La panne de Claude pendant 15 heures révèle le coût de la dépendance des entreprises à un seul fournisseur d’IA

Nous nous habituons vite à une intelligence artificielle bon marché. Mais nous ne la payons pas seulement en jetons : nous la payons aussi par notre capacité à continuer de travailler lorsque quelque chose tombe en panne.

Ce qui est arrivé à Belo

En avril 2026, la fintech Belo a perdu l’accès à Claude pour plus de soixante employés. La notification évoquait une violation des conditions d’utilisation, sans autre précision. Environ quinze heures plus tard, l’accès a été rétabli et le blocage a été présenté comme un probable faux positif. Ce récit repose sur les déclarations publiques de l’entreprise et sur la presse, et non sur une enquête indépendante.

L’entreprise disposait d’un accès de secours à Gemini, mais le basculement rapide a échoué : l’historique accumulé, les outils habituels et les intégrations étaient liés à un seul fournisseur. Quinze heures représentent peu de chose dans l’histoire des technologies, mais pour une entreprise dont les processus sont à l’arrêt, il s’agit d’une indisponibilité bien réelle.

Imaginez maintenant que le support de premier niveau ait déjà été remplacé par des agents, qu’une partie de la comptabilité soit automatisée et que le code soit écrit par des agents de programmation. Une interruption devient alors bien plus douloureuse.

Le jeton devient moins cher, mais la tâche peut coûter plus cher

Les prix baissent réellement. Selon le Stanford AI Index 2025, le prix d’un million de jetons pour un niveau GPT-3.5 au benchmark MMLU est passé de $20 en novembre 2022 à $0,07 en octobre 2024. Les tarifs de Claude Opus sont passés de $15/$75 lors du lancement de Claude 3 Opus à $4/$20 pour Opus 5.5. Il s’agit toutefois de modèles et de générations différents, qui ne peuvent pas être comparés directement.

Un agent ne fonctionne pas comme un chatbot. Il lit des fichiers, conserve le contexte, appelle des outils, vérifie son travail et revient parfois plusieurs fois sur la même erreur. Si le prix du jeton est divisé par quatre, mais qu’une tâche consomme huit fois plus de jetons, son coût final double. Ce calcul est donné à titre d’illustration, pas comme prévision. En juin 2026, Gartner a averti que, d’ici 2028, les dépenses consacrées au codage par IA pourraient dépasser le salaire moyen d’un développeur, mais il s’agit bien d’une prévision.

Les abonnements présentent la même incertitude. En 2025, Anthropic a instauré des quotas hebdomadaires et, en mai 2026, a doublé les limites sur cinq heures pour certains forfaits. Les conditions évoluent dans les deux sens ; bâtir une économie pluriannuelle sur les limites actuelles est donc risqué.

Modèles chinois et ouverts : une alternative, pas une panacée

DeepSeek V4 Pro coûte $0,66 par million de jetons en entrée et $1,98 par million de jetons en sortie en heures creuses ; aux heures de pointe, les prix doublent. Cela ne signifie pas qu’il réalisera le même travail à moindre coût : la consommation de jetons, le volume de reprises et la qualité diffèrent. De plus, DeepSeek avait déjà supprimé en 2025 ses remises pour les heures creuses, preuve que ces prix ne sont pas garantis pour toujours.

Le 29 octobre 2026, Mistral a publié les poids de Mistral Large 4 : environ mille milliards de paramètres, dont près de 52 milliards actifs par requête. Le modèle peut être hébergé en interne, mais cela exige des accélérateurs, de la mémoire, de l’électricité, du refroidissement et des spécialistes. La licence impose aussi des conditions aux acteurs qui proposent le modèle sous forme de service. L’indépendance ne vient pas du mot « ouvert », mais d’une capacité éprouvée à poursuivre l’activité à un coût acceptable.

Les humains comme composante de l’infrastructure

Selon Challenger, Gray & Christmas, entre janvier et septembre 2026, les employeurs américains ont cité l’IA comme motif d’environ 120 000 suppressions de postes, soit près de 21 % du total. Il s’agit des motifs déclarés, et non de la preuve que chaque poste a effectivement été remplacé. Dans ses résultats financiers, Klarna a indiqué que son assistant IA traitait 80 % des conversations et générait environ $59 millions d’économies annuelles. Toutes ces estimations ont été fournies par l’entreprise elle-même.

Le risque est que, dans quelques années, les spécialistes licenciés aient rejoint d’autres employeurs ou changé de métier. S’ils reviennent, ils poseront une question embarrassante : qu’est-ce qui empêchera l’entreprise de les licencier de nouveau lors de la prochaine baisse du coût des modèles ? Il s’agit d’un scénario de risque, pas d’une issue universelle.

Que faire concrètement

• Mesurez trois indicateurs distincts : le prix du jeton, le coût d’une action réussie de l’agent et le coût total du processus.
• Maintenez une solution de secours éprouvée : une seconde API, un modèle ouvert ou une combinaison des deux. Exécutez-y périodiquement de vraies tâches.
• Ne liez pas vos intégrations et vos prompts à un seul fournisseur ; conservez l’historique et le contexte dans un format portable.
• Ne supprimez pas toute l’expertise du processus : gardez des personnes qui savent comment effectuer le travail sans agent.

L’idée essentielle est simple : l’automatisation est rentable tant que vous pouvez la désactiver. Sinon, ce n’est plus une économie, mais une dépendance.