Ramp signale une chute de 10 % des dépenses IA par employé

Contexte des données

Ramp a compilé les dépenses d’IA de 70 000 entreprises et a publié son indice mensuel. En août, 56 % des clients de Ramp ont acheté un produit d’IA, soit une hausse de 0,4 % par rapport à juillet. Cette progression marginale contraste avec les pics observés en début d’année, où la part d’entreprises payantes dépassait les 70 %.

Le même mois, le recensement du US Census Bureau indiquait que seulement 22 % des entreprises déclaraient utiliser l’IA, soulignant un biais potentiel du panel Ramp, qui regroupe une clientèle technophile.

Analyse des baisses de dépenses

Le paramètre le plus marquant est la diminution quasi‑linéaire de la dépense moyenne par employé dans le 1 % supérieur des firmes étudiées : la valeur est passée de 8 000 $ à 7 205 $, soit une chute de près de 10 %. Cette variation coïncide avec la réduction du coût moyen des tokens, qui est passé de 1,15 $ à 0,68 $ par million de tokens depuis le pic de mars 2026. La baisse du prix unitaire des tokens reflète les ajustements tarifaires d’OpenAI et d’Anthropic, mais les volumes d’utilisation n’ont pas compensé la perte de revenu unitaire.

Par ailleurs, seulement 6,4 % des entreprises dépensant pour l’IA ont recours à des plateformes de service de modèles ou d’inférence. Cette proportion, bien que croissante, reste insuffisante pour soutenir une dynamique d’adoption à grande échelle, surtout lorsque les acteurs majeurs misent sur des modèles plus anciens – ChatGPT 5.6‑Terra et Sonnet – afin de limiter les coûts.

Implications pour les fournisseurs d’IA

La concurrence entre OpenAI et Anthropic a entraîné une compression des prix, ce qui rend l’IA plus accessible aux PME mais réduit les marges des fournisseurs. Les laboratoires de pointe, qui comptent sur des volumes élevés dès le lancement d’un nouveau modèle pour amortir les dépenses d’infrastructure, voient leur modèle économique fragilisé si l’adoption ralentit.

Pour les hyperscalers disposant de plusieurs centaines de milliards de dollars d’investissements en puces, la tendance à la baisse du token cost et la moindre utilisation de services d’inférence peuvent entraîner un déséquilibre entre capacité installée et revenu effectif. En revanche, les entreprises qui intègrent l’IA dans leurs processus internes continuent de bénéficier de coûts réduits, ce qui peut stimuler l’adoption à moyen terme, à condition que les fournisseurs maintiennent un niveau de performance compatible avec les exigences métier.