L'usage de l'IA grimpe, les dépenses plafonnent (données Ramp)

TechCrunch relaie des données de Ramp qui révèlent une fracture sur le marché de l'IA : l'usage continue de progresser, mais les dépenses ont calé. Les mêmes données désignent les baisses de prix et un contrôle des coûts plus strict chez les plus gros dépensiers comme moteurs de cet écart. Le rapport ne précise ni les fournisseurs, ni les tailles de contrats, ni les périodes concernées, pas plus que la méthode de mesure de la tendance.

Le calendrier compte, car l'article situe ce constat face à l'approche d'Anthropic en vue d'une IPO : le signal sur les dépenses devient dès lors une question sur l'économie de l'offre d'IA, et non une simple curiosité sur les habitudes d'achat.

Ce qu'une courbe de dépenses plate signifie vraiment

Usage et dépense sont deux mesures distinctes, et elles peuvent évoluer en sens inverse pour des raisons banales. Si le prix unitaire baisse, une entreprise peut envoyer davantage de requêtes à un modèle et signer un chèque plus petit. Si les acheteurs consolident leurs fournisseurs, orientent les tâches simples vers des modèles moins chers ou ajoutent du cache et du batching, la courbe de volume monte pendant que la facture s'aplatit.

Pour qui construit un produit sur des API de modèles, c'est la lecture pertinente. La croissance des tokens traités ne se traduit pas automatiquement en croissance du revenu par client. Il est par ailleurs bien établi que les prix de l'inférence chez les grands fournisseurs ont baissé à répétition ces dernières années : une divergence entre usage et dépense est donc plausible sans aucune baisse de la demande.

Ce que le rapport laisse ouvert, c'est la part respective des économies liées aux prix et de celles liées à la discipline. Cette distinction change beaucoup les perspectives : la baisse des prix est une reprisation à l'échelle du marché, tandis que le contrôle des coûts chez les plus gros dépensiers suggère que les acheteurs traitent désormais l'IA comme une ligne budgétaire à gérer, non comme une expérimentation à financer.

Ce que cela implique pour les équipes trafic et monétisation

La plupart des équipes qui lisent ceci ne vendent pas de modèles de fondation, mais elles en achètent, et leur économie unitaire s'inscrit dans ce même mouvement. Quelques vérifications s'imposent cette semaine.

• Sortez les factures d'API et d'outils d'IA des deux derniers trimestres et comparez-les au volume d'usage réel, pour savoir si votre coût par tâche baisse ou stagne.
• Repérez les workflows où un modèle plus petit ou moins cher passerait votre seuil de qualité, et testez-en un.
• Vérifiez si les modules d'IA facturés au siège dans votre stack sont encore assez utilisés pour justifier le renouvellement.

Côté monétisation, la leçon s'inverse. Si votre produit intègre des fonctionnalités d'IA, les acheteurs disposent désormais de repères sur ce que devrait coûter l'inférence et contesteront un prix bâti sur les marges de 2023. Les fonctionnalités vendues plus cher au seul motif qu'elles utilisent un modèle sont exposées ; celles dont le prix repose sur le résultat produit ne le sont pas.

Côté acquisition, une inférence moins chère élargit l'éventail de variantes de personnalisation et de création que vous pouvez vous permettre de tester : un avantage discret pour les équipes qui instrumentent correctement leurs tunnels.

La question macro que soulèvent ces données est de savoir si la croissance du chiffre d'affaires de l'IA peut suivre l'usage si les acheteurs continuent de comprimer les coûts unitaires. Le rapport n'y répond pas, et un seul jeu de données ne le peut pas. Mais il donne une raison de traiter « plus d'usage » et « plus de dépenses » comme deux hypothèses séparées dans tout plan construit sur ce marché.