Lancée en août 2026 comme projet de la Linux Foundation, la Fondation Tokenomics veut rapprocher les dépenses d’intelligence artificielle des résultats commerciaux. Elle propose des méthodes communes pour examiner les usages et les coûts, sans commercialiser elle-même d’outil de mesure.
Une demande peut masquer plusieurs appels
Une question adressée à une application peut provoquer cinq ou dix appels de modèles, sans que l’utilisateur voie cette activité en arrière-plan. La notation Big-T vise à rendre cette multiplication identifiable par les équipes avant réception de la facture. Elle décrit comment la consommation de tokens évolue avec le nombre d’utilisateurs, sur le principe de Big-O, qui caractérise l’évolution du temps d’exécution du code avec le volume de données.
Le classement commence par T(1) : une réponse conservée en cache est restituée sans solliciter de modèle. Vient ensuite T(n), avec un appel par demande, puis T(n·k), lorsque chaque demande en provoque plusieurs. Au niveau T(n·k·a), des agents en déclenchent d’autres, multipliant les appels. Enfin, T(∞) désigne une boucle qui ne s’arrête pas sans intervention extérieure.
La Fondation travaille à des normes communes
La mesure proprement dite revient aux outils du marché, notamment aux passerelles d’IA et aux plateformes d’observabilité. La Fondation travaille, elle, à rendre leur vocabulaire commun. Elle collabore avec la FinOps Foundation, spécialisée dans les dépenses cloud, et réunit notamment des banques, des détaillants ainsi que des fournisseurs de cloud et de modèles.
Ses groupes de travail diffusent des ressources ouvertes, sans dépendance à un fournisseur : définitions, méthodes, références, formations et certifications. Les définitions portent notamment sur les entrées, les sorties, le raisonnement et les tokens conservés en cache. Pour les données de coût, les travaux consistent principalement à étendre FOCUS, le format de facturation FinOps, afin d’harmoniser la manière dont les fournisseurs d’IA déclarent les usages.
L’IA et sa régulation vous intéressent ?
Lois, cadres et décisions qui façonnent l’IA, décryptés en français. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
La Fondation entend faire passer les dépenses d’expérimentation à des opérations gérées de manière responsable. Son objectif porte sur la rentabilité de l’IA, et pas uniquement sur une diminution de la facture.
Sept couches détaillent les postes de coût
La tokenomics appliquée à l’IA couvre l’économie de son exécution et son rapport aux résultats commerciaux. Elle se distingue de l’usage du même terme dans les cryptomonnaies, où il renvoie à l’offre et aux incitations d’une monnaie. Les entreprises paient notamment des tokens, des appels d’API et des GPU ; les requêtes comme les réponses sont découpées en tokens, chacun associé à un coût. Pour l’anglais, l’ordre de grandeur donné est d’environ 4 caractères ou 0,75 mots par token.
Le périmètre retenu par la Fondation va de l’énergie à la valeur commerciale, en passant par le matériel. Son cadre à 7 couches cartographie les facteurs qui composent le coût d’une réponse. La couche 6 examine la demande : qui sollicite l’application, pour quel objectif et avec quelle quantité de contexte. La couche 5 concerne l’accès aux modèles, avec la passerelle, le routage, les budgets et les garde-fous.
La couche 4 porte sur le modèle choisi et son dimensionnement par rapport à la tâche. La couche 3 examine l’inférence, c’est-à-dire le logiciel qui sert le modèle, notamment le cache et les boucles d’agents. La couche 2 s’intéresse à la part du matériel effectivement mobilisée pour un travail utile.
La couche 1 recouvre les GPU et les centres de données qui transforment l’énergie en tokens. La couche 0 traite du prix et de l’approvisionnement en électricité ainsi que du refroidissement.






