Pourquoi l'IA ne devient gouvernable que lorsqu'une décision lie son coût, sa responsabilité et sa valeur.
L’acheteur d’entreprise, à la mi-2026, traque le centime par token : tarifs au million de tokens, heures GPU, un modèle frontière arbitré contre un modèle ouvert sur une grille de coût unitaire. Cela gouverne parfaitement une chose, la consommation d’infrastructure, et rien au-delà, surtout pas la décision. Ce qui suit ne parle pas du coût de l’IA. Il décrit la façon dont une organisation transforme un événement technique en quelque chose qu’elle peut enfin observer, imputer et gouverner. Le domaine de validité est étroit à dessein : la thèse vaut là où l’organisation a des propriétaires, une hiérarchie et une reddition de comptes, et non pour la conversation, l’idéation ou les systèmes entièrement automatiques, où aucune décision humaine n’est attestée. La restriction n’affaiblit pas la thèse ; elle la solidifie.
Un coût est gouvernable quand un acteur détient le levier institutionnel pour l’observer, le tarifer et en imposer le comportement associé. De ces trois verbes, le token n’en sert qu’un : il observe la consommation avec une précision réelle, ne tarife aucune valeur, ne contraint rien de corrélé à la valeur. Observer sans tarifer ni contraindre, ce n’est pas gouverner, c’est facturer. Le FinOps gouverne parfaitement la couche d’infrastructure et s’arrête là. L’entreprise ne peut gouverner plus loin que parce qu’elle maîtrise le point d’accès aux modèles, et cette maîtrise est la condition habilitante de la gouvernance, jamais sa condition suffisante. Tenir la porte est nécessaire. Ce n’est jamais assez.
Coase explique pourquoi la firme internalise une activité ; Williamson explique comment elle gouverne ce qu’elle a internalisé. Le point d’accès est une structure de gouvernance au sens de Williamson, la frontière où la firme peut observer, tarifer, contraindre. Mais une structure ne gouverne rien tant qu’elle n’a pas d’objet sur lequel s’exercer, quelque chose d’observable une fois, tarifable une fois, imputable à quelqu’un. La porte est nécessaire et vide ; ce qui la remplit est une unité comptable. Cette unité est la décision, prise ici non comme une unité primitive, revendication ontologique fragile, mais comme une unité de commensuration : une unité comptable, parce qu’elle rend comparable ce qui ne l’était pas.
La distinction de Searle entre faits bruts et faits institutionnels fixe le déplacement : un appel au modèle se consomme, une décision validée s’endosse. On appelle nouage l’opération institutionnelle qui relie, dans un même objet gouvernable, une consommation de ressources, une responsabilité organisationnelle et une conséquence économique. Avant le nouage, ces trois dimensions vivent dans des registres séparés sans dénominateur commun : la consommation dans les journaux techniques, la responsabilité dans les organigrammes, la valeur dans les résultats d’exploitation. Le nouage est le mécanisme ; la gouvernance en est la conséquence. La décision est simplement le premier objet, dans l’IA d’entreprise, où le nouage apparaît clairement, à une condition qui fait partie de la thèse, qu’un humain l’endosse. Du nouage découlent cinq propriétés d’une unité comptable, comme conséquences et non comme axiomes : identifiable, attribuable, clôturable, auditable, additive. Chacune élimine une unité rivale, le prompt n’est pas clôturable, le workflow pas identifiable, le dossier pas attribuable, le résultat pas auditable au bon instant.
Le coût institutionnel n’est pas la valeur d’une décision ; c’est ce que l’organisation engage pour la produire et pour s’y tenir. Il agrège deux coûts réalisés, le calcul et la supervision humaine graduée selon la criticité, et une exposition provisionnée : la charge de risque que le propriétaire accepte en endossant, traitée comme une provision pour risque décisionnel, estimée à l’entrée, ajustée périodiquement, soldée quand on sait enfin ce que la décision a réellement produit. Knight fonde la clôture, l’incertitude ex ante ne se soldant qu’ex post ; Hayek ajoute que la connaissance pour l’évaluer est dispersée et ne se révèle qu’à l’usage. On ne tarife pas une décision, on la solde. L’additivité, prise à la lettre, serait fausse : on n’additionne pas des décisions, hétérogènes par leurs risques et leurs horizons, mais leur coût institutionnel, que le nouage a réduit à une métrique commune. C’est ce qui transforme une traçabilité en instrument de gestion.
