---
title: Tokenomics : ne comptez pas les tokens, comptez ce qu’ils ont acheté
description: La tokenomics, c’est l’économie de l’IA : transformer énergie et capital en IA, puis en valeur métier mesurable. Notes sur la keynote de cinq minutes de J.R. Storment à l’AGNTCon pour la nouvelle Tokenomics Foundation : pourquoi compter les tokens est la mauvaise mesure, ce que la facture contient vraiment, et l’écart entre voir la dépense et prouver la valeur au DAF.
date: 2026-10-24
tags: économie de l’IA, tokenomics, coûts des LLM, FinOps, AGNTCon
---

La tokenomics, c’est l’économie de l’IA : la discipline qui consiste à transformer de l’énergie et du capital en IA, puis à utiliser cette IA assez bien pour prouver une valeur métier. Rien à voir avec la crypto. Sa première règle a de quoi surprendre pour une discipline qui tire son nom des tokens : **ne comptez pas les tokens**. Comptez ce qu’ils ont acheté.

C’est le message de J.R. Storment, directeur exécutif de la nouvelle [Tokenomics Foundation](https://www.tokeneconomics.com) au sein de la Linux Foundation, dans une [keynote de cinq minutes à l’AGNTCon + MCPCon](https://youtu.be/iNV5-YkPHW4?t=2381) le 22 octobre. Il a ouvert sur deux questions à la salle. Combien d’entre vous savent ce que leurs agents leur coûtent ? Quelques mains. Combien savent relier ça à de la valeur et à un ROI ? Une seule, au fond.

## De l’énergie en entrée, de la valeur en sortie

Sa slide donne la définition : prendre de l’énergie et du capital, les faire passer par des puces pour créer de l’intelligence, consommer cette intelligence efficacement, et produire à l’autre bout une valeur métier mesurable. Sa version courte : de l’énergie qui crée de l’intelligence qui crée de la valeur.

La définition n’est encore qu’un brouillon. La Linux Foundation a lancé la Tokenomics Foundation le 4 août pour écrire des standards, des benchmarks et des bonnes pratiques ouverts et neutres vis-à-vis des fournisseurs sur l’économie de l’IA, et elle travaille étroitement avec la FinOps Foundation.

<figure class="fd-fig tk-chain" aria-labelledby="tk1-cap" data-desc="La définition de la Tokenomics Foundation en trois étapes, avec un repère qui les parcourt. L’énergie et le capital entrent. Ils passent par des puces et ressortent sous forme d’intelligence. Cette intelligence est consommée efficacement, et il en ressort une valeur métier mesurable. Sa version en une ligne, en grand : de l’énergie qui crée de l’intelligence qui crée de la valeur. Un bandeau en dessous précise que la définition est encore un brouillon, version 0.5.2, datée du 1er septembre 2026.">
<p class="tk-big">L’énergie crée l’intelligence, qui crée la valeur</p>
<ol class="tk-row">
<li class="tk-node tk-node-1"><b>Énergie et capital</b><span>entrent</span></li>
<li class="tk-link" aria-hidden="true"><i>via les puces</i></li>
<li class="tk-node tk-node-2"><b>Intelligence</b><span>est créée</span></li>
<li class="tk-link" aria-hidden="true"><i>consommée efficacement</i></li>
<li class="tk-node tk-node-3"><b>Valeur métier</b><span>mesurable, à l’autre bout</span></li>
</ol>
<p class="mp-strip"><b>Brouillon</b><span>Version 0.5.2, datée du 1er septembre 2026. Elle bougera.</span></p>
<figcaption id="tk1-cap">La définition de sa slide en trois étapes. Le repère les parcourt dans l’ordre ; la dernière est celle qui intéresse l’entreprise.</figcaption>
</figure>

## Le coût par résultat bat le coût par token

Le nombre de tokens n’est pas la mesure de valeur qui compte, dit-il. Même le coût par token n’est pas la bonne. Le coût par tâche vaut mieux, le coût par résultat mieux encore, et ce qu’il vous faut au final, c’est la valeur métier rapportée au coût total de l’IA, pas seulement au coût des tokens.

Un nombre de tokens vous dit à quel point les modèles ont été occupés. Il ne vous dit pas si le travail valait la peine. Ma [note sur TokenOps](/fr/notes/tokenops-agent-cost-curve.html) traite l’autre moitié du problème : pourquoi le coût d’une tâche peut grimper bien plus vite que son nombre de tours.

