Un gouffre de dépenses

Les entreprises d'intelligence artificielle les plus avancées supportent des coûts d'infrastructure qui dépassent largement leurs dépenses de personnel. Chez Anthropic, le montant alloué au calcul (inférence et entraînement) représente environ 2,3 fois la masse salariale totale, soit près de 2 millions de dollars par employé et par an, pour un salaire chargé estimé à plus de 500 000 dollars. À titre de comparaison, les sociétés logicielles du premier centile consacrent en moyenne 89 000 dollars par ingénieur et par an à l'IA, soit 40 % du salaire chargé d'un ingénieur senior. Pour l'entreprise médiane, ce chiffre tombe à 137 dollars par an, un montant quasi nul.

Trois trajectoires possibles d'ici 2029

L'écart entre les leaders et le reste du marché pourrait se réduire ou se creuser selon l'évolution des prix des tokens, des capacités des modèles et de l'adoption des workflows agentiques. Trois scénarios ont été modélisés jusqu'en 2029.

Dans le scénario pessimiste (Bear), la déflation des prix des tokens (divisés par 10 chaque année depuis trois ans) et l'amélioration des modèles ouverts permettraient de contenir la facture. La part du salaire consacrée à l'IA passerait de 40 % en 2026 à 41 % en 2029, après un pic à 48 % en 2028.

Le scénario de base (Base) suit la trajectoire des entreprises du premier centile, avec une hausse progressive jusqu'à 140 % du salaire d'un ingénieur senior en 2029, soit 363 000 dollars par an.

Le scénario optimiste (Bull) projette que le reste du marché rattrape le ratio d'Anthropic, atteignant 230 % du salaire (596 000 dollars par an). Dans ce cas, la seule facture d'IA par ingénieur équivaudrait à la contribution au chiffre d'affaires d'un employé médian d'une société SaaS, estimée à environ 250 000 dollars par an.

Des revenus par employé records

Les entreprises natives de l'IA affichent déjà des productivités extrêmement élevées. Anthropic et OpenAI généreraient respectivement 14 et 6,5 millions de dollars de revenus par employé, les niveaux les plus élevés du classement Forbes Global 2000. Ces performances justifient en partie l'ampleur de leurs dépenses d'infrastructure.

Facteurs d'accélération et de frein

Plusieurs forces peuvent faire basculer la facture vers le haut ou vers le bas. Du côté des moteurs du scénario Bull, les prix des modèles de pointe pourraient se stabiliser si les coûts d'entraînement plafonnent et que la demande dépasse l'offre. Les workflows agentiques, qui consomment des tokens à des taux exponentiellement plus élevés que le dialogue classique, pourraient multiplier par 24 la consommation de tokens d'ici 2030, selon des analystes. Dans un marché concurrentiel, ne pas suivre le rythme des innovations des rivaux rendrait la facture d'IA inévitable.

À l'inverse, la baisse rapide des prix des tokens (multiplication par dix par an) et la montée en puissance de modèles ouverts de qualité quasi équivalente à une fraction du coût offrent des leviers de réduction. Les entreprises qui rationnent l'accès à l'IA par fonction ou par charge de travail peuvent également maîtriser leur courbe de dépenses.

Implications pour l'économie américaine

Cette analyse des coûts de l'IA éclaire d'un jour nouveau les débats sur son impact macroéconomique. Si les dépenses d'infrastructure continuent de croître aussi vite que dans le scénario Bull, la facture énergétique et les investissements en centres de données pourraient peser lourdement sur les finances publiques américaines, déjà confrontées à une dette élevée. À l'inverse, si la déflation des prix et l'ouverture des modèles l'emportent, l'IA pourrait devenir un moteur de productivité sans alourdir significativement les coûts des entreprises. Les économistes restent divisés sur la capacité réelle de l'intelligence artificielle à réduire la dette américaine, certains y voyant un remède partiellement illusoire tant que la facture d'infrastructure n'aura pas convergé vers des niveaux soutenables pour l'ensemble du tissu productif.