Seules 31% des entreprises voient réellement leur dépense logicielle IA

Avant de pouvoir construire un dashboard de coûts, une entreprise doit savoir ce qu'elle paie. Une enquête menée en juin 2026 auprès de 512 professionnels de la gestion des actifs IT montre que seules 31% d'entre eux ont une visibilité précise sur leur dépense logicielle IA — et 59% disent que le gaspillage de dépense IA a quand même augmenté l'an dernier.

L'angle mort se situe en amont du dashboard

Le rapport Flexera 2026 State of ITAM, publié le 24 juin 2026 à partir d'une enquête auprès de 512 professionnels de la technologie dans le monde, montre que seules 31% des organisations déclarent une visibilité précise sur leur dépense logicielle IA. Près de la moitié « suivent » déjà l'IA dans leur inventaire de dépense logicielle — mais suivre n'est pas la même chose qu'être précis. Le rapport constate aussi que la visibilité globale des actifs IT est tombée à 36%, une érosion plus large, pas spécifique à l'IA.

Cette distinction compte plus qu'il n'y paraît. Un dashboard construit sur un inventaire qui classe mal ce qui relève d'un abonnement IA et ce qui relève d'une ligne SaaS générale affichera des chiffres qui paraissent précis et qui sont silencieusement faux — l'erreur a eu lieu avant même qu'un outil de suivi ne tourne.

Le gaspillage augmente quand même

59% des répondants disent que le gaspillage de dépense IA a augmenté d'une année sur l'autre, malgré une prise de conscience organisationnelle croissante du problème. Les deux chiffres s'emboîtent : les angles morts de visibilité se cumulent plutôt qu'ils ne se compensent. Si l'inventoire d'actifs sous-jacent ne catégorise pas correctement une ligne comme dépense IA, aucun suivi de coût en aval ne peut rattraper le gaspillage, puisqu'il a été mal classé avant même que le suivi n'ait une chance de le voir.

Le refacturation interne s'effondre quand l'inventaire est faux

Les organisations essaient de plus en plus de réallouer le coût IA à l'unité métier qui l'a généré — chargeback ou showback, plutôt que d'absorber la totalité dans un budget IT central. En théorie, la tarification par API rend cela simple : la consommation est facturée par token, et l'attribution par équipe n'est qu'une question de bon étiquetage des requêtes. En pratique, ce modèle ne fonctionne que si la dépense sous-jacente est correctement identifiée comme de l'IA dès le départ. Une ligne noyée dans une catégorie cloud ou SaaS générale ne peut pas être refacturée correctement, donc la boucle de responsabilisation censée limiter le gaspillage ne se referme jamais.

Deux problèmes de visibilité distincts, un même angle mort

Il vaut la peine de séparer deux couches qu'on confond souvent sous l'étiquette « visibilité des coûts IA ». La première est le suivi au niveau de l'usage — quel modèle, quelle requête, quelle fonctionnalité dépense, suivi quasiment en temps réel. La seconde est la visibilité au niveau des actifs — si l'organisation dispose seulement d'un inventaire précis des logiciels et abonnements API IA qu'elle paie. Les données Flexera pointent clairement vers des organisations qui manquent encore de cette seconde couche, plus basique : on ne peut pas suivre l'usage avec précision sur un inventaire qui ne sait pas ce qu'il compte.

Ce que requiert une visibilité précise des actifs IA

• Un inventaire unique qui étiquette correctement les lignes API et logicielles IA au lieu de les noyer dans des catégories cloud ou SaaS générales.
• Une réconciliation entre ce que la finance facture et ce qui est réellement provisionné et actif — l'écart entre les deux est là où se cache le gaspillage.
• Une attribution assez granulaire pour supporter le chargeback, pas seulement un total qui donne le chiffre à la finance sans dire à personne quelle équipe en est responsable.

Ce qu'il faut retenir

Un dashboard de coûts n'est précis qu'à hauteur de l'inventaire qui le sous-tend. Les données Flexera suggèrent que la plupart des organisations ont construit le dashboard en premier et manquent encore de l'inventaire — ce qui veut dire que les 69% sans visibilité précise sur leur dépense IA ne manquent pas forcément d'outils de suivi. Il leur manque une liste de départ correcte de ce que ces outils sont censés surveiller.