SemiAnalysis sur les budgets IA d'entreprise : Meta a brûlé 70 000 milliards de tokens en un mois, mais le vrai risque n'est pas que "les entreprises arrêtent d'utiliser l'IA".
SemiAnalysis sur les budgets IA d'entreprise : Meta a brûlé 70 000 milliards de tokens en un mois, mais le vrai risque n'est pas que "les entreprises arrêtent d'utiliser l'IA".
L'adoption de l'IA en entreprise passe discrètement de "utiliser autant que possible" à "utiliser avec un plafond, une politique et une raison". Dans une récente analyse approfondie sur la gestion des budgets de tokens, SemiAnalysis décrit comment le "tokenmaxxing" du début 2026 (un état d'esprit incitatif qui récompense les employés pour la consommation accrue de tokens LLM) est remplacé par des limites structurées par employé et une gouvernance gérée par la finance. (newsletter.semianalysis.com)
Pour les équipes de crypto et de blockchain, ce changement est plus important qu'il n'y paraît. Non pas parce que les LLM deviennent moins utiles, mais parce que le Web3 est l'une des rares industries où une erreur d'IA peut directement entraîner une perte irréversible sur la chaîne. La nouvelle question n'est pas "Pouvons-nous nous permettre les tokens ?" C'est plutôt "Pouvons-nous prouver le retour sur investissement par token sans élargir notre surface d'attaque ?"
"Tokens" en IA vs. tokens en crypto : pourquoi la budgétisation devient vite confuse
Dans les LLM, un "token" est une unité de traitement de texte qui constitue votre facture. En crypto, les "tokens" sont des actifs – souvent liquides, transférables et ciblés. Les opérateurs Web3 se situent à l'intersection de ces deux significations :
- Vous payez pour les tokens LLM (coûts d'utilisation).
- Vous protégez les tokens crypto (conservation et résultats de sécurité).
- Vous vous défendez contre des adversaires habilités par l'IA (nouveau modèle de menace).
C'est pourquoi la budgétisation de l'IA dans la crypto n'est pas seulement une question d'approvisionnement. Elle devient partie intégrante de la gestion des risques opérationnels, similaire à la manière dont les protocoles traitent les primes de bogues, les audits et la réponse aux incidents.
Ce que SemiAnalysis a réellement trouvé : les plafonds sont réels, mais la demande ne s'effondre pas
SemiAnalysis affirme que les entreprises introduisent de plus en plus de plafonds stricts pour l'utilisation de l'IA, mais qu'il n'y a pas de "chiffre correct" universel. Leurs conversations avec les entreprises (plus de 50 organisations) suggèrent que les budgets peuvent commencer autour de quelques centaines de dollars par mois et augmenter considérablement selon le rôle. (newsletter.semianalysis.com)
Plus important encore, ils soutiennent que le discours populaire – "les entreprises réduisent leurs dépenses en IA, donc les revenus des API sont menacés" – est exagéré. Selon eux, le groupe de clients ayant les dépenses les plus élevées (souvent le décile supérieur) est peu susceptible de réduire significativement ses dépenses à court terme. (newsletter.semianalysis.com)
Cela est cohérent avec les données de dépenses plus larges. L'analyse de Ramp montre que les dépenses en IA sont extrêmement inégales : l'entreprise médiane dépense très peu par employé, tandis que les adoptants les plus agressifs dépensent des ordres de grandeur plus. (ramp.com)
Si vous dirigez une plateforme d'échange de crypto, une équipe d'infrastructure de stablecoin, un protocole DeFi ou une société de sécurité, cette inégalité devrait vous sembler familière : les équipes les plus avancées ne "cessent pas de dépenser", elles deviennent plus efficaces pour optimiser leurs dépenses.
Le moment "Claudeconomics" de Meta : une leçon de budgétisation que les équipes crypto ne devraient pas ignorer
Les exemples extrêmes sont utiles – non pas parce qu'ils sont typiques, mais parce qu'ils révèlent ce qui casse en premier.