<figure class="fd-fig tk-ladder" aria-labelledby="tk2-cap" data-desc="Cinq façons de mesurer l’IA, en escalier qui se décale vers la droite à mesure que les mesures s’améliorent, de celle qu’il conseille d’oublier à celle à viser. Le nombre de tokens : pas la mesure de valeur qui compte. Le coût par token : même lui n’est pas le bon. Le coût par tâche : mieux. Le coût par résultat : encore mieux. En bas, couleur surligneur : la valeur métier rapportée au coût total de l’IA, pas seulement au coût des tokens. Les marches s’allument l’une après l’autre, de haut en bas.">
<p class="tk-big">Du comptage de tokens à la valeur métier</p>
<ol class="tk-rungs">
<li class="tk-rung" style="--i:0"><span class="tk-tag">À oublier</span><b>Nombre de tokens</b><span>Pas la mesure de valeur qui compte</span></li>
<li class="tk-rung" style="--i:1"><span class="tk-tag">Pas la bonne</span><b>Coût par token</b><span>Même celle-ci n’est pas la bonne</span></li>
<li class="tk-rung" style="--i:2"><span class="tk-tag">Mieux</span><b>Coût par tâche</b><span>Ce qu’a coûté un travail</span></li>
<li class="tk-rung" style="--i:3"><span class="tk-tag">Mieux</span><b>Coût par résultat</b><span>Ce qu’a coûté un résultat</span></li>
<li class="tk-rung tk-rung-top" style="--i:4"><span class="tk-tag">L’objectif</span><b>Valeur métier</b><span>Rapportée au coût total de l’IA, pas aux seuls tokens</span></li>
</ol>
<figcaption id="tk2-cap">Cinq mesures, celle à oublier en premier, l’objectif en dernier. Les marches sont les siennes ; les gloses d’une ligne sont de moi.</figcaption>
</figure>

## La facture ne s’arrête pas au modèle

Le coût total de l’IA comprend tout ce qui se trouve sous les modèles. Il a listé ce que les agents entraînent discrètement : le calcul inutilisé, le stockage, le réseau, les données, et souvent des licences et des logiciels. Puis le travail humain : votre temps, celui de vos collègues et celui de l’entreprise pour gérer tout ça, plus ce que ça change, avec le temps, aux plans de recrutement et d’effectifs.

Un compteur de tokens ne voit rien de ce qui est sous la ligne. Mon propre [Meterlex](/fr/projets/meterlex.html) chiffre chaque appel de modèle à partir des logs de session, c’est-à-dire exactement la partie visible. Utile, mais ce n’est que le haut de la réponse.

<figure class="fd-fig tk-berg" aria-labelledby="tk3-cap" data-desc="Le coût d’une pile d’agents : un bloc au-dessus d’une ligne de flottaison et un ensemble de blocs en dessous. Au-dessus de la ligne, en cobalt : les modèles, c’est-à-dire les tokens, la partie que voit un compteur de tokens. Sous la ligne, sur fond gris avec des contours en pointillé : le calcul inutilisé, le stockage, le réseau, les données, les licences et logiciels, et le travail humain. Le travail humain, c’est votre temps, celui de vos collègues et celui de l’entreprise pour gérer tout ça, plus l’effet sur les plans de recrutement et d’effectifs. Les tailles ne sont pas à l’échelle : la keynote ne donnait aucune proportion.">
<div class="tk-top"><b>Modèles</b><span>Les tokens. Ce que voit un compteur.</span></div>
<p class="tk-water">Au-dessus de la ligne, un compteur le voit. En dessous, non.</p>
<ul class="tk-below" aria-label="Les coûts sous les modèles">
<li><b>Calcul inutilisé</b></li>
<li><b>Stockage</b></li>
<li><b>Réseau</b></li>
<li><b>Données</b></li>
<li><b>Licences et logiciels</b></li>
<li class="tk-wide"><b>Travail humain</b><span>Votre temps, celui de vos collègues, celui de l’entreprise pour tout gérer, et l’effet sur les plans de recrutement et d’effectifs</span></li>
</ul>
<figcaption id="tk3-cap">Pas à l’échelle. La keynote ne donnait aucune proportion, seulement la liste.</figcaption>
</figure>

## L’entreprise compte autre chose

L’entreprise, dit-il, se moque de savoir combien d’agents vous avez, combien de tâches ils terminent, combien de lignes de code vous écrivez, combien de PR vous livrez, et même combien de fonctionnalités. Ce qui l’intéresse, c’est le chiffre d’affaires, les résultats, et la façon dont l’organisation a changé. Et ce côté-là est moins excitant que ce que vous pouvez livrer avec un agent cet après-midi, c’est pour ça qu’on en parle moins.

Il voit revenir un schéma déjà vécu avec le cloud. Le cloud est devenu trop cher, et les gens ont ramené leurs charges de travail chez eux : c’est le rapatriement. Avec l’IA, les premiers signes sont déjà là, dans les récits qui passent du token maxing à la façon de tirer de la valeur à l’autre bout.

