Danny Weber
Découvrez comment l'adoption généralisée des outils d'IA et l'IA agentive entraînent une hausse inattendue des coûts de calcul, poussant les entreprises à réévaluer leur stratégie.
Les grandes entreprises technologiques sont confrontées à un nouveau problème : l'adoption massive des outils d'IA commence à faire grimper les coûts au lieu de les réduire. Les programmes internes encourageant les employés à utiliser l'IA ont entraîné une augmentation rapide des dépenses liées au calcul et au traitement des requêtes.
Selon des sources du secteur, les entreprises poussent leurs équipes à utiliser leurs propres outils d'IA tout en réduisant le recours aux solutions tierces. Un facteur clé est la hausse rapide du coût de traitement des requêtes, d'autant plus que les applications d'IA deviennent plus sophistiquées.
L'IA agentive, comme on l'appelle, est particulièrement coûteuse. Ces systèmes ne se contentent pas de générer une seule réponse ; ils exécutent de manière autonome une chaîne d'actions, analysent des données et prennent des décisions intermédiaires. De tels processus peuvent consommer des centaines, voire des milliers de fois plus de puissance de calcul qu'une requête textuelle standard.
Parallèlement, une nouvelle tendance interne est apparue : les employés se tournent vers l'IA même pour les tâches les plus simples, simplement pour afficher des chiffres d'utilisation élevés au sein de l'entreprise. Le résultat est un paradoxe : plus les outils étaient largement disponibles, plus la consommation totale grimpait.
Certaines équipes réévaluent déjà leur stratégie d'IA, regardant au-delà des gains de productivité pour considérer les coûts opérationnels réels. La question qui revient sans cesse : l'automatisation est-elle vraiment moins chère que le travail manuel alors que les coûts de calcul augmentent plus vite que prévu ?
Les experts prédisent que le marché va progressivement passer d'une focalisation sur l'utilisation de l'IA à la mesure de l'efficacité réelle et des retours économiques. Pour les entreprises, cela signifie que la prochaine phase ne consiste pas à déployer l'IA de manière aveugle, mais à choisir les cas d'usage où elle est vraiment rentable.
© RusPhotoBank