Chaque année depuis 2021, Menlo Ventures publie son rapport State of Enterprise AI sur la base d'une enquête auprès de décideurs IA dans les grandes organisations américaines. L'édition 2026, publiée le 3 novembre 2026, couvre près de 400 décideurs supervisant collectivement plus de 4 milliards de dollars de dépenses IA annuelles. Elle est l'une des sources de référence les plus citées pour mesurer l'adoption réelle — pas celle déclarée — de l'IA en entreprise.
Le chiffre central de l'édition 2026 est difficile à ignorer : les dépenses IA d'entreprise ont atteint 176,8 milliards de dollars en 2026, soit 5,4 fois le niveau de 2025 (environ 33 milliards). En une seule année. Cette accélération n'est pas portée par une hausse des expérimentations, mais par des déploiements en production — notamment d'agents autonomes, qui ont profondément reconfiguré les patterns de consommation.
Ce rapport apporte cinq chiffres structurants pour toute organisation qui prend des décisions IA en 2027 : où l'argent va, qui capte la valeur, pourquoi les budgets explosent, et où les opportunités réelles se situent encore. Voici l'analyse.
Une explosion de dépenses sans précédent
176,8 milliards de dollars — c'est l'estimation Menlo Ventures des dépenses IA d'entreprise mondiales en 2026, arrêtée à fin septembre. L'année 2025 s'était conclue à environ 33 milliards. La multiplication par 5,4 en un an est sans précédent dans l'histoire récente des dépenses IT.
Qu'est-ce qui est compté ?
Le rapport additionne deux grandes catégories :
- Dépenses en modèles (accès API, licences, abonnements enterprise) : environ 99,5 milliards de dollars.
- Dépenses en applications IA (outils de coding, chatbots d'entreprise, outils sectoriels) : environ 77,3 milliards de dollars.
Cette distinction est importante : on ne parle pas de hardware ou d'infrastructure GPU — ces postes sont séparés. On parle exclusivement du coût des modèles et des applications construites dessus.
Comparaison avec le SaaS en son heure de gloire
Pour rappel, le marché SaaS mondial a mis plus de 10 ans à franchir les 100 milliards de dollars de revenus annuels. L'IA d'entreprise l'a fait en moins de 36 mois depuis les premiers déploiements sérieux. Cette comparaison a des limites — les deux marchés n'ont pas les mêmes modèles d'achat — mais elle donne la mesure de la vélocité actuelle.
Le risque associé à cette croissance est également documenté dans le rapport : beaucoup d'organisations n'ont pas prévu ce niveau de dépenses. Les budgets ont été systématiquement sous-dimensionnés (voir la section sur les dépassements de budgets).
Les agents IA, nouveaux rois du compute
Le changement structurel le plus profond de l'édition 2026 : les agents autonomes représentent désormais 80 % de la consommation de tokens sur les plateformes mesurant les interactions modèles. En 2025, les usages conversationnels (chatbots, assistants) dominaient encore largement. En 2026, ce rapport s'est inversé.
Pourquoi les agents consomment-ils autant ?
Un agent IA ne fait pas qu'une requête pour répondre à une question : il décompose une tâche en sous-étapes, appelle des outils (recherche, lecture de fichiers, écriture de code, appels d'API), analyse les résultats intermédiaires, et itère. Une tâche agent courante peut consommer entre 10 et 100 fois plus de tokens qu'une conversation simple de même durée perçue. Dès lors, même si les agents ne représentent pas encore la majorité des utilisateurs, ils dominent la consommation de tokens.
Implications pour les organisations
Cette donnée a deux conséquences directes pour toute organisation qui déploie ou envisage de déployer des agents :
- Vos coûts vont augmenter non-linéairement avec le déploiement d'agents. Une migration d'un chatbot vers un agent autonome peut multiplier la facture tokens par un facteur 20 à 50, même si l'expérience utilisateur ne change pas radicalement en apparence.
- Les garde-fous de consommation deviennent critiques. Sans limites de tokens par session, par tâche ou par utilisateur, des agents peuvent générer des coûts imprévus massifs — notamment lors de bugs de boucles d'agents (l'agent recommence indéfiniment une sous-tâche qui échoue).
Ces enjeux reviennent systématiquement dans les projets d'automatisation métier que nous accompagnons : la maîtrise des coûts d'inférence est devenue une préoccupation de conception à part entière, pas un détail à traiter après le lancement.
