Gartner prévoit que le coût des agents IA dépassera le salaire des développeurs

Les agents de codage basés sur l’IA font évoluer les coûts variables grâce à une tarification par jetons

Les agents de codage basés sur l’IA font désormais partie intégrante du développement logiciel. Ils aident les développeurs à écrire du code plus rapidement, à valider les modifications, à générer des tests et à résoudre des problèmes techniques complexes. Cela crée une réelle valeur ajoutée. Le défi réside dans le fait que le modèle économique sous-jacent à ces outils évolue bien plus rapidement que ne l’avaient prévu de nombreuses entreprises.

De nombreuses plateformes de codage IA de premier plan, notamment Claude Code, Cursor et OpenAI Codex, abandonnent progressivement les abonnements prévisibles basés sur le nombre de postes au profit d’une tarification à l’utilisation. Au lieu de payer un forfait mensuel fixe pour chaque développeur, les entreprises paient de plus en plus en fonction du nombre de jetons consommés. Les jetons sont les unités utilisées par les modèles d’IA pour traiter les requêtes et générer des réponses. Plus les développeurs s’appuient sur l’IA et plus leur travail devient complexe, plus ils consomment de jetons.

Cela modifie la dynamique économique du développement logiciel. Une dépense logicielle fixe devient un coût d’exploitation susceptible d’augmenter ou de diminuer chaque mois. Lors de périodes de développement intensif, de modernisation des systèmes existants ou de génération de code à grande échelle, les dépenses peuvent augmenter rapidement. Il s’agit là d’un modèle financier très différent de celui des licences logicielles traditionnelles.

Pour les dirigeants, ce n’est pas une raison pour ralentir l’adoption de l’IA. C’est une raison pour améliorer la visibilité financière. L’IA doit être considérée comme une ressource stratégique générant des résultats commerciaux mesurables. Les organisations qui surveillent la consommation de jetons parallèlement à la productivité de leurs équipes d’ingénieurs se trouveront dans une position bien plus solide que celles qui se contentent d’approuver les abonnements à l’IA en espérant que les coûts restent stables.

Selon Gartner Peer Insights, 23 % des responsables informatiques consacrent actuellement entre 200 et 500 dollars par développeur et par mois à l’achat de jetons destinés aux agents de codage basés sur l’IA. Si ce niveau d’investissement peut se justifier par des gains de productivité, il montre également que les dépenses liées à l’IA deviennent une composante significative des budgets d’ingénierie logicielle, plutôt qu’une simple dépense mineure en matière de logiciels.

Les organisations qui en tireront le plus grand bénéfice seront celles qui sauront identifier les domaines dans lesquels l’IA génère la plus grande valeur ajoutée. Les différentes activités d’ingénierie produisent des rendements variables. L’assistance à la programmation courante peut nécessiter des modèles d’IA moins coûteux, tandis que les projets complexes d’architecture, d’analyse de sécurité ou de modernisation peuvent justifier le recours à des modèles haut de gamme, impliquant une consommation plus importante de jetons. La gestion de cet équilibre devient une responsabilité essentielle des dirigeants.

Le manque de transparence concernant la consommation de jetons complique la prévision et la gestion des coûts

Le plus grand défi ne réside pas nécessairement dans le prix de l’IA. Il s’agit plutôt de comprendre ce qui détermine ce prix.

Gartner souligne que de nombreux prestataires de services de codage basés sur l’IA n’offrent pas une transparence suffisante quant à la manière dont l’utilisation des jetons est calculée ou facturée. En l’absence de rapports détaillés, les entreprises peuvent consulter la facture, mais ont du mal à comprendre pourquoi les coûts ont augmenté ou quelles activités de développement ont généré les dépenses les plus importantes.

Cela pose un problème de gestion. Les équipes financières ont besoin de budgets prévisibles. Les responsables techniques ont besoin de flexibilité pour innover. En l’absence de données d’utilisation claires, ces deux groupes perdent en visibilité. Les prévisions budgétaires perdent en fiabilité, et il devient difficile de déterminer si l’augmentation des dépenses consacrées à l’IA génère une valeur commerciale proportionnelle.

Cela a également des répercussions sur la gouvernance. Les dirigeants s’attendent de plus en plus à ce que les investissements technologiques génèrent des retours sur investissement mesurables. Si une organisation n’est pas en mesure d’établir un lien entre la consommation de jetons et l’amélioration de la productivité, la qualité des logiciels, l’accélération des délais de livraison ou la réduction de la dette technique, il devient difficile de justifier la poursuite des investissements à mesure que l’adoption de l’IA prend de l’ampleur.