SemiAnalysis raconte comment Meta a suivi et gamifié en interne l'utilisation des tokens d'IA avec un classement ("Claudeconomics"), avec une utilisation à l'échelle de l'entreprise dépassant les 60 000 milliards de tokens en 30 jours et un utilisateur principal consommant environ 280 milliards de tokens – et comment cela a été arrêté peu après être devenu public. (newsletter.semianalysis.com)
Que vous soyez un groupe de contributeurs DAO ou une plateforme d'échange réglementée, la leçon est la même :
Lorsque la consommation devient l'indicateur clé de performance (KPI), vous obtiendrez de la consommation – pas nécessairement de la valeur.
En crypto, cela est analogue à confondre :
- le "nombre de transactions" avec "l'activité économique utile", ou
- la "TVL" (valeur totale bloquée) avec "l'adéquation produit-marché durable".
La budgétisation de l'IA pousse les entreprises vers une métrique plus saine : les résultats par dollar, pas le volume d'utilisation.
Le vrai risque pour les fournisseurs d'IA – et pour les équipes crypto – est la responsabilité du retour sur investissement
SemiAnalysis estime que les cas d'utilisation liés au codage représentent une part importante des revenus actuels des laboratoires d'IA, et que la croissance future pourrait reproduire la courbe d'adoption des outils de développement sur d'autres flux de travail d'entreprise. (newsletter.semianalysis.com)
La crypto est déjà une industrie "axée sur le code" :
- développement de contrats intelligents
- ingénierie des indexeurs et de l'infrastructure
- recherche en sécurité
- réponse aux incidents
- ingénierie de la conformité (règle de voyage, filtrage des sanctions, surveillance)
Ainsi, la budgétisation ne réduira pas l'importance de l'IA – elle changera la manière dont les équipes l'utilisent.
Le nouveau comportement par défaut ressemble à ceci :
- modèle moins cher pour les brouillons, les résumés et les analyses de première passe
- modèle premium uniquement pour les tâches à enjeux élevés (revues de sécurité, code de production, décisions face au client)
- approbations et journalisation pour les dépenses exceptionnelles
C'est exactement la manière dont les équipes crypto matures traitent déjà :
- les déploiements sur le mainnet par rapport au testnet,
- les opérations de portefeuille chaud par rapport au stockage à froid,
- l'accès aux clés de production par rapport aux permissions de lecture seule.
Le problème budgétaire unique de la crypto : les adversaires peuvent transformer votre IA en gouffre financier (ou pire)
Les plafonds de tokens ne servent pas seulement à économiser de l'argent. En termes de sécurité, ils constituent un contrôle contre deux risques qui se chevauchent :
- Coût d'automatisation incontrôlable
- Les agents qui bouclent, appellent des outils, résument à nouveau ou "pensent" sans fin peuvent créer l'équivalent IA d'un choc de facture cloud.
- Abus par des adversaires
- L'injection de prompts, l'exfiltration de données et la gestion non sécurisée des sorties sont désormais des préoccupations courantes, capturées dans des cadres tels que le OWASP Top 10 pour les applications de LLM. (owasp.org)
Pour les organisations blockchain, cela est amplifié car les assistants IA internes touchent de plus en plus :
- les scripts de déploiement
- les identifiants RPC
- le reporting de trésorerie
- les flux de travail du support client (où commence l'ingénierie sociale)
- les revues de listage et la notation des risques
- le triage de sécurité et la communication d'incidents
Une politique budgétaire sans politique de sécurité est incomplète. L'état d'esprit général de gouvernance est déjà couvert par des organismes de normalisation – par exemple, le Cadre de gestion des risques d'IA (AI Risk Management Framework) du NIST – mais les équipes crypto doivent transposer ces principes aux réalités on-chain (irréversibilité, conservation des clés et composabilité). (nist.gov)
Un "playbook" pratique de "gestion des budgets de tokens" pour les équipes Web3
Voici une structure qui aligne le contrôle des coûts sur les risques de la blockchain :
1) Définir des catégories de travail IA à plusieurs niveaux
- Niveau A (risque faible / coût faible) : notes de réunion, brouillons, FAQ internes
- Niveau B (modéré) : requêtes d'analyse, spécifications produit, explications de code
- Niveau C (enjeux élevés) : modifications du flux de signature, code de contrat intelligent, réponse aux incidents, décisions de conformité