Trois opérations sont habituellement confondues en un bloc et doivent être tenues orthogonales : router vers le bon modèle, qualifier ce qui compte comme décision, allouer la responsabilité. La couche 1, l’optimisation technique, est une commodité résolue, comme le montrent FrugalGPT et RouteLLM. La couche 2, la qualification institutionnelle, est le cœur du dispositif, plus que la couche 3 : une question binaire, cet événement acquiert-il un statut institutionnel, dont tout l’aval dépend, car sans qualification pas d’inscription, donc pas d’imputation, pas d’attestation, pas de responsabilité. La couche 3 alloue la responsabilité, et la garde est stricte, le grand livre enregistre, il ne gouverne pas : registre, puis mesure, puis décision de gestion, puis gouvernance. L’instrument est un grand livre des décisions, pas un ERP, et le mot est choisi : un compte qui agrège, rapproche et budgète le coût institutionnel, pas un journal qui se contente de tenir une histoire.
Cela déplace l’optimisation des usages d’un filtrage ex ante, qui tarife une intention supposée, vers un engagement ex post, qui solde un engagement assumé. Brider le modèle selon la paresse supposée d’un prompt juge l’utilisateur avant l’acte, fabrique du ressentiment et de la fuite, et ravive le shadow-AI même qu’il prétend réduire. Le grand livre compte après l’acte, sans opinion sur l’utilisateur. L’attestation humaine n’est pas une note de satisfaction accordée à l’IA mais un choix d’endossement : endosser, et l’on déclenche la tarification du coût institutionnel ; reprendre, et le temps de redressement se compte comme supervision itérative ; laisser l’output ni endossé ni repris, et il se solde en déchet technique imputé à l’infrastructure. On ne peut pas utiliser un livrable et déclarer ensuite qu’il n’avait pas de valeur. La thèse produit des prédictions testables, ce qui la distingue d’une posture : à calcul identique, une qualification institutionnelle différente donne un coût institutionnel différent (P1) ; à qualification constante, le coût institutionnel varie indépendamment du coût d’inférence (P2) ; l’optimisation technique présente des rendements décroissants tant que la qualification est absente (P3).
Une théorie solide nomme ses propres échecs. Le grand livre gouverne le coût et la reddition de comptes de la décision, pas sa qualité : tarifer la responsabilité ne garantit pas le discernement, qui dépend encore des workflows, des incitations et des droits. Il échoue si la qualification est floue et laisse tout entrer ou tout sortir, si aucune décision n’a de propriétaire nommé, si la granularité est fausse, ou si son coût de mise en œuvre excède le coût qu’il permet de gouverner. Le champ exclut la conversation, l’idéation, les systèmes entièrement automatiques et les organisations sans propriétaire clair, où l’unité perd son attribuabilité. Et tout le dispositif tient à une condition : l’entreprise maîtrise le point d’accès, le lieu unique où la porte existe par défaut. Retirez la porte et il ne reste ni routage, ni comptabilité, ni attestation, ce qui est précisément la situation à l’échelle de l’écosystème, où aucun acteur ne détient cette position par défaut et où la gouvernabilité devra être créée plutôt que supposée. C’est l’objet de l’article suivant.
L’IA en entreprise ne devient gouvernable ni quand on la comprend, ni quand on la compte au token. Elle le devient quand un appel cesse d’être une consommation et devient un engagement dont quelqu’un répond.
Argument complet, avec toutes les références (Coase, Williamson, Searle, Knight, Hayek, Simon, Espeland et Stevens, Akerlof) et le dispositif intégral, dans le PDF ci-dessous (8 pages).
Notes doctrinales et explorations sur l’IA en systèmes régulés. Une à deux fois par mois. Désabonnement en un clic.