La solution consiste à instaurer une meilleure discipline opérationnelle dans ce domaine. Les organisations devraient mettre en place un système de reporting permettant de suivre la consommation de jetons par développeur, par équipe, par projet et en fonction des résultats commerciaux. Les responsables techniques devraient examiner régulièrement quels modèles d’IA sont utilisés, à quelle fréquence ils sont consultés et si des modèles premium sont nécessaires pour chaque tâche.

Ce niveau de visibilité permet également d’améliorer les décisions en matière d’achats. À mesure que la concurrence entre les fournisseurs d’IA s’intensifie, les organisations disposant de données d’utilisation détaillées seront mieux à même de négocier des contrats, de comparer les plateformes et de choisir des modèles tarifaires adaptés à leurs charges de travail d’ingénierie.

Pour les dirigeants de haut niveau, la gestion des coûts liés à l’IA devrait s’inscrire dans le cadre plus large de la gouvernance technologique plutôt que de constituer un enjeu technique isolé. Les entreprises qui associent le contrôle financier aux indicateurs techniques seront mieux à même de développer l’adoption de l’IA sans que les coûts n’augmentent plus rapidement que la valeur commerciale générée par ces outils.

Selon les prévisions, d’ici 2028, les coûts liés au développement de l’IA pourraient dépasser le salaire moyen d’un développeur

L’IA transforme le développement logiciel à un rythme remarquable, mais les dirigeants d’entreprise doivent suivre de près l’évolution du modèle de coûts. Les gains de productivité sont importants, mais ils ne garantissent pas automatiquement une baisse des coûts d’exploitation. Dans de nombreux cas, une productivité accrue peut encourager un recours plus important à l’IA, ce qui entraîne à son tour une augmentation de la consommation et des dépenses.

Gartner prévoit que d’ici 2028, le coût de la programmation de l’IA pourrait dépasser le salaire moyen d’un développeur logiciel. Cette prévision repose sur deux grandes tendances. Premièrement, les développeurs devraient s’appuyer davantage sur les grands modèles linguistiques tout au long du cycle de vie du développement logiciel. D’autre part, les fournisseurs d’IA adoptent de plus en plus des modèles de tarification à l’utilisation, dans lesquels les coûts augmentent en fonction de l’utilisation plutôt que de rester fixes.

Cette projection ne doit pas être interprétée comme une prévision selon laquelle les développeurs perdraient de leur valeur. L’expertise humaine reste essentielle pour concevoir des systèmes, prendre des décisions architecturales, valider le code généré par l’IA, gérer la sécurité et aligner les logiciels sur les objectifs métier. L’IA élargit le champ d’action des développeurs, mais elle engendre également de nouvelles dépenses d’exploitation que les organisations doivent gérer activement.

Pour les dirigeants, cela modifie la manière dont les budgets consacrés à l’ingénierie logicielle doivent être évalués. Au lieu de comparer les coûts liés à l’IA uniquement aux budgets consacrés aux licences logicielles, les entreprises pourraient devoir les comparer aux coûts de main-d’œuvre, aux dépenses d’externalisation et à la productivité globale de l’ingénierie. L’IA s’intègre désormais dans la structure de coûts fondamentale du développement logiciel.

Les dirigeants d’entreprise doivent également prendre conscience qu’une augmentation des dépenses consacrées à l’IA n’est pas nécessairement un résultat négatif. Si l’IA permet d’accélérer la mise sur le marché des produits, de raccourcir les cycles de développement, de réduire les efforts de maintenance ou d’améliorer la qualité des logiciels, des coûts d’exploitation plus élevés peuvent tout de même se traduire par de meilleurs résultats commerciaux. La question essentielle est de savoir si l’IA génère suffisamment de valeur mesurable pour justifier une augmentation continue des dépenses.

Selon Gartner, d’ici 2028, les coûts liés au codage de l’IA devraient dépasser le salaire moyen d’un développeur, en raison de la consommation croissante de tokens par les grands modèles linguistiques et de la transition continue vers des modèles de licence basés sur la consommation.