<figure class="fd-fig tk-count" aria-labelledby="tk4-cap" data-desc="Deux cartes. Celle de gauche, en gris pointillé, montre ce que comptent ceux qui construisent : les agents, les tâches, les lignes de code, les pull requests livrées, les fonctionnalités livrées. Celle de droite, en cobalt, montre ce que compte l’entreprise : le chiffre d’affaires, les résultats, et la façon dont l’organisation a changé. En dessous, un bandeau porte son avertissement venu du cloud : quand la facture est devenue trop lourde, les gens ont fait marche arrière, et il voit les premiers signes de la même chose avec l’IA, à mesure que les récits passent du token maxing à la création de valeur.">
<div class="mp-two-row">
<div class="mp-two-card tk-dim">
<p class="mp-two-who">Ce qu’on compte</p>
<p class="mp-two-name">Ce qu’on livre</p>
<p class="mp-two-line">Agents</p>
<p class="mp-two-line">Tâches accomplies</p>
<p class="mp-two-line">Lignes de code</p>
<p class="mp-two-line">PR livrées</p>
<p class="mp-two-line">Fonctionnalités livrées</p>
</div>
<p class="mp-two-vs">contre</p>
<div class="mp-two-card mp-two-peter">
<p class="mp-two-who">Ce que compte l’entreprise</p>
<p class="mp-two-name">Le changement</p>
<p class="mp-two-line">Chiffre d’affaires</p>
<p class="mp-two-line">Résultats</p>
<p class="mp-two-line">Comment l’organisation a changé</p>
</div>
</div>
<p class="mp-strip"><b>Le cloud, encore ?</b><span>Trop cher, on fait marche arrière. Il en voit les premiers signes avec l’IA.</span></p>
<figcaption id="tk4-cap">Ses deux listes, côte à côte. Rien n’est faux à gauche ; ce n’est simplement pas ce qui fait signer le budget.</figcaption>
</figure>

## Trois couches, et un écart au bout

La Fondation regarde toute la chaîne d’approvisionnement, en trois couches. La production, c’est le côté data center : l’énergie, les puces, les usines d’IA et les modèles. La consommation, c’est la qualité de l’usage qu’on fait de ce qui en sort : le KV cache, le prompt engineering, le choix du modèle, la prévision de la demande, et même le coût du harnais (harness). La valeur, ce n’est pas seulement le coût par résultat ou l’intelligence par watt, c’est l’impact métier, y compris les modèles de tarification et les marges.

Leur première enquête, le State of Tokenomics, a eu lieu en septembre. Beaucoup de répondants étaient sûrs de bien voir leurs dépenses. Très peu étaient sûrs de pouvoir en prouver la valeur à la personne qui valide le budget IA, le DAF. Il a parlé d’un vrai décalage. La keynote ne donnait aucun chiffre et je n’ai pas lu le rapport, donc je n’en citerai pas.

<figure class="fd-fig tk-layers" aria-labelledby="tk5-cap" data-desc="La chaîne d’approvisionnement de la Tokenomics Foundation en trois colonnes. Un, la production : l’énergie, les puces, les data centers, les usines d’IA et les modèles. Deux, la consommation : le KV cache, le prompt engineering, le choix du modèle, la prévision de la demande et le coût du harnais. Trois, la valeur : le coût par résultat, l’intelligence par watt, l’impact métier, les modèles de tarification et les marges. En dessous, l’écart relevé par l’enquête en deux barres : sûrs de voir la dépense, une longue barre, et sûrs de prouver la valeur au DAF, une courte. La longueur des barres est schématique, car la keynote ne donnait aucun chiffre.">
<ol class="tk-cols">
<li class="tk-col"><p class="tk-col-n">1 · Production</p><ul><li>Énergie</li><li>Puces</li><li>Data centers</li><li>Usines d’IA</li><li>Modèles</li></ul></li>
<li class="tk-col"><p class="tk-col-n">2 · Consommation</p><ul><li>KV cache</li><li>Prompt engineering</li><li>Choix du modèle</li><li>Prévision de la demande</li><li>Coût du harnais</li></ul></li>
<li class="tk-col tk-col-v"><p class="tk-col-n">3 · Valeur</p><ul><li>Coût par résultat</li><li>Intelligence par watt</li><li>Impact métier</li><li>Modèles de tarification</li><li>Marges</li></ul></li>
</ol>
<div class="tk-gap">
<p class="tk-gap-h">Première enquête : qui est sûr de soi</p>
<p class="tk-meter"><span class="tk-meter-n">Voir la dépense</span><span class="tk-bar"><i class="tk-bar-see"></i></span><span class="tk-meter-v">Beaucoup</span></p>
<p class="tk-meter"><span class="tk-meter-n">Prouver la valeur au DAF</span><span class="tk-bar"><i class="tk-bar-show"></i></span><span class="tk-meter-v">Très peu</span></p>
</div>
<figcaption id="tk5-cap">Trois couches, puis le décalage révélé par l’enquête. La longueur des barres est schématique : la keynote ne donnait aucun chiffre.</figcaption>
</figure>