Associez ensuite chaque niveau à :
- la classe de modèle par défaut (bon marché vs. premium)
- le plafond de dépenses
- les exigences de journalisation
- les règles d'examen humain
2) Budgétiser par rôle, pas par "équité"
SemiAnalysis a observé que les budgets plus élevés sont généralement attribués aux fonctions d'ingénierie et de science des données. La crypto devrait faire de même, mais avec une distinction : les rôles de sécurité et de conservation méritent des budgets premium car le retour sur investissement se mesure en pertes évitées. (newsletter.semianalysis.com)
3) Traiter les modèles premium comme des privilèges de production
Si un ingénieur doit explicitement opter pour un modèle premium, vous créez un "ralentisseur" qui :
- réduit les dépenses accidentelles
- crée une piste d'audit expliquant pourquoi des ressources premium ont été utilisées
- oblige les équipes à réserver l'utilisation haut de gamme pour les tâches importantes
4) Suivre le ROI en métriques natives à la crypto
Au lieu d'affirmations vagues sur la productivité, mesurez :
- les problèmes de contrats intelligents trouvés avant l'audit
- le temps de résolution des vulnérabilités
- le temps de réponse aux incidents
- le taux de faux positifs dans la surveillance des transactions
- le temps de résolution du support (sans augmenter la fraude)
5) Ajouter des disjoncteurs de dépenses pour les agents
Si vous déployez des flux de travail d'agents (surveillance, triage des tickets, analyse des risques), appliquez :
- des plafonds de tokens stricts par tâche
- des limites d'appels d'outils
- des limites de débit par identité
- des "boutons d'arrêt" liés aux dépenses anormales
6) Supposer que l'IA augmente la pression de l'ingénierie sociale
Chainalysis a documenté comment les escroqueries ont progressé avec les tactiques d'usurpation d'identité et l'activation par l'IA, estimant des pertes massives dues aux escroqueries et soulignant l'infrastructure de fraude industrialisée. (chainalysis.com)
Cela signifie que votre organisation devrait traiter :
- les scripts de support,
- les approbations internes,
- et les communications "urgentes"
comme faisant partie de votre surface de gouvernance IA – et pas seulement comme un problème de votre équipe de sécurité.
7) Séparer l'accès à l'IA de l'accès aux clés (non négociable)
Peu importe la qualité de votre pile IA, les clés privées doivent rester isolées des :
- sessions de navigateur
- flux de copier-coller
- journaux de chat
- partages d'écran
- plugins "d'aide IA"
C'est ici que la discipline opérationnelle l'emporte encore sur les outils.
Où s'insère OneKey : l'auto-conservation comme dernière ligne de défense dans un monde de budgets IA
Lorsque les entreprises commenceront à mesurer le retour sur investissement par token, les équipes crypto seront tentées d'automatiser davantage : opérations de trésorerie, paiements aux fournisseurs, gestion de liquidité, et même actions en cas d'incident. Mais plus vous ajoutez d'automatisation, plus il devient précieux de conserver l'autorité de signature hors ligne.
Un portefeuille matériel comme OneKey est conçu selon un principe simple : garder les clés privées hors des environnements connectés à Internet, tout en permettant la signature et la vérification des transactions quotidiennes. Dans un monde où le phishing assisté par l'IA, l'usurpation d'identité et la manipulation des flux de travail s'accélèrent, cette séparation n'est pas seulement une "bonne pratique" – c'est une protection budgétaire, car une seule transaction compromise peut anéantir le retour sur investissement d'une année entière de productivité IA.
Conclusion : les plafonds de tokens ne sont pas un hiver de l'IA – c'est l'IA qui devient digne de la finance
La "gestion des budgets de tokens" n'est pas un signal que les entreprises ont fini avec l'IA. C'est un signal que l'IA passe de l'expérimentation à la même catégorie que les dépenses cloud, les contrôles de sécurité et l'audit interne.
Pour les organisations blockchain, c'est une bonne nouvelle – car les gagnants ne seront pas les équipes qui brûlent le plus de tokens LLM. Ce seront les équipes capables de prouver des résultats mesurables, de mettre en œuvre des garde-fous de sécurité pour les LLM, et de maintenir une hygiène rigoureuse en matière d'auto-conservation et de signature, même lorsque l'IA s'intégrera dans chaque flux de travail.
