Analyse : Le paradoxe économique des agents IA en entreprise

1. Les chiffres clés de l’étude

• Poids budgétaire croissant : Près d’un tiers des organisations consacrent désormais plus de 10 % de leur budget IT et télécoms à l’IA. De plus, 60 % des décideurs prévoient d’augmenter encore ces dépenses l’an prochain.
• Pression sur les coûts d’exploitation : Environ 20 % des entreprises interrogées indiquent que les coûts récurrents (notamment la consommation de tokens et les appels API) commencent à contraindre ou freiner leur usage de l’IA.
• Rendement financier contrasté : Malgré une hausse nette de la productivité individuelle (80 % des employés déclarent gagner du temps), la part des entreprises constatant un impact significatif sur leur résultat d’exploitation (EBIT) stagne à environ 6 %.

2. Pourquoi les agents coûtent-ils beaucoup plus cher qu’un LLM classique ?

• Un ratio de tokens jusqu’à 1 000 fois supérieur : Un agent décompose une consigne en plusieurs étapes, appelle des outils externes (APIs, bases de code, bases de données) et réinjecte l’historique complet à chaque tour d’interaction (long-lived context).
• Le coût de l’itération et de la vérification : Selon McKinsey, près de 60 % de la dépense en tokens d’un agent ne sert pas à la production du premier résultat, mais aux phases de vérification, de correction d’erreurs et de tests.
• Une dispersion des coûts jusqu’à 30× pour une même tâche : Le comportement d’un agent étant stochastique, deux exécutions d’une même consigne peuvent emprunter des chemins logiques radicalement différents, créant une imprévisibilité totale sur la facture finale.

Sources & Liens directs

• Rapport et analyse McKinsey (anglais) :
  👉 The State of AI: Global Survey 2026 – McKinsey & Company
  (Voir également l’analyse détaillée des coûts : Cost versus value: Managing agentic AI system performance)
• Article source chinois (IT之家 / 新浪财经) :
  👉 大力投入AI未必真能省钱，麦肯锡报告称智能体或让企业面临更高成本 – Sina / IT之家