IA agentique : Pega change son modèle de facturation
L’intelligence artificielle entre dans une phase de maturité industrielle surtout en terme d’IA agentique. Les entreprises ne se demandent plus si elles doivent adopter l’IA. Elles se demandent combien elle leur coûte réellement. C’est dans ce contexte que Pegasystems vient de frapper un grand coup. À l’occasion de PegaWorld, l’événement annuel de l’éditeur, la société a présenté Pega Infinity 26 et annoncé l’abandon de la facturation au jeton. Un changement de paradigme économique qui redéfinit les règles du marché. La question du modèle tarifaire est désormais aussi stratégique que la technologie elle-même.
L’IA agentique au cœur de la transformation des entreprises
L’IA agentique n’est plus un concept réservé aux laboratoires de recherche. Elle s’impose aujourd’hui dans les processus métier des grandes organisations. Contrairement aux systèmes d’IA classiques, qui exécutent des tâches prédéfinies, les agents IA observent, raisonnent et agissent de manière autonome. Ils enchaînent des décisions complexes sans supervision humaine constante. En finance, ils détectent des anomalies et déclenchent des corrections automatiques et en assurance, ils instruisent des sinistres de bout en bout. En service client, ils traitent des demandes entières sans intervention humaine. Cette autonomie opérationnelle transforme profondément la façon dont les entreprises fonctionnent.
Mais cette montée en puissance pose un problème concret. Plus les agents sont sollicités, plus ils consomment de jetons de calcul. Et plus la facture grimpe. Les directions financières voient arriver des coûts variables, difficiles à anticiper et encore plus difficiles à justifier. Don Schuerman, directeur technique de Pega, résume bien l’enjeu : « La préoccupation grandit sur les montants dépensés en IA au regard de la valeur réellement produite. » Ce décalage entre dépense et valeur est au cœur du problème que Pega prétend résoudre.
La facturation au jeton : un modèle à bout de souffle
Le modèle de tarification au jeton était acceptable en phase expérimentale. Il devient insoutenable à grande échelle. Lorsqu’une requête est complexe, elle déclenche de multiples étapes de raisonnement, chacune facturée séparément. Sans garantie sur la qualité du résultat. Les entreprises paient donc pour du calcul, pas pour des résultats. Alan Trefler, fondateur et directeur général de Pega, est direct : « Le tokenmaxxing est absurde. Il ne peut conduire qu’à des coûts insoutenables et à des résultats imprévisibles. »
Ce constat est largement partagé. Liz Miller, analyste principale chez Constellation Research, confirme que le marché a atteint un tournant. Les fournisseurs de modèles et leurs clients doivent désormais démontrer un retour mesurable sur leurs dépenses. Les sorties produites par l’IA ont trop longtemps été confondues avec des résultats métier réels. Ce n’est plus acceptable. La maturité du marché impose une nouvelle exigence : payer le travail accompli, pas le calcul mobilisé.
L’architecture Predictable AI : raisonner une seule fois
La réponse technique de Pega repose sur une idée simple mais puissante. Déplacer le raisonnement vers la phase de conception, et non l’exécution. L’architecture « Predictable AI » applique l’intelligence des modèles au moment où les processus métier sont modélisés. On conçoit le parcours une fois. On l’exécute ensuite de façon allégée, sans raisonner à nouveau à chaque sollicitation.
Les outils Pega Blueprint AI et le nouvel environnement Pega Infinity Studio servent cette phase de modélisation assistée. Une fois les processus déployés, l’agent interprète simplement l’intention de l’utilisateur. Il sélectionne le processus adapté. Il le suit étape par étape. Le recours à un grand modèle de langage n’intervient qu’en cas de besoin précis, comme l’analyse d’un document. Le reste du temps, l’exécution reste légère et prévisible. Ce principe de conception centralisée élimine les raisonnements redondants et fait chuter les coûts de manière significative.
Cette approche n’est pas sans rappeler les problématiques que soulève plus largement l’écosystème de l’IA agentique. Dataiku, par exemple, a récemment lancé le 575 Lab, son entité open source dédiée à rendre les agents explicables et gouvernables. Ces initiatives convergent vers un même impératif : construire des systèmes autonomes qui restent auditables, prévisibles et maîtrisables. L’auditabilité des processus décisionnels n’est plus une option. C’est une condition d’exploitation industrielle.
Payer le résultat, pas le chemin
Pega Infinity 26 sera disponible au troisième trimestre. Son modèle tarifaire est clair. L’éditeur facture le cas traité de bout en bout. Pas le poste de travail. Pas le jeton consommé. Un changement d’ordre de commande passé par un agent compte pour un cas unique, peu importe le volume de calcul mobilisé en arrière-plan. Cette logique aligne la dépense sur la valeur créée.
Pour aider les entreprises à mesurer l’écart, Pega a mis en ligne un calculateur de coût comparant son approche aux offres facturées au jeton. L’éditeur avance des économies pouvant atteindre un facteur vingt selon la complexité des processus et les volumes traités. Ces chiffres émanent de Pega lui-même et non d’un tiers indépendant. Ils méritent donc d’être vérifiés dans chaque contexte. Mais la direction est claire : la prévisibilité budgétaire redevient possible lorsque le coût est indexé sur le résultat.
Un écosystème ouvert, mais un ancrage assumé
Pega ne se ferme pas pour autant à l’écosystème externe. L’éditeur élargit la prise en charge du Model Context Protocol, permettant à des agents tiers bâtis sur Claude d’Anthropic, Gemini de Google ou les modèles d’OpenAI d’appeler ses processus tout en restant soumis aux contrôles de gouvernance. Pega a également présenté l’intégration de Blueprint AI dans AWS Transform, pour moderniser du code COBOL hérité en applications cloud.
Mais derrière cette ouverture, un déplacement discret s’opère. En logeant le raisonnement dans son environnement de conception, Pega devient le point de contrôle du processus. Là où la facturation au jeton laissait la dépendance du côté du fournisseur de modèle, le modèle Pega replace ce pouvoir côté client. Pour le DSI et le directeur financier, l’arbitrage est réel. Gagner en prévisibilité des coûts suppose d’accepter un ancrage plus fort dans une plateforme unique. C’est le prix de la maîtrise.
Vers une nouvelle norme de l’IA agentique en entreprise
Le mouvement initié par Pega illustre une tendance de fond. L’IA agentique entre dans une phase d’industrialisation. Les organisations ne peuvent plus tolérer des coûts variables sans visibilité. Elles exigent des résultats mesurables, des processus auditables et des factures prévisibles. Le marché va dans ce sens. Pega, Dataiku et d’autres acteurs façonnent les nouvelles règles du jeu. La question n’est plus de savoir si l’IA agentique va transformer les entreprises. Elle le fait déjà. La question est de savoir qui en contrôle le coût, la gouvernance et les résultats.