Le coût élevé des jetons d’IA nécessite une justification commerciale claire

À mesure que les organisations s’appuient de plus en plus sur les outils de programmation basés sur l’IA, le débat doit aller au-delà de la simple réduction des coûts. L’accent doit être mis sur la création de valeur. Chaque dépense importante liée à l’IA doit être associée à un résultat commercial que les dirigeants puissent mesurer et comprendre.

Nitish Tyagi, analyste principal senior chez Gartner, met clairement en avant cette distinction. Il préconise de poursuivre l’adoption de l’IA malgré la hausse des coûts. Comme il l’a déclaré : « Je suis fermement convaincu que l’IA apporte des avantages. Il ne faut pas renoncer à l’IA sous prétexte que les coûts globaux augmentent. Mais je pense que les coûts unitaires vont certainement augmenter. »

Il prévient également que les entreprises doivent s’attendre à des hausses de prix substantielles à mesure que les fournisseurs étendent la tarification à l’usage. Les coûts mensuels liés à l’IA pourraient passer d’environ 20 dollars par développeur à 200 dollars, voire 2 000 dollars dans certains cas. Gartner indique que 6 % des entreprises dépensent déjà plus de 2 000 dollars par développeur chaque mois pour l’utilisation de jetons d’IA.

Hors contexte, ces chiffres peuvent paraître alarmants. La question la plus importante est de savoir pourquoi ces coûts existent. Des dépenses élevées en matière d’IA peuvent être tout à fait justifiées lorsque les développeurs travaillent sur des projets qui génèrent une valeur stratégique significative. Citons, à titre d’exemple, la modernisation des systèmes existants, l’amélioration de la sécurité, la réduction de la dette technique ou l’accélération de la mise sur le marché de produits qui soutiennent directement la croissance de l’entreprise.

M. Tyagi a cité l’exemple d’une entreprise indienne du secteur des technologies de l’information, au sein de laquelle un développeur avait généré environ 20 000 dollars de coûts liés aux jetons d’IA. Plutôt que de réduire immédiatement l’utilisation, l’équipe de direction a enquêté sur la situation. Elle a découvert que le développeur travaillait sur un projet de modernisation de systèmes existants, dans le cadre duquel l’investissement dans l’IA produisait une valeur suffisante pour justifier ce niveau de consommation inhabituellement élevé.

Cela illustre un principe de leadership important. Le coût à lui seul ne constitue pas un indicateur de performance efficace. Les dirigeants doivent évaluer les investissements dans l’IA en se basant sur des résultats commerciaux tels que la rapidité de mise en œuvre, l’efficacité technique, la qualité des logiciels, l’impact sur la clientèle et les améliorations opérationnelles à long terme. Les organisations qui font preuve d’une telle rigueur seront mieux à même de développer l’IA de manière responsable tout en conservant la confiance dans leurs investissements technologiques.

L’évaluation de la maturité en génie logiciel est essentielle pour optimiser l’utilisation des outils d’IA

Les agents de codage basés sur l’IA peuvent générer des gains de productivité significatifs, mais il ne suffit pas de simplement les mettre à la disposition des développeurs. Les entreprises obtiennent les meilleurs résultats lorsque l’adoption de l’IA s’inscrit dans un plan structuré, plutôt que de se développer sans orientation claire. Avant d’augmenter leurs investissements, les dirigeants doivent déterminer si leurs pratiques d’ingénierie logicielle sont prêtes à prendre en charge des capacités d’IA plus autonomes.

Gartner recommande aux responsables de l’ingénierie logicielle de commencer par évaluer la maturité de leurs processus de développement existants. Cela implique d’analyser la manière dont les logiciels sont planifiés, développés, testés, révisés, déployés et maintenus. L’IA donne les meilleurs résultats lorsque ces processus sous-jacents sont bien définis. Si les pratiques de développement sont incohérentes ou mal documentées, l’IA risque d’accroître la charge de travail sans apporter d’améliorations proportionnelles en termes de qualité ou d’efficacité.

L’étape suivante consiste à comprendre comment les développeurs utilisent déjà les agents de codage basés sur l’IA. Les différentes équipes utilisent souvent l’IA de différentes manières. Certaines s’en servent pour écrire du code, tandis que d’autres l’utilisent pour le débogage, la documentation, les tests, la révision du code ou l’analyse de bases de code volumineuses et complexes. Sans visibilité sur ces modes d’utilisation, les organisations ne peuvent pas déterminer dans quels domaines l’IA offre le meilleur retour sur investissement ni où les dépenses peuvent être optimisées.