## Ce que la communauté construit

Le travail avance sur les trois couches. Il a cité l’optimisation du cache, le routage de modèles et les gateways, et Big T, un clin d’œil à la notation Big O, version tokens. Sur le site de la Fondation, Big T écrit la croissance des tokens comme T de n fois k fois a : n est le nombre de requêtes ou la taille de l’entrée, k le nombre d’appels de modèle par requête, a la profondeur de l’agent. La page liste d’autres niveaux entre les deux ; je n’ai vérifié que les deux extrêmes et le cas par défaut :

| Niveau | Ce que c’est |
|---|---|
| T de 1 | Un hit de cache, aucun appel de modèle |
| T de n | Le cas sain par défaut : un appel par requête |
| T de l’infini | Sans borne : une boucle sans condition d’arrêt |

Le conseil de la page : borner la profondeur et ajouter des budgets. L’annonce du lancement ajoute deux chantiers prévus : la télémétrie du coût des tokens dans FOCUS, le format FinOps de reporting des coûts, et une mesure de la valeur qui commence par la part du travail accomplie sans intervention humaine.

Tout cela, dit-il, se ramène à une seule tâche : prendre ce que votre IA a fait et le montrer à l’entreprise dans des termes qu’elle reconnaît. Le chiffre d’affaires. Les coûts évités. Le gain de capacité. Le travail augmenté. La vitesse de mise sur le marché, et pas seulement celle du code.

<figure class="fd-fig tk-cascade" aria-labelledby="tk6-cap" data-desc="Le travail en cours, à gauche, se déverse dans les mots que l’entreprise reconnaît, à droite. À gauche, trois chantiers : l’optimisation du cache, Big T, la notation Big O des tokens, et le routage de modèles et les gateways. Une flèche portant les mots « se ramène à » pointe vers la droite, vers cinq expressions qu’un DAF reconnaît : le chiffre d’affaires, les coûts évités, le gain de capacité, le travail augmenté et la vitesse de mise sur le marché, c’est-à-dire, selon lui, sortir vite de nouvelles capacités, pas seulement du code.">
<div class="tk-cas">
<div class="tk-cas-in">
<p class="tk-cas-h">Travail en cours</p>
<ul>
<li>Optimisation du cache</li>
<li>Big T : le Big O des tokens</li>
<li>Routage de modèles et gateways</li>
</ul>
</div>
<p class="tk-cas-arrow" aria-hidden="true"><span>se ramène à</span></p>
<div class="tk-cas-out">
<p class="tk-cas-h">Ce que l’entreprise entend</p>
<ul>
<li>Chiffre d’affaires</li>
<li>Coûts évités</li>
<li>Gain de capacité</li>
<li>Travail augmenté</li>
<li>Vitesse de mise sur le marché<span>pas seulement celle du code</span></li>
</ul>
</div>
</div>
<p class="mp-strip"><b>La tâche</b><span>Montrer l’impact de votre IA dans les termes que l’entreprise utilise déjà.</span></p>
<figcaption id="tk6-cap">Le travail technique de gauche ne compte que s’il finit dans l’un des cinq mots de droite.</figcaption>
</figure>

## À vous d’essayer

La conférence de la Fondation à San Diego, Tokenomicon avec FinOps X, se tient du 7 au 10 juin 2027. D’ici là :

- Regardez les cinq minutes : [la keynote sur le livestream de l’AGNTCon](https://youtu.be/iNV5-YkPHW4?t=2381), à partir de 39:41.
- Lisez la page de la Fondation : [tokeneconomics.com](https://www.tokeneconomics.com) donne la définition, les trois couches et Big T.
- Lisez le lancement : [l’annonce de la Linux Foundation](https://www.linuxfoundation.org/press/linux-foundation-launches-the-tokenomics-foundation-to-define-the-economics-and-roi-of-ai-value).
- Lisez le côté coûts en détail : [TokenOps : pourquoi un agent à 40 tours coûte 16×, et pas 4×](/fr/notes/tokenops-agent-cost-curve.html).

La prochaine fois que vous ouvrez une facture d’IA, écrivez à côté un résultat, dans les termes du DAF. Si vous avez réussi à mesurer un vrai coût par résultat, j’aimerais savoir comment vous avez défini le résultat.