Trois labs captent 69 % du marché
Selon le rapport Menlo Ventures, Anthropic, OpenAI et Google captent ensemble 69 % des dépenses IA d'entreprise en 2026, soit environ 122,7 milliards de dollars. C'est une hausse par rapport à 50 % l'année précédente. La concentration s'accélère, pas l'inverse.
Qui progresse le plus ?
Le rapport ne détaille pas les parts individuelles des trois labs, mais les tendances sectorielles sont documentées ailleurs :
- Anthropic a selon certaines sources dépassé OpenAI sur le marché enterprise au second semestre 2026, en particulier dans les secteurs finance, santé et juridique où les garde-fous de Claude sont perçus comme un avantage.
- OpenAI reste dominant sur les usages grand public et les PME grâce à l'effet réseau ChatGPT, et consolide sa position enterprise avec GPT-6.
- Google progresse via Google Workspace, Vertex AI et les intégrations Gemini dans l'écosystème cloud, notamment pour les entreprises déjà sur GCP.
Ce que ça signifie pour le reste de l'écosystème
Mistral, Meta (Muse), Cohere, DeepSeek et les autres se partagent 31 % du marché. Ce n'est pas marginal — 31 % de 177 milliards représente environ 55 milliards de dollars — mais la dynamique de concentration est préoccupante pour la diversification des dépendances. Pour les organisations souhaitant éviter une dépendance exclusive à un fournisseur américain, la fenêtre de choix se rétrécit : les solutions alternatives existent, mais leur part de marché reste sous pression.
Cette concentration est un argument supplémentaire pour les organisations européennes qui envisagent une approche de développement d'outils IA internes leur permettant de changer de modèle sans refondre l'intégralité de leur infrastructure.
Des budgets systématiquement dépassés
L'un des résultats les moins confortables du rapport Menlo 2026 : la majorité des organisations interrogées ont dépensé significativement plus que prévu en IA cette année. Le rapport documente que les entreprises avaient budgété en moyenne 1,9 fois leur niveau de dépenses IA 2025. Elles ont terminé à environ 4,7 fois ce niveau. L'écart entre prévision et réalité est de l'ordre de 2,5×.
Pourquoi le dépassement est-il si structurel ?
Plusieurs facteurs convergent :
- L'effet agents : les organisations ont commencé l'année avec des hypothèses de coûts calibrées sur des chatbots et des assistants. En cours d'année, elles ont déployé des agents — et la consommation de tokens a explosé (cf. section précédente).
- L'effet « juste tester » : une culture d'expérimentation rapide sans gouvernance des coûts. Des équipes lancent des expériences en production avec des modèles frontier sans avoir posé de limites de consommation.
- L'absence de visibilité consolidée : dans beaucoup d'organisations, les dépenses IA sont réparties entre plusieurs budgets (IT, R&D, BU marketing, BU produit) sans vision centralisée. Le total réel n'est souvent reconstitué qu'en fin d'année.
Un signal d'alerte pour vos projets
Ce chiffre doit inviter les décideurs à intégrer une marge de dépassement dans leur planification IA 2027. Les organisations qui déploient des agents pour la première fois tendent à sous-estimer les coûts de 50 % à 200 % selon leur niveau d'usage réel versus estimé. Mettre en place des dashboards de consommation de tokens dès le lancement, avec des alertes et des limites par projet, n'est plus optionnel — c'est une pratique de base dans les déploiements sérieux.
Cinq signaux pour vos décisions IA
Le rapport Menlo Ventures 2026 est principalement basé sur des grandes organisations américaines. Ses conclusions ne se transposent pas mécaniquement aux PME et ETI françaises, mais cinq signaux sont directement actionnables quelle que soit la taille de votre organisation.
- Le marché IA va continuer à se concentrer. Partez du principe que vos fournisseurs actuels seront encore là dans 18 mois, mais qu'un ou deux acteurs du second rang disparaîtront ou seront rachetés. Évitez les dépendances fortes sur des fournisseurs dont la solidité financière est incertaine.
- Les agents vont devenir votre principal poste de coût IA. Si vous déployez des workflows automatisés ou des agents autonomes, anticipez une consommation 10 à 100 fois supérieure à vos usages conversationnels actuels. Concevez des limites de consommation avant de lancer, pas après.
