Les tokens — les unités de base servant à mesurer et à tarifer l’utilisation de l’IA — se sont rapidement imposés comme l’un des indicateurs les plus critiques pour les entreprises. La tarification des modèles d’IA d’entreprise est passée d’abonnements fixes à des modèles dynamiques fondés sur l’usage, et l’augmentation de la consommation d’IA a désormais transformé ce qui avait commencé comme une expérimentation de productivité en une source potentielle de pression sur les marges. Comme les frais liés aux tokens augmentent généralement avec le volume de texte traité et généré, une adoption accrue par les employés peut rapidement devenir un coût variable plus difficile à prévoir que les licences logicielles traditionnelles. Les PDG se retrouvent pris dans un délicat exercice d’équilibre.

L’IA n’est pas le type d’outil logiciel que l’on peut simplement activer ou désactiver à volonté. Au cours de l’année écoulée, les grands modèles de langage se sont profondément intégrés aux processus métier, et tous les indicateurs suggèrent que cette dépendance est appelée à durer. Restreindre l’utilisation de l’IA de manière indiscriminée — une approche que de nombreuses équipes dirigeantes envisagent actuellement — ralentirait non seulement la croissance et les gains d’efficacité déjà obtenus par les entreprises, mais les laisserait aussi moins bien préparées à tirer parti de la prochaine génération de capacités d’IA, à mesure que l’expérimentation serait découragée.

Le risque est que les dirigeants tombent dans le piège de faire varier brutalement leurs dépenses d’IA afin d’équilibrer le prochain budget trimestriel et, ce faisant, passent à côté de la transformation fondamentale que l’IA peut apporter lorsqu’elle est gouvernée de manière systématique plutôt que réactive.

La deuxième phase de l’adoption de l’IA

Le monde des affaires est entré dans la deuxième phase de l’adoption de l’IA, où l’objectif est passé de la démonstration rapide de compétences et de progrès à la preuve que les entreprises peuvent extraire la plus grande valeur possible de l’IA sans menacer leur résultat net. Cette phase d’adoption durable fera bientôt apparaître une ligne de fracture aux implications durables dans le paysage des entreprises — entre les organisations capables de gérer et de déployer l’IA à grande échelle de manière économique, et celles qui ne le peuvent pas. Les coûts des tokens ne sont que le premier symptôme visible d’un problème de gouvernance plus large.

Deux hypothèses clés ont conduit à ce point d’inflexion. La première était une thèse séduisante mais finalement erronée sur ce que l’IA permettrait aux entreprises de faire : remplacer les coûts de main-d’œuvre humaine par des coûts de modèles et capter l’écart d’efficacité sous forme de profit. Cet arbitrage s’est révélé beaucoup moins simple. De nombreuses organisations qui ont adhéré à cette idée, en réduisant leurs effectifs dans l’anticipation de gains de productivité portés par l’IA, ont découvert qu’elles avaient perdu des connaissances institutionnelles et des talents d’ingénierie essentiels pour intégrer et affiner efficacement les systèmes d’IA au fil du temps.

Cette prise de conscience touche désormais les entreprises qui ont procédé à des licenciements de grande ampleur. Dans un exemple récent très médiatisé, Ford a déclaré devoir réembaucher des centaines d’ingénieurs afin de résoudre des problèmes de contrôle qualité liés à des outils d’IA nouvellement déployés. Les dirigeants ont directement cité le manque d’expertise expérimentée comme un facteur nuisant au développement des produits et limitant les gains d’efficacité des systèmes autonomes.

La deuxième hypothèse concernait un décalage entre les investisseurs et les équipes dirigeantes. Dans la plus récente enquête annuelle de Teneo auprès des PDG et des investisseurs, 53 percent des investisseurs s’attendaient à un retour sur investissement de l’IA dans un délai de six mois, tandis que seulement 16 percent des PDG de grandes capitalisations pensaient pouvoir tenir ce calendrier. Cette échéance est désormais arrivée. Cet écart est important, car les programmes d’IA nécessitent souvent des changements dans les flux de travail, les pratiques de données, la gestion des fournisseurs et la formation des employés avant que les bénéfices puissent être mesurés de manière fiable, ce qui rend les délais de retour sur investissement courts difficiles à concilier avec la façon dont les technologies d’entreprise sont généralement adoptées.