Cette évaluation doit également permettre de distinguer les tâches qui nécessitent véritablement des modèles d’IA avancés de celles qui peuvent être menées à bien efficacement à l’aide de solutions moins coûteuses. Les modèles haut de gamme offrent souvent des capacités de raisonnement plus poussées et de meilleures performances face à des problèmes complexes d’ingénierie logicielle, mais ils ne sont pas indispensables pour toutes les activités de développement. Adapter le modèle d’IA à la complexité de la tâche permet de maîtriser la consommation de jetons sans nuire à la productivité.

Pour les dirigeants de haut niveau, il s’agit en fin de compte d’une question de gouvernance plutôt que d’une simple décision technologique. Les investissements dans l’IA doivent s’aligner sur les objectifs stratégiques plus larges de l’entreprise, s’appuyer sur des indicateurs de performance clairs et faire l’objet d’un suivi régulier à mesure que leur utilisation évolue. Les organisations doivent mettre en place des politiques d’adoption de l’IA, surveiller les coûts parallèlement aux résultats techniques, et encourager les équipes à partager les cas d’utilisation réussis pouvant être déployés à plus grande échelle au sein de l’entreprise.

Cette approche rigoureuse favorise également la compétitivité à long terme. Les entreprises qui identifient les domaines dans lesquels l’IA génère une valeur commerciale mesurable seront en mesure d’étendre son adoption avec davantage d’assurance, tout en conservant le contrôle financier. Plutôt que de considérer l’IA comme une solution universelle, elles peuvent la déployer là où elle a le plus grand impact stratégique et affiner en permanence leur approche à mesure que la technologie et les modèles de tarification évoluent.

Gartner présente ces recommandations dans son rapport intitulé « Comment optimiser la consommation de jetons pour le codage IA », qui conseille aux responsables de l’ingénierie logicielle d’évaluer l’état de préparation de leur organisation, d’identifier l’utilisation actuelle de l’IA au sein des équipes de développement et de distinguer les cas d’utilisation nécessitant un développement autonome ou des modèles d’IA haut de gamme de ceux pour lesquels des options moins coûteuses suffisent.

Principaux enseignements pour les décideurs

• Considérez le codage IA comme un coût d’exploitation variable : les prestataires de codage IA adoptent progressivement une tarification à l’unité, ce qui rend les coûts de développement logiciel moins prévisibles. Les dirigeants doivent suivre l’utilisation de l’IA parallèlement à la productivité afin de s’assurer que les dépenses évoluent en fonction de la valeur ajoutée pour l’entreprise, et non pas uniquement en fonction du taux d’adoption.
• Améliorer la visibilité sur l’utilisation de l’IA : le manque de transparence concernant l’utilisation des jetons complique l’établissement du budget et l’évaluation du retour sur investissement. Les dirigeants devraient exiger des rapports d’utilisation détaillés et la mise en place d’une gouvernance afin de prévoir les coûts avec précision et d’identifier les domaines dans lesquels l’IA génère les meilleurs retours sur investissement.
• Préparez-vous à ce que l’IA redéfinisse les budgets d’ingénierie : selon les prévisions de Gartner, les coûts liés au codage de l’IA pourraient dépasser le salaire moyen d’un développeur d’ici 2028. Les entreprises doivent évaluer leurs dépenses en matière d’IA dans le cadre de leur investissement global en ingénierie, en mettant en balance la hausse des coûts d’exploitation et les gains mesurables en termes de rapidité, de qualité et d’innovation.
• Justifiez les dépenses importantes consacrées à l’IA par des résultats mesurables : la hausse du coût des jetons ne constitue pas en soi un problème si elle permet de mener à bien des travaux à forte valeur ajoutée. Les dirigeants doivent évaluer les utilisations coûteuses de l’IA à l’aune d’indicateurs commerciaux clairs, tels que l’accélération des délais de livraison, la modernisation des systèmes existants, l’amélioration de la qualité des logiciels et la réduction des coûts à long terme.
• Aligner l’adoption de l’IA sur la maturité technique : le développement de l’IA sans processus rigoureux peut entraîner une augmentation des coûts sans pour autant améliorer les résultats. Les dirigeants doivent évaluer la maturité du développement, adapter les modèles d’IA aux cas d’utilisation appropriés et optimiser en permanence leur utilisation afin de maximiser la valeur tout en conservant le contrôle financier.