- L'optimisation des coûts d'inférence est un sujet stratégique. Avec des annonces comme Together Compiler (voir notre article du même jour), les coûts d'inférence des modèles open source vont continuer à baisser. Si vous utilisez des modèles propriétaires à fort volume, la comparaison avec les alternatives open source va mériter d'être refaite tous les six mois.
- La gouvernance des dépenses IA devient un must-have. Centraliser la vision des coûts IA par projet et par équipe, même dans une organisation de taille modeste, est devenu une priorité. Les organisations qui l'ont fait ont mieux géré leur rapport valeur/coût.
- L'IA n'est plus un projet IT, c'est un budget opérationnel. Dans les organisations matures, les dépenses IA ont migré des budgets innovation/R&D vers les budgets opérationnels récurrents. Cette migration a des implications sur la gouvernance, la négociation des contrats fournisseurs et la responsabilisation des équipes métier.
Pour les organisations qui veulent cadrer sérieusement leur stratégie IA 2027 — arbitrer entre propriétaire et open source, dimensionner les coûts, construire une gouvernance — nous sommes disponibles pour un diagnostic initial. Ces questions structurent une part croissante de nos missions de développement sur mesure et d'automatisation métier.
FAQ — 177 milliards de dollars en un an, 80 % du compute accaparé par les agents : cinq chiffres du rapport Menlo Ventures qui dessinent l'IA d'entreprise en 2026
Qu'est-ce que le rapport 'State of Enterprise AI' de Menlo Ventures ?
C'est une enquête annuelle menée par Menlo Ventures (fonds de capital-risque américain) auprès de décideurs IA dans de grandes organisations. L'édition 2026, publiée le 3 novembre, couvre environ 400 répondants supervisant plus de 4 milliards de dollars de dépenses IA annuelles. Il est l'une des sources empiriques les plus documentées sur l'adoption réelle de l'IA en entreprise, complémentaire aux rapports IDC ou Gartner.
Le chiffre de 177 milliards de dollars concerne-t-il uniquement les grandes entreprises américaines ?
Le rapport se base sur une enquête US, mais l'estimation de 177 milliards de dollars est présentée comme une estimation du marché mondial. Elle est construite à partir d'une combinaison d'enquête et d'analyse bottom-up du marché. Les PME et ETI contribuent à ces chiffres via leurs abonnements SaaS IA et leurs dépenses API, même si leur poids individuel est faible.
Pourquoi les agents IA dominent-ils désormais la consommation de tokens ?
Un agent IA décompose une tâche en sous-étapes, appelle des outils (search, code, API), analyse des résultats intermédiaires et itère — une tâche agent peut consommer 10 à 100 fois plus de tokens qu'une simple requête conversationnelle. Avec la généralisation des agents en production au cours de 2026, la consommation totale de tokens a été structurellement tirée vers le haut, même si le nombre d'utilisateurs n'a pas suivi la même courbe.
Nos budgets IA vont-ils aussi exploser si nous déployons des agents ?
Le risque existe. Le rapport Menlo documente que les organisations ayant déployé des agents ont dépensé en moyenne 4,7 fois leur niveau prévu, contre 1,9 fois budgété. Deux pratiques permettent de limiter ce risque : des limites de consommation par projet dès le lancement, et une vision centralisée des dépenses IA plutôt qu'un éclatement dans plusieurs budgets d'équipe. Ces pratiques sont plus efficaces si elles sont conçues avant le déploiement, pas après.
Le rapport dit-il quelque chose sur les PME et ETI françaises spécifiquement ?
Non directement — le rapport est basé sur une enquête américaine de grandes organisations. Mais les tendances qu'il documente (montée des agents, concentration des fournisseurs, dépassements de budget) sont observables de façon similaire dans les projets IA que nous accompagnons en France, avec un décalage de 6 à 12 mois sur la maturité des déploiements. Les PME et ETI françaises restent en phase d'expérimentation pour la plupart, mais le passage en production s'accélère.
Comment exploiter ces données pour calibrer mon budget IA 2027 ?
Partez des patterns observés dans le rapport : si vous prévoyez de passer de chatbots à des agents autonomes, multipliez votre estimation de tokens consommés par un facteur 10 minimum. Si vous comparez des modèles propriétaires et open source, réintégrez dans le calcul la trajectoire de baisse des coûts d'inférence. Enfin, centralisez la vision des dépenses IA dans un tableau de bord unique plutôt que de les laisser se répartir dans plusieurs budgets d'équipe — c'est la première cause de dépassement non détecté.