Cinq recommandations pour les conseils d’administration et les PDG

La fenêtre permettant de mettre en place une gouvernance disciplinée de l’IA reste ouverte, mais elle ne le restera pas indéfiniment. Entre les deux cabinets, les auteurs travaillent avec des milliers de PDG et de conseils d’administration dans le monde pour répondre à ces défis. Voici leurs recommandations actuelles.

Premièrement, reformuler la discussion sur l’IA au conseil d’administration. Cessez de demander combien est dépensé pour l’IA. Commencez à demander où l’investissement dans l’IA crée des avantages concurrentiels durables — et où il génère de la consommation sans valeur cumulative.

Deuxièmement, traiter les dépenses d’IA comme une décision d’allocation de capital, et non comme une ligne budgétaire informatique. Une utilisation qui génère de nouveaux revenus, crée des expériences client différenciées ou développe des capacités propriétaires constitue un investissement de croissance. Une utilisation qui se contente d’automatiser des processus à faible valeur ajoutée relève des charges d’exploitation. Cette distinction donne également aux conseils d’administration un moyen plus clair de comparer les initiatives d’IA à d’autres usages stratégiques du capital, plutôt que de traiter toute consommation de modèles comme un coût technologique indifférencié.

Troisièmement, mettre en place des mécanismes de gouvernance qui associent les charges de travail au modèle le moins coûteux capable de les exécuter de manière fiable. Les employés auront naturellement tendance à se tourner vers les modèles les plus récents et les plus puissants, même lorsque des générations plus anciennes peuvent produire le résultat souhaité. Une mise en œuvre pratique pourrait consister en une couche logicielle capable de recevoir les prompts et de les acheminer automatiquement vers le modèle approprié.

Quatrièmement, remodeler les incitations autour de l’utilisation de l’IA. Les employés ne devraient pas être récompensés parce qu’ils utilisent le plus l’IA — un réflexe que de nombreuses entreprises ont eu au début, désireuses de montrer aux investisseurs le degré avancé de leur adoption. Ils ne devraient pas non plus être pénalisés par des plafonds d’utilisation trop rigides, qui peuvent involontairement freiner l’innovation. Les organisations devraient plutôt récompenser une utilisation efficace de l’IA : obtenir de meilleurs résultats commerciaux avec un niveau approprié de consommation d’IA. Comme le souligne une analyse du Wall Street Journal, l’objectif n’est pas l’utilisation maximale, mais la valeur maximale par token.

Cinquièmement, répartir la gouvernance de l’IA dans toute l’organisation. La gouvernance de l’IA ne peut pas être déléguée à un seul rôle, tel qu’un Chief AI Officer. Les managers de toutes les fonctions doivent être responsables de guider une adoption durable de l’IA au sein de leurs équipes. Les employés, de leur côté, ont besoin d’un soutien concret à la fois pour comprendre comment leur utilisation de l’IA est évaluée et pour développer les compétences nécessaires afin de contribuer avec l’IA de manière significative et efficace sur le long terme.

La voie à suivre

Les entreprises qui s’imposeront dans cette phase d’adoption de l’IA ne seront pas celles qui l’utilisent le plus, ni celles qui dépensent le moins. Ce seront celles qui la gouvernent le mieux, en convertissant de manière constante la consommation d’IA en avantage économique durable. Trouver cet équilibre est difficile, en particulier avec une technologie qui évolue à ce rythme. Pourtant, se tromper dans cet équilibre pourrait bientôt devenir une question existentielle.

Les opinions exprimées dans les tribunes publiées sur Fortune.com sont uniquement celles de leurs auteurs et ne reflètent pas nécessairement les opinions et convictions de Fortune.

Cet article a été initialement publié sur Fortune.com.