Et si, demain, chaque collaborateur recevait, en plus de ses outils et de ses objectifs, une enveloppe mensuelle de capacité d’intelligence artificielle ? Il pourrait la consacrer à des recherches, à l’analyse de documents, à la programmation d’outils ou à l’exécution de tâches par des agents. À la fin du mois, il aurait engagé une dépense variable, liée aux tâches confiées aux modèles plutôt qu’aux seules heures consacrées personnellement au travail.
Cette organisation reste prospective, mais ses premiers éléments existent. Les entreprises commencent à fixer des plafonds d’usage individuels, à distinguer les consommations par projet et à s’interroger sur leur rendement. Une dépense auparavant absorbée dans les contrats informatiques pourrait devenir une ressource explicitement attribuée au collaborateur, comme un moyen de travail dont il lui reviendrait d’organiser l’utilisation.
Les premières enveloppes d’IA apparaissent déjà dans les entreprises
En juin 2026, SemiAnalysis a publié une enquête sur les budgets de tokens, fondée sur des échanges avec plus de cinquante clients d’entreprise. Les pratiques qu’elle décrit sont disparates : un industriel de l’aéronautique et de la défense fixait une limite mensuelle de 250 dollars par salarié ; un grand groupe pharmaceutique, de 500 dollars ; chez Workday et Stripe, les enveloppes rapportées avoisinaient 2 000 dollars par mois. Certaines organisations appliquaient des plafonds souples, permettant aux utilisateurs de demander une augmentation (de tokens) plutôt que de subir une interruption automatique du service.
Ces montants ne sont pas des statistiques représentatives du tissu économique. L’enquête privilégie les entreprises qui consomment déjà suffisamment d’IA pour s’interroger sur son coût, avec un poids important des métiers du logiciel et des données. Elle documente cependant un changement de pratique : l’accès à certains modèles ne dépend plus uniquement d’un abonnement collectif. Il peut être assorti d’une allocation personnelle, éventuellement ajustée en fonction de l’activité.
Ce mouvement bénéficie déjà d’une infrastructure de contrôle. OpenAI permet de suivre et de plafonner les dépenses d’API au niveau des projets ; Anthropic offre des limites mensuelles par espace de travail. Ces dispositifs ne constituent pas, à eux seuls, un budget individuel autonome : un espace de travail peut réunir plusieurs personnes et un projet plusieurs applications. Ils rendent néanmoins possible une affectation plus fine des consommations.
La perspective apparaît aussi dans le discours des fournisseurs d’infrastructures. Lors de la GTC de mars 2026, Jensen Huang a envisagé que chaque ingénieur de NVIDIA puisse un jour disposer d’un budget annuel de tokens, représentant une part significative de sa rémunération de base. Il décrivait une possibilité future, non une politique déjà généralisée.
On distingue dès lors trois degrés. Une entreprise peut surveiller une facture globale, fixer des limites par utilisateur, puis donner à celui-ci une véritable latitude pour répartir sa consommation entre les travaux à accomplir. Les deux premiers existent ; le troisième reste beaucoup moins documenté.
Chaque collaborateur pourrait disposer de sa propre capacité de travail artificielle
Pour mesurer ce que changerait une telle allocation, considérons un scénario fictif. Une analyste dispose de 300 crédits d’IA par mois. Elle peut les mobiliser pour comparer des contrats, explorer un jeu de données ou faire préparer une première version de rapport par un agent. Le traitement d’un dossier complexe consomme davantage de crédits qu’une simple extraction d’informations. Elle doit donc décider où cette ressource lui évitera réellement du travail, ou lui permettra d’en entreprendre un qu’elle aurait autrement laissé de côté.
- La décision ressemble à un arbitrage budgétaire, mais elle se déroule au niveau des opérations quotidiennes.
- Faut-il approfondir une recherche avec un modèle plus coûteux ou se contenter d’une première analyse ?
- Automatiser une tâche hebdomadaire ou réserver la capacité disponible à une échéance exceptionnelle ?
- Confier plusieurs étapes à un agent, au risque de multiplier les appels, ou conserver une exécution plus directe ?
L’accès à une capacité d’IA pourrait compter parmi les ressources associées à un poste
Renaud Joly
Le token intervient ici comme unité technique de mesure de l’activité des modèles. Il ne constitue pourtant pas une mesure homogène de capacité. Le traitement d’un million de tokens d’entrée et la génération d’un million de tokens de sortie n’ont pas nécessairement le même prix ; deux modèles peuvent présenter des écarts substantiels, comme l’illustrent les tarifs des modèles proposés par OpenAI. Pour rendre le budget compréhensible, l’entreprise pourrait donc attribuer des crédits internes ou une enveloppe monétaire convertie en droits d’utilisation, plutôt qu’un nombre fixe de tokens indifférent à leur nature.
