À qui s'adresse cet article : DSI, DAF et RSSI d'organisations qui utilisent déjà l'IA générative, qui voient la facture monter, et qui n'arrivent pas à dire qui consomme quoi. Angle assumé : ce n'est pas un problème de prix, c'est un problème de gouvernance.
Le problème, par le cas concret
Un DSI découvre en fin de trimestre que la facture API a doublé. Personne ne sait dire pourquoi. Trois équipes ont ouvert des clés, deux prestataires ont branché des agents, un prototype oublié tourne encore. Le même scénario se répète partout, et les chiffres sont documentés : 82 % des décideurs IT ont subi des dépenses IA imprévues sur les douze derniers mois (Asana, juin 2026), 47 % des salariés français utilisent l'IA générative au travail, le plus souvent hors de tout cadre officiel (Observatoire de l'IA responsable, Impact AI / KPMG France / Bouygues, juin 2026), et l'entreprise moyenne utilise environ 14 outils d'IA dont l'IT n'en connaît que 4 à 5 (rapports SaaS 2026).
Le vrai problème n'est pas le montant. C'est que la dépense est opaque (qui a consommé quoi ?), inattribuable (quelle équipe, quel projet ?) et non plafonnée (aucun budget ne s'applique réellement, les agents re-promptent en boucle sans compteur). Tant que ces trois défauts ne sont pas corrigés, négocier le prix du token ne sert à rien : vous optimisez une facture que personne ne sait lire.
Le volet chiffré : ce que coûte l'absence de gouvernance
- Licences dormantes : en moyenne 46 % des licences SaaS sont sous-utilisées (Zylo, 2026 SaaS Management Index), un phénomène que les diagnostics de terrain retrouvent aussi sur Copilot et ChatGPT Enterprise.
- Dérapages à l'usage : le passage de GitHub Copilot à la facturation au token a produit des dépassements individuels documentés de 29 à 750 $ par mois, pour le même utilisateur, sans que personne ne l'ait décidé (TechCrunch, mai 2026).
- Leviers connus mais inappliqués : le routage vers le modèle le moins cher suffisant réduit la facture jusqu'à 85 % en conservant 95 % de la qualité (RouteLLM, LMSYS 2024), le cache de prompts jusqu'à 90 % sur les lectures (Anthropic, 2024). Des leviers documentés depuis deux ans, massivement inappliqués faute de visibilité.
La conclusion des rapports FinOps est nette : 98 % des organisations pratiquent désormais le FinOps IA (FinOps Foundation, State of FinOps 2026), mais la pratique reste majoritairement déclarative, reconstruite après coup à partir de factures. On compte, on ne gouverne pas.
Le test des 5 questions (à imprimer avant votre prochain comité)
1. Savez-vous dire, aujourd'hui, combien votre organisation a dépensé en IA le mois dernier, tous outils confondus ? 2. Pouvez-vous attribuer chaque consommation à une équipe, un projet, un utilisateur identifié ? 3. Un budget plafonné existe-t-il quelque part, et bloque-t-il réellement une requête au dépassement ? 4. Si un agent tourne en boucle la nuit, qui reçoit l'alerte, et quand ? 5. Pouvez-vous refacturer la dépense IA aux directions métiers avec des chiffres qui ne seront pas contestés ?
Trois « non » ou plus : votre dépense IA n'est pas gouvernée. C'est le cas de la majorité des organisations, y compris celles qui ont un comité IA et une charte d'usage. La charte encadre les intentions, pas les tokens.
La réponse par l'architecture : gouverner au bus, pas après coup
La plupart des réponses du marché sont des couches de reporting : elles reconstruisent la dépense à partir de factures et de consoles fournisseurs, avec des semaines de délai et des trous (les usages qui ne passent par aucune facture consolidée sont invisibles). La gouvernance réelle demande les trois briques suivantes, dans le flux, pas à côté :
| Verbe | Ce qu'il faut | Comment ça existe chez DalonCorp |
|---|---|---|
| Voir | Mesure à l'unité, par requête, attribuée | Le NLP Border Controller publie chaque consommation (tokens, modèle, provider) vers le billing, avec l'utilisateur dans le subject NATS, validé cryptographiquement |
| Plafonner | Budgets et coupure automatique | Le billing applique quotas et seuils par utilisateur et par tenant : seuil bas → notification, seuil zéro → coupure ou dégradation selon la politique |
| Refacturer | Données consolidées, exportables | Tarification à l'unité consommée (token, seconde, caractère, unité), 4 types de consommation (STT, TTT, TTS, PerUse), API temps réel et métriques Prometheus |
L'attribution est le point clé : l'identité (compte, utilisateur) est injectée par le bus à la connexion et signée (Ed25519). L'application ne peut ni la falsifier ni la contourner. Quand la mesure est fiable à la source, le showback par équipe devient une requête, pas un projet de réconciliation.
Traiter l'objection n°1 : « on va déployer un outil FinOps l'année prochaine »
Les outils de reporting FinOps répondent à la question « combien avons-nous dépensé ? » avec un mois de délai. La gouvernance au bus répond à « qui consomme, combien, et est-ce que le budget tient ? » en temps réel, requête par requête. Ce sont deux problèmes différents : le premier documente le passé, le second empêche le dépassement. Les organisations qui ont les deux déploient la mesure au flux d'abord, la consolidation ensuite, jamais l'inverse.
Second point : la même architecture résout le problème du shadow AI par l'offre plutôt que par l'interdit. Un portail d'accès managé (SSO, quotas, traçabilité, modèles on-premise à coût marginal nul) rend l'usage officiel plus confortable que l'usage sauvage. L'interdiction pure échoue systématiquement, la réponse documentée est l'alternative de qualité.
Pour aller plus loin
- Comprendre le NLP Border Controller, qui route et facture chaque requête
- Voir le cycle de paiement : quotas, épuisement, recharge
- Refaire le calcul complet Ollama vs OpenAI à 3 ans : le coût marginal nul de l'on-premise
- Télécharger la proposition de valeur (PDF)