Amortir une hallucination

On ajuste actuellement notre EBITDA pour tenir compte d’un perroquet sophistiqué qui a lu internet.

Pas seulement dans mon entreprise. Nous tous, collectivement, en tant qu’industrie. Dans chaque entreprise du monde, le poste de dépense qui grossit le plus vite est une chose qui n’existait pas il y a trois ans, qui n’a pas de bureau et qui refuse absolument d’expliquer ses propres tarifs.

Ton entreprise essaie en ce moment d’amortir une hallucination. Quelque part au bout du couloir, ton service financier est enfermé dans une salle sans fenêtre, en sueur devant ses tableurs, à chercher comment inscrire une ambiance à l’actif.

Selon Gartner, les dépenses mondiales en IA atteignent 2,52 billions de dollars cette année.¹ C’est 44 % de plus que l’an dernier. Pourtant, seuls 14 % des directeurs financiers déclarent un retour sur investissement clair et mesurable.² Quatre-vingt-quinze pour cent des projets pilotes d’IA générative ne produisent aucun impact tangible sur le compte de résultat.³

On dépense à une échelle inédite pour une chose qu’on est incapable de suivre sérieusement. Et ça va devenir six fois pire.

Pour chaque dollar d’outils, six sur le travail

Sequoia a publié la semaine dernière un article intitulé « Services: The New Software ». C’est une magnifique carte au trésor qui montre exactement où se joue la ruée vers l’or de l’IA. Ce qu’elle omet, c’est que ce sont les directeurs financiers des grandes entreprises qui sont forcés de payer les pelles à l’aveugle.

Leur thèse est simple : pour chaque dollar qu’une entreprise dépense en logiciels, elle en dépense six en services que ces logiciels soutiennent. Une licence QuickBooks à 10 k$ n’est rien à côté du comptable à 120 k$ qui clôture réellement les comptes. La vraie opportunité de l’IA n’est donc pas de fabriquer un meilleur QuickBooks. C’est de fabriquer ce qui clôture les comptes.

Soyons clairs : tu ne remplaces pas seulement Jim de la compta. Tu remplaces Jim par un algorithme qui traite un million de factures par seconde, boit du gin virtuel, n’a aucune idée de ce qu’est l’argent et refuse avec énergie de montrer son raisonnement. Le salaire de Jim, 120 k$, a disparu. Tu paies maintenant 400 k$ d’appels d’API à une entité qu’on ne peut pas mettre sous plan d’amélioration des performances.

Sequoia appelle ça des « autopilotes ». Pas des copilotes qui aident un professionnel à faire le travail, mais des autopilotes qui livrent directement le résultat. Rédiger l’accord de confidentialité. Traiter le sinistre. Trier le ticket informatique. L’acheteur n’est plus le cabinet d’avocats ni le courtier. C’est l’entreprise qui a besoin que le travail soit fait.

Ils ont cartographié le marché adressable, et il est immense. Courtage d’assurance : 140 à 200 Md$. Services informatiques managés : plus de 100 Md$. Comptabilité et audit : 50 à 80 Md$. Recrutement : plus de 200 Md$. Conseil en management : 300 à 400 Md$.

Va le lire, le cadre est phénoménal. Mais je veux parler de ce qu’il laisse de côté : comment obtient-on un reçu détaillé d’un oiseau ?

3 600 photocopieuses

Hier soir, je me suis un peu déchaîné sur LinkedIn à propos de photocopieuses. La métaphore : les entreprises commandent 600 photocopieuses sans savoir ce qu’elles veulent imprimer. Les dépenses d’IA explosent, et personne ne les relie au chiffre d’affaires.

Je pensais trop petit. Le ratio de 6:1 de Sequoia change le calcul.

Disons que tu as 600 ingénieurs. Tu donnes à chacun un assistant de code IA à 20 $ par mois. Ça fait 144 k$ par an. C’est beaucoup, mais c’est traçable. Tu sais qui a une licence. Tu sais ce que chacun a livré. Ton directeur financier peut tracer une ligne droite entre la dépense et le plan d’effectifs.

Applique maintenant le 6:1.

Ces 144 k$ de dépense en outils impliquent 864 k$ de dépense en services d’IA : la comptabilité en autopilote externalisée, le support informatique agentique, le traitement automatisé des sinistres. Cet argent n’apparaît pas sur une ligne d’effectifs. Il arrive sous forme de factures de fournisseurs, de notes d’API et de contrats de conseil sans aucun lien avec un projet, un produit ou un résultat financier.

