Outils de codage IA : bientôt plus chers que les développeurs eux-mêmes ?

Les assistants de codage par IA promettaient une révolution de la productivité. Ils livrent d'abord une crise des coûts. Gartner prévoit qu'à l'horizon 2028, les dépenses consacrées aux outils de codage par IA dépasseront le salaire médian d'un développeur logiciel . Cette prévision, publiée le 24 juin 2026 dans la note How to Optimize Token Consumption for AI Coding, se vérifie déjà en temps réel dans les grandes entreprises .

Pourquoi les coûts de l'IA pourraient dépasser les salaires

Gartner identifie deux tendances convergentes :

• Une consommation de tokens en plein essor — À mesure que les développeurs utilisent les agents de codage de manière plus intensive, le volume de tokens (l'unité de facturation des LLM) croît bien plus vite que la baisse des prix unitaires. Les notes de frais passent de 20 ou 100 dollars par développeur et par mois à 2 000 ou 5 000 dollars, explique Nitish Tyagi, analyste principal chez Gartner, au Register .
• L'abandon des abonnements forfaitaires — Les grands éditeurs, comme Anthropic, Cursor et GitHub Copilot, ont remplacé les abonnements mensuels fixes par une facturation à la consommation (au token). Chaque frappe clavier a un coût, variable et évolutif .

Cette prévision repose sur des hypothèses de projection, ce n'est pas une certitude . Mais comme le souligne Tyagi : « Les dépenses liées au codage par IA augmenteront de façon persistante, car les investissements dans les infrastructures et les besoins de rentabilité des fournisseurs tirent les prix des modèles vers le haut » .

La facture des tokens arrive : exemples concrets

Uber : un plafond de 1 500 $ après avoir grillé le budget annuel

Uber est le cas le plus documenté. L'entreprise a épuisé l'intégralité de son budget IA 2026 en seulement quatre mois — dès avril 2026 . En réaction, Uber a imposé un plafond de 1 500 $ par mois et par outil pour les plateformes de codage agentique comme Claude Code (Anthropic) et Cursor .

Les chiffres sont éloquents : en mars 2026, 84 % des ingénieurs d'Uber utilisaient Claude Code, contre 32 % fin 2025 . Le coût mensuel par ingénieur oscillait entre 500 et 2 000 dollars avant l'instauration du plafond . Le COO d'Uber a déclaré sans détour : « Le lien entre les dépenses d'IA et la valeur client n'est pas encore établi » .

D'autres entreprises sous tension

• Microsoft a révoqué l'accès à Claude Code pour ses développeurs quelques mois seulement après l'avoir autorisé, inquiet des coûts .
• Priceline a subi des hausses de prix de 500 % sur ses outils de codage IA .
• Gartner prédit par ailleurs que 40 % des entreprises utilisant des outils de codage IA facturés à la consommation connaîtront des dépassements de budget non planifiés, au-delà du double de leur budget prévu, d'ici 2027 .

Accenture : quand les non-ingénieurs font flamber la note

Chez Accenture, l'explosion des coûts provient d'une source inattendue. Selon des fuites audio, ce ne sont pas les développeurs mais les employés non techniques qui consomment le plus de tokens, en utilisant l'IA pour convertir des PDF en diapositives . Accenture prévoit de lancer « Token IQ », un outil de pilotage pour que la direction sache si les dépenses IA génèrent un retour suffisant .

KPMG : l'opacité des coûts, un risque majeur

L'enquête Global AI Pulse du 2e trimestre 2026 de KPMG, publiée le 24 juin 2026 et portant sur plus de 2 100 cadres dirigeants dans 20 pays, révèle que seules 26 % des organisations ont une visibilité en temps réel sur leurs coûts d'utilisation de l'IA . Plus précisément :

• 50 % n'ont qu'une visibilité partielle.
• 22 % n'ont quasiment aucune visibilité et ne découvrent leurs coûts qu'à la réception de la facture.

Steve Chase, responsable mondial de l'IA chez KPMG, décrit ce manque de transparence comme un risque financier majeur. Il indique que certains clients ont épuisé leurs budgets annuels de tokens et de cloud en l'espace de quelques mois, et que la consommation de tokens d'un client a été multipliée par six . Le passage à la facturation par token rend les dépenses imprévisibles et difficiles à contenir avec les contrôles financiers informatiques classiques .

Comment maîtriser les coûts : les recommandations de Gartner

Les préconisations de Gartner, publiées dans la note de juin 2026 et dans le rapport de mars 2026 10 Best Practices for Optimizing Generative and Agentic AI Costs, s'articulent autour d'un modèle opérationnel discipliné :

• Mettre en place un cadre de décision par cas d'usage — Définir quand les agents de codage IA doivent être utilisés et à quel niveau d'autonomie, plutôt que de laisser l'usage croître de manière incontrôlée. Classer les tâches de développement en trois modèles : piloté par le développeur, développeur avec agent, et entièrement piloté par l'agent .
• Choisir le modèle en fonction de la complexité de la tâche — Confier les tâches simples et fréquentes (écriture de tests, refactoring, création de squelettes de code, documentation) à des modèles spécialisés, moins coûteux, plutôt que d'utiliser systématiquement les modèles les plus puissants .
• Imposer une « ingénierie de contexte » — Améliorer les consignes fournies aux systèmes d'IA pour éviter de gaspiller des tokens avec des informations non pertinentes ou redondantes .
• Implémenter la mise en cache, le groupement et la surveillance – Utiliser la mise en cache des tokens et le groupement des requêtes pour réduire les calculs redondants ; suivre en temps réel la consommation de tokens par développeur et par équipe .
• Évaluer la maturité en codage IA — Gartner exhorte les responsables techniques à auditer leurs schémas de consommation de tokens avant que les coûts ne s'emballent .
• Mettre en place une couche de gouvernance de type FinOps — Avec surveillance en temps réel, budgets par utilisateur et détection automatique des anomalies pour les usages hors de contrôle .

Gartner note également que la productivité s'améliore de manière significative sur les tâches bien définies et limitées (écriture de tests, refactoring, création de squelettes, documentation, corrections de bugs simples), mais de manière marginale sur les décisions d'architecture et le débogage de problèmes complexes . L'enjeu est d'estimer la part du travail de l'équipe qui relève du premier groupe à fort effet de levier et d'y appliquer l'IA .

En résumé

L'ère des dépenses d'IA sans limites touche à sa fin. Les outils apportent de réels gains de productivité sur des tâches bien spécifiées, mais sans gouvernance, les coûts peuvent grimper plus vite que les gains de productivité qu'ils sont censés générer . La discipline que Gartner recommande, et que des entreprises comme Uber sont désormais contraintes d'adopter, n'est pas un renoncement à l'IA. C'est une gestion comme un vrai centre de coûts, avec de la visibilité, du routage intelligent et des garde-fous.