Le token le moins cher ne fait pas toujours la tâche la moins chère

OpenAI conseille de mesurer le travail utile par dollar plutôt que le prix au token. Une méthode pour évaluer la rentabilité réelle des agents.

OpenAI publie un guide à destination des responsables enterprise sur le pilotage des dépenses en IA, à l'heure où les usages glissent de la simple conversation vers des agents qui enchaînent des centaines d'étapes. Son argument central déplace le regard : le prix au token est un mauvais étalon de décision.

Le raisonnement est direct. Un modèle bon marché peut échouer, réessayer ou produire un travail à reprendre ; un modèle plus capable coûte davantage au token mais atteint parfois un résultat acceptable plus vite, en moins de tentatives et avec moins de relecture. La bonne mesure, selon l'éditeur, n'est donc pas le coût unitaire mais le travail utile par dollar : tâches abouties, temps gagné, décisions améliorées.

De là, une manière de cadrer l'investissement. Traiter l'IA comme un portefeuille, avec un accès large pour la productivité courante, des workflows spécialisés pour le travail répétitif, et un petit nombre de paris stratégiques adossés au contexte propre de l'entreprise. Le financement suit la maturité : l'exploration teste si le modèle tient la tâche, la validation l'éprouve sur des cas représentatifs face à un seuil de qualité défini, la production couvre les intégrations, les contrôles et la conduite du changement. Les briques communes, identité, connecteurs de confiance, évaluations, observabilité, routage entre modèles, méritent d'être financées de façon centralisée, pour que chaque nouveau workflow devienne plus simple et plus sûr à lancer.