Tu n’as pas acheté 600 photocopieuses. Tu en as acheté 3 600. Et 3 000 d’entre elles sont dans un champ quelque part, bloquées, en train d’imprimer des pages blanches dans le vent, de te facturer 140 $ de l’heure pour du « débit stratégique » et d’envoyer des factures à ta comptabilité fournisseurs avec l’objet « Transformation par l’IA, NE PAS RÉPONDRE ».

79 % des dépenses d’IA totales. 0 % attribué.

Le fossé de visibilité

Il y a deux courbes dans l’IA d’entreprise qui ne devraient légalement pas avoir le droit de figurer sur le même graphique.

Une courbe part à la verticale. L’autre bouge à peine. L’espace entre les deux, environ 2 billions de dollars, c’est de l’argent qui est parti quelque part, et personne à la finance ne sait expliquer où. Ce sont les notes de frais du perroquet. Ce sont les honoraires de conseil du mixeur. C’est 2 billions de dollars de « les résultats sont super, on peut en reparler le trimestre prochain ? ».

Il manque un axe à la carte de Sequoia

La carte des opportunités de Sequoia repose sur deux dimensions : la part du travail qui relève de l’« intelligence » (basée sur des règles) plutôt que du « jugement » (l’instinct), et la part déjà externalisée. Les autopilotes gagnent là où l’intelligence est forte et le travail externalisé. Le changement de fournisseur se fait sans friction.

Un très bon cadre. Mais il lui manque une dimension.

Le troisième axe, c’est la difficulté d’attribution des coûts. Et elle est corrélée à exactement la mauvaise chose.

Axe X : facilité d’automatisation par l’IA. Axe Y : difficulté d’attribution des coûts. Plus c’est facile à automatiser, plus c’est difficile à comptabiliser.

Les secteurs que Sequoia a identifiés comme les plus grosses mines d’or des autopilotes sont exactement ceux où l’attribution des coûts est un cauchemar complet. Le courtage d’assurance ? Le coût de calcul d’IA par police est invisible. Les services informatiques managés ? La consommation de tokens par ticket est impossible à connaître sans un outillage qui n’existe pas. Et la comptabilité, dont l’ironie devrait faire physiquement mal, a la pire attribution de toutes, parce que plusieurs outils d’IA interviennent sur chaque mission et que personne ne suit quel perroquet a réellement rapproché le grand livre.

Sequoia a cartographié où l’argent va couler. Ce graphique cartographie où il va disparaître.

Les autopilotes aggravent le problème

C’est le point sur lequel je reviens sans cesse.

Avec un copilote, disons Harvey qui vend à un cabinet d’avocats, tu as une piste d’audit. Une licence par utilisateur. Un professionnel qui a utilisé l’outil. Un numéro de dossier. Trois lignes de coûts, un résultat. Pénible à rapprocher, mais tout à fait faisable.

Avec un autopilote, une IA qui vend l’accord de confidentialité terminé directement à l’entreprise, tu achètes le résultat à l’aveugle. Une facture. Aucun détail. Tu paies des tarifs McKinsey pour un mixeur qui a avalé un dictionnaire des synonymes, et tu ignores quelle part était du calcul, quelle part était de la relecture humaine et quelle part était le mixeur lui-même.

Par défaut, ce coût atterrit dans les charges d’exploitation.

Si ton équipe financière ne peut pas prouver qu’il relève de la R&D ou du développement de logiciels immobilisable selon IAS 38 ou ASC 350-40, c’est un coup direct sur le compte de résultat. Ta marge baisse. Tu rates des crédits d’impôt recherche qui valent 6 à 10 % des dépenses éligibles. L’argent passe à travers le trou entre « on a acheté un résultat » et « on ne peut pas prouver ce que ce résultat a coûté à produire ».

Même dépense. 250 k$ d’écart sur la marge.

Imagine le conseil d’administration. Ton directeur financier transpire à travers une chemise qui a coûté plus cher que le loyer de la plupart des gens, en essayant d’expliquer pourquoi l’EBITDA baisse de 8 % malgré une production record. La vraie réponse, « un lecteur de PDF doué de conscience a décidé qu’il méritait une prime au T3 et on est légalement obligés de classer ses ambiances en charges d’exploitation », ne passera pas très bien auprès des investisseurs institutionnels. Alors il dit « on investit dans une transformation native de l’IA ». Tout le monde hoche la tête, et personne ne pose de question, parce que personne ne sait laquelle poser.

