît la tentation : héberger ses propres modèles pour couper le cordon. L’idée est séduisante, portée par la montée en puissance des Small Language Models, ces modèles compacts (Ministral, Phi, Gemma, Qwen) qui tiennent sur un seul GPU et suffisent à une majorité de tâches métier. Mais il faut la manier avec lucidité.

Ce que dit la réalité économique, à la mi-2026 :

• Pour un petit modèle et un volume modéré, l’auto-hébergement peut s’amortir en quelques mois. Une étude de 2025 évoque un seuil de rentabilité inférieur à trois mois sous 10 millions de tokens par mois.
• Mais ce calcul oublie le plus coûteux : les compétences. Faire tourner un modèle en production, c’est du MLOps, de la maintenance, des mises à jour, soit l’équivalent d’un demi à un temps plein. Ce coût-là efface souvent l’économie.
• Et l’effondrement des prix API joue contre le self-hosting : à mesure que le token API baisse, la rentabilité de l’hébergement propre se réduit d’année en année.

Le self-hosting n’est donc pas la voie de l’affranchissement pour tous. C’est un outil précis, pertinent quand la souveraineté des données, la confidentialité ou un cas d’usage à fort volume le justifient. Pour le reste, l’affranchissement passe moins par le fait de tout rapatrier que par le fait de rester portable : choisir des modèles dont on peut récupérer les poids, isoler sa logique métier du fournisseur, garder ses données chez soi.

---

La bonne question n’est donc pas « comment payer le token moins cher », il baisse tout seul, et vous consommerez davantage de toute façon. Elle n’est pas non plus « faut-il fuir l’IA », l’affranchissement total est un fantasme coûteux. La seule question qui vaut, pour un dirigeant, tient en cinq mots : où j’accepte d’être dépendant ? Sur la couche modèle, en gardant la portabilité que l’open-weight autorise. Sur vos données, jamais. Sur votre orchestration et vos usages, en aucun cas, c’est là que vit votre avantage. Le token n’est qu’un compteur qui tourne. Ce que vous branchez dessus, en revanche, vous appartient.