L’enjeu est moins la précision de l’unité affichée que la possibilité d’arbitrer entre des usages. Une enveloppe dépourvue de choix réel ne serait qu’un plafond de sécurité. À l’inverse, une allocation dont le collaborateur connaît le coût, les possibilités et les limites pourrait l’amener à structurer autrement ses tâches : préparer des dossiers pour un traitement automatisé, sélectionner les opérations qui méritent une exécution répétée, réserver son intervention aux décisions qui exigent une expertise humaine.
Cela suppose cependant que les outils soient suffisamment fiables et accessibles. Une enveloppe individuelle ne donne aucune capacité supplémentaire si les données utiles restent inaccessibles, si chaque automatisation nécessite un développement spécifique ou si la validation humaine annule le temps économisé. La disponibilité de tokens ne dispense pas de l’organisation nécessaire pour les convertir en travail utile.
Dépenser davantage de tokens ne signifie pas produire davantage de valeur
L’idée d’un budget individuel comporte un piège immédiat : confondre activité du système et productivité du collaborateur. Une même tâche peut être traitée par un modèle moins coûteux, par une succession d’appels sophistiqués ou par un agent qui explore longtemps des pistes infructueuses. Le volume de calcul consommé indique ce qui a été mobilisé, pas ce qui a été obtenu.
Les recherches sur la productivité invitent d’ailleurs à se méfier des moyennes. Dans une étude publiée en 2025 dans le Quarterly Journal of Economics, Erik Brynjolfsson, Danielle Li et Lindsey Raymond ont analysé le déploiement d’un assistant auprès de 5 172 salariés du support client. Le nombre de problèmes résolus par heure augmentait de 15 % en moyenne, mais les bénéfices se concentraient chez les salariés les moins expérimentés. Les plus expérimentés obtenaient des gains beaucoup plus limités, avec même une légère dégradation de la qualité sur certains indicateurs. Il s’agit d’une activité, d’une entreprise et d’un assistant particulier, pas d’un rendement universel de l’IA.
Une autre expérimentation, menée par METR en 2025 auprès de seize développeurs expérimentés travaillant sur des projets libres qu’ils connaissaient bien, a observé un allongement moyen de 19 % du temps nécessaire lorsque les outils d’IA étaient autorisés. Ce résultat porte sur un environnement précis et sur les modèles disponibles au premier semestre 2025. Il ne contredit pas mécaniquement la première étude : il rappelle que les bénéfices dépendent des tâches, de l’expérience des utilisateurs, des outils et du niveau de qualité attendu.
La difficulté s’accentue lorsqu’il faut traduire ces gains en valeur économique. Selon une étude d’Accenture publiée en septembre 2026, moins de 20 % des dépenses de tokens des grandes entreprises interrogées pouvaient être reliées à un résultat financier quantifié. L’enquête a porté sur 750 dirigeants de sociétés réalisant plus d’un milliard de dollars de chiffre d’affaires, dans dix-sept pays. Cette proportion mesure une lacune d’attribution, non une absence démontrée de bénéfices.
Un budget individuel ne devrait donc pas devenir un objectif de consommation. Il faudrait plutôt évaluer les résultats : dossiers traités correctement, temps de cycle réduit, erreurs détectées, qualité maintenue ou nouvelles activités rendues possibles. Le coût complet comprendrait la consommation d’IA, mais aussi le temps de préparation, de vérification, de correction et les risques éventuels. Sans cette discipline, l’entreprise risquerait de récompenser l’intensité d’utilisation plutôt que la qualité du travail.
Ce que des budgets individuels changeraient dans l’organisation
Distribuer des crédits d’IA pourrait accroître l’autonomie des collaborateurs. Au lieu de demander qu’un service central développe ou configure chaque automatisation, ils disposeraient d’une ressource mobilisable pour les besoins de leur poste. Les équipes techniques conserveraient la responsabilité des environnements, des droits d’accès et de la sécurité, tandis que les métiers prendraient davantage de décisions sur l’usage quotidien de cette capacité.
Cette décentralisation ne serait pas neutre. Dans une même entreprise, deux collaborateurs occupant des fonctions voisines pourraient disposer d’enveloppes différentes parce que leurs tâches, leur maîtrise des outils ou les résultats attendus ne sont pas identiques. Une allocation uniforme paraîtrait équitable, mais pourrait pénaliser les activités dont le traitement consomme beaucoup de ressources. Une allocation fondée uniquement sur la consommation passée favoriserait, au contraire, ceux qui utilisent déjà intensivement l’IA, indépendamment de l’utilité de leurs résultats.