On a déjà vu ça (en gros)

En 2014, les entreprises ont adopté le cloud sans gouvernance des coûts. Les factures AWS doublaient chaque année. Les directeurs financiers recevaient des factures qu’ils ne pouvaient pas imputer à une équipe, encore moins à un produit.

Mais voilà : le cloud, c’était juste louer l’ordinateur de quelqu’un d’autre. Quand une instance EC2 oubliée tournait pendant six mois, elle restait là, c’est tout. Elle coûtait de l’argent, mais elle était inerte. En 2014, le pire scénario, c’était de laisser un serveur allumé tout le week-end et de gaspiller 5 000 $.

L’IA n’est pas inerte. En 2026, le pire scénario, c’est d’avoir oublié de virer un consultant McKinsey virtuel qui hallucine depuis six mois 40 000 tickets Jira inutiles et te facture au token. Il ne reste pas à l’arrêt. Il prend des décisions. Tu emploies un fantôme qui travaille 24/7, génère du n’importe quoi avec aplomb à grande échelle et qu’on ne peut pas licencier, parce que personne ne se souvient de qui l’a embauché.

En 2018, le FinOps était une discipline. En 2020, plus personne ne livrait une charge de travail dans le cloud sans étiquette d’allocation des coûts. L’industrie a construit toute une couche de gouvernance parce que les dépenses de cloud non suivies tuaient les marges.

L’IA a besoin de la même chose. Sauf que la courbe est plus raide.

Le cloud a atteint son moment de gouvernance à environ 3,4 fois sa dépense initiale. L’IA a déjà dépassé 5 fois et il n’existe rien d’équivalent.

Et c’est fondamentalement plus dur que le cloud, pour une raison : les coûts de l’IA ne sont pas des coûts d’infrastructure. Ce sont des coûts de main-d’œuvre qui portent un autre chapeau.

L’autopilote qui clôture les comptes était une personne. Une personne dans ton plan d’effectifs, dans ton modèle d’immobilisation de la R&D, dans ta déclaration de crédit d’impôt. Une personne que ton équipe de planification des effectifs pouvait prévoir. Une personne qui, surtout, venait à un 1:1, expliquait ce sur quoi elle avait travaillé et acceptait les retours.

Aujourd’hui, cette personne est ton sous-traitant le mieux payé : un nuage de maths qui ne dort jamais, refuse de remplir une feuille de temps, manipule parfois les juniors et ne peut pas être mis sous plan d’amélioration. Le travail se fait toujours. La structure de coûts est passée de « salaire + avantages » à « tokens + appels d’API ». Mais personne n’a mis à jour le modèle d’effectifs, parce que, honnêtement, qu’est-ce qu’on met dans le champ « poste » ? Travailleur du savoir incorporel (sujet aux hallucinations) ?

Comment planifier des effectifs quand la moitié de ton « effectif » est un appel d’API ? Comment prévoir la capacité quand ce qui fait le travail facture à la milliseconde, monte en charge de façon imprévisible et invente parfois des choses ?

Ce n’est pas un problème de finance, et ce n’est pas un problème d’ingénierie. C’est un problème de Workforce Engineering. Et c’est celui que presque personne ne résout.

La chute

Sequoia a raison. Le marché des services écrase celui des logiciels. Les autopilotes vont capter des budgets de travail qui valent six fois les budgets d’outils pour lesquels tout le monde se bat.

Mais quelqu’un doit comprendre les comptes. Pas les comptes générés par l’IA, les vrais comptes. Ceux où tu expliques à ton conseil d’administration ce que tu as dépensé 864 k$ à faire, à quel projet ça se rattache, si ça relève du CapEx et quelle part tu peux récupérer en crédits R&D.

Parce que pour l’instant, on vire collectivement des millions à un nuage de maths très opiniâtre. On ne voit pas ses feuilles de temps. On ne peut pas auditer sa méthode. Et si on lui demande d’expliquer ses tarifs, il génère un poème très assuré sur les synergies.

Les photocopieuses impriment toujours. Il y en a 3 600 maintenant. Et le perroquet vient d’envoyer une autre facture.

Will Hackett est CTO et cofondateur de Flowstate, une plateforme de Workforce Engineering pour les équipes d’ingénierie modernes.

Gartner, “Worldwide AI Spending Will Total $2.5 Trillion in 2026,” January 2026. ↩
RGP, “The AI Foundational Divide: From Ambition to Readiness,” December 2025. Survey of 200 US CFOs across technology, healthcare, financial services and retail/CPG ($500M–$10B+ revenue). ↩
MIT 2025 AI Report, as cited in Stanford HAI research. ↩