Les budgets pourraient également modifier les comportements. Si le montant non dépensé est perdu à la fin du mois, certains auront intérêt à multiplier les expérimentations en fin de période. Si tout dépassement déclenche une justification complexe, d’autres renonceront à des usages pourtant rentables. Le suivi individuel pourrait enfin glisser vers une surveillance de l’activité, en assimilant les traces techniques d’utilisation à une mesure de l’engagement professionnel.
Ces dérives dépendraient des règles d’allocation. Une réserve collective permettrait de financer les tâches exceptionnelles. Des crédits supplémentaires pourraient être attribués à un projet dont la valeur est démontrée, sans exiger une surconsommation préalable. Les indicateurs devraient éclairer le coût des activités plutôt que classer les salariés selon le nombre de tokens utilisés. Une entreprise aurait aussi intérêt à distinguer les essais exploratoires, dont le résultat est incertain, des opérations récurrentes pour lesquelles un coût de référence peut être établi.
Cette répartition individuelle ferait apparaître une autre question : qui devient responsable du travail exécuté par les agents ? Le collaborateur peut décider de lancer une analyse, mais l’organisation reste tenue de définir les données utilisables, les contrôles nécessaires et les décisions qui ne peuvent pas être déléguées. L’autonomie de consommation doit être accompagnée d’une répartition explicite des responsabilités sur les résultats.
Pourquoi toutes les entreprises ne distribueront pas des budgets individuels de tokens
Le modèle n’a rien d’inévitable. Beaucoup d’usages sont accessibles par abonnement forfaitaire, sans facture détaillée par appel. D’autres reposent sur des infrastructures internes ou des capacités de calcul réservées. Dans ces situations, attribuer une quantité personnelle de tokens pourrait créer une comptabilité artificielle, plus coûteuse à administrer qu’utile à la décision.
La difficulté est également technique. Les tarifs changent selon le fournisseur, le modèle, les entrées, les sorties et la réutilisation d’informations déjà traitées. Un agent peut invoquer plusieurs modèles, consulter des outils externes et recommencer une opération après un échec. Le nombre brut de tokens décrit imparfaitement la dépense totale. Pour des activités régulières, un budget en euros ou un plafond par application pourrait être plus intelligible qu’une allocation de tokens.
Il existe enfin un enjeu de mutualisation. Certaines capacités doivent être communes : systèmes de recherche documentaire, agents partagés, index de connaissances, outils de contrôle. Leur coût ne se répartit pas naturellement entre les utilisateurs. Chercher à imputer chaque appel individuel peut encourager des arbitrages locaux défavorables à l’ensemble de l’entreprise.
L’étude Accenture sur l’imputation des dépenses d’IA révèle d’ailleurs que seulement 7 % des sociétés interrogées utilisent un système de refacturation interne des coûts d’IA aux équipes consommatrices. Ce chiffre concerne de grandes entreprises et ne mesure pas la diffusion des budgets personnels. Il indique néanmoins que la décentralisation de la responsabilité financière demeure limitée, y compris là où la dépense est devenue visible.
La solution pourrait être hybride : des services d’IA accessibles à tous pour les usages courants, des enveloppes individuelles pour certaines tâches à forte consommation et des budgets collectifs pour les projets transversaux. La pertinence de chaque niveau dépendrait de ce que l’on cherche à responsabiliser : une personne, une équipe ou un processus.
Demain, que devra réellement gérer chaque collaborateur ?
Si ces budgets se développent, le travail pourrait intégrer une forme supplémentaire de décision : choisir la quantité et la nature de la capacité artificielle à mobiliser. Un collaborateur devrait savoir quand faire appel à un modèle simple, quand confier une recherche à un agent, quand interrompre une opération et quand reprendre lui-même la main. Cette compétence ne se réduirait pas à savoir formuler une requête. Elle porterait sur la définition du résultat attendu, l’estimation de l’effort nécessaire et la vérification du travail obtenu.
Pour l’entreprise, l’attribution d’un budget de tokens n’aurait de sens qu’accompagnée de trois choix de gouvernance : définir les usages autorisés et les responsabilités, accorder une latitude proportionnée aux besoins du poste et évaluer les résultats sans faire de la consommation un indicateur de performance. Ces choix seraient plus structurants que l’unité affichée sur un tableau de bord.
Le budget de tokens pourrait ainsi rejoindre la panoplie des moyens de travail, sans remplacer le budget financier qui le finance. Son intérêt résiderait dans la possibilité de donner aux collaborateurs un accès explicite à une capacité d’exécution supplémentaire, avec un droit de l’orienter. Reste une décision qui appartient aux directions : souhaitent-elles seulement limiter une nouvelle dépense, ou donner à leurs collaborateurs les moyens et la responsabilité d’organiser autrement leur travail ?