Machine economy : les agents IA condamnent-ils la facturation au temps ?4 questions fortes à traiter !

La machine economy, ou économie des machines, désigne un marché dans lequel des agents IA trouvent des services, passent des transactions et produisent de la valeur avec peu ou pas d’intervention humaine. C’est la définition que pose PitchBook dans une note de recherche publiée le 21 juillet 2026, Machine Economy Rising: The Market of Limitless Cognition, signée par l’analyste Rudy Yang.

Le rapport annonce un marché à plusieurs milliers de milliards de dollars. Avec une question que je trouve majeure : l’unité de compte. J’avais ce débat avec des entreprises la semaine dernière encore : le business model fondé sur le temps humain est amené à être challengé par la machine economy. Quand un travail cognitif coûte quelques centimes par exécution et se déroule en parallèle, l’heure, le jour-humain (ou le TJM) et la licence par utilisateur ne mesurent plus grand-chose. Or ces unités structurent la facturation du conseil, du droit, de l’expertise comptable, des services numériques, du logiciel et de la formation !

Ce rapport me semble discutable sur ses chiffres et surestime la vitesse, mais il voit juste sur le mécanisme, et ce mécanisme laisse aux entreprises une fenêtre courte pour décider ce qu’elles vendent quand elles ne vendent plus du temps. C’est ce qui m’amène à vous en parler…

Machine economy : trois couches de valeur, trois niveaux de solidité

La note de PitchBook, première partie d’une série de deux, décompose la machine economy en trois couches.

La première est la dépense existante qui bascule vers les agents : budgets logiciels, sous-traitance, masse salariale. PitchBook part de 1 400 milliards de dollars de dépense logicielle annuelle et d’un marché mondial du travail de la connaissance évalué à 50 000 milliards. Il estime à environ 20 000 milliards le travail « exposé à l’IA » et considère qu’environ 1 % de ce montant passe aujourd’hui par des agents, soit quelque 200 milliards de dollars.

La deuxième couche correspond à ce que consomme un agent pour fonctionner : modèles, API, orchestration, stockage, sécurité. Le rapport parle du « coût des ventes » de l’agent et l’estime entre 80 et 100 milliards de dollars pour 2026, contre une base de 18 milliards en 2025 (chiffrage Menlo Ventures de décembre 2025).

La troisième est la plus spéculative : la valeur créée par des agents qui s’achètent et se vendent entre eux des services qu’aucun humain n’aurait jugé rentable de produire. Contester une erreur de facturation de quelques centimes. Tenir à jour chaque fiche d’un système d’information. Acheter une mesure de qualité de l’air avant de régler une ventilation. Ici, PitchBook s’appuie sur la start-up Forsy, qui calcule un « PIB des agents » de 36 milliards de dollars annualisés en juillet 2026, soit 3 milliards par mois. La France y pèse 131 millions de dollars mensuels, avec 0,6 % du travail numérique confié à des agents, contre 1,0 % aux États-Unis.

On voit bien que la notion de valeur se déplace, à peu près à l’opposé du volume de temps humain dépensé ! Il faudra donc réinventer une mécanique de mesure.

Des signaux réels, qui mesurent une consommation et pas encore une valeur

Les volumes sont spectaculaires. Google traitait 9 700 milliards de tokens par mois en mai 2024, 480 000 milliards en mai 2025 et 3,2 millions de milliards en mai 2026, soit une multiplication par 330 environ en deux ans (mon calcul à partir des chiffres cités). Les API d’OpenAI traitaient 15 milliards de tokens par minute fin mars 2026, celles d’Alphabet plus de 16 milliards au premier trimestre.

Le mécanisme est bien expliqué. Un humain pose une question et reçoit une réponse. Un agent reçoit une consigne, planifie, appelle des outils, lance des sous-agents, vérifie ses propres sorties : une seule instruction déclenche des dizaines d’inférences en arrière-plan. C’est ce que le rapport appelle l’effet d’éventail (fan-out).

Même tableau côté infrastructure. Selon Cloudflare Radar, 57,5 % des requêtes HTTP vers des pages HTML venaient de bots au 24 juin 2026. PitchBook recense 12 594 serveurs MCP au 18 juin 2026, contre 9 652 le 24 mai (le Model Context Protocol est le standard introduit par Anthropic en novembre 2024 pour brancher un agent sur un logiciel). Stripe indique que 70 % des requêtes passées en ligne de commande sur ses ressources API viennent désormais d’agents.

Pour autant, le rapport nuance lui-même. La catégorie « bots » mélange robots d’indexation, outils de supervision, fraude et collecte de données d’entraînement. Cette dernière représente 67,5 % du trafic IA observé par HUMAN Security, dont le métier est précisément de détecter ce trafic. Le trafic réellement agentique progresse de 7 851 % sur un an, mais en partant de très bas.

Surtout, un token est une unité de consommation. Il dit qu’une machine a calculé, pas que ce calcul a servi à quelqu’un. Accès, usage, valeur : ce sont trois étages différents, et ces chiffres ne documentent que les deux premiers.

Pourquoi le temps humain cesse d’être une unité de compte crédible

Nous facturons du temps parce que nous n’avons jamais su mesurer la cognition autrement. L’heure de l’avocat, le jour-homme du consultant ou de l’ESN, l’équivalent temps plein, la licence par utilisateur d’un logiciel (un siège, c’est un humain devant un écran) reposent sur une même hypothèse : un rapport à peu près stable entre le temps passé et la valeur produite.

Les agents cassent ce rapport de deux façons. Par le coût d’abord : PitchBook décrit un agent qui compare des fournisseurs et rédige une recommandation en fouillant l’historique des contrats, en relevant des prix sur le web et en appelant plusieurs fois un modèle. Quelques milliers de tokens, quelques centimes par exécution. Par le parallélisme ensuite : avec l’effet d’éventail, le temps écoulé ne dit plus rien du travail accompli.

Résultat : dans un modèle au temps, chaque gain de productivité du vendeur devient une perte de chiffre d’affaires. Le cabinet qui confie sa recherche documentaire à des agents facture moins d’heures pour le même livrable. Il a donc intérêt soit à ne pas adopter, soit à adopter sans le dire. Aucune de ces deux positions ne tient longtemps face à un client qui sait, lui aussi, ce que coûte une exécution.

Les éditeurs de logiciels l’ont compris avant les métiers de service. Le rapport note que la tarification au résultat étend leur marché adressable au-delà des 1 400 milliards de la dépense logicielle, vers une part des 50 000 milliards du travail de la connaissance. Autrement dit, l’éditeur ne vend plus un outil à celui qui fait le travail. Il vend le travail. Le concurrent d’un cabinet d’expertise comptable n’est plus le cabinet d’en face, c’est un éditeur qui facture à la pièce traitée.

La licence par utilisateur se défait dans le même mouvement, puisqu’un agent n’occupe aucun siège. Xero est passé à des paliers à l’usage en mars 2026. X a revu la tarification de son API en avril 2026. D’après l’enquête Postman 2025 citée par le rapport, environ 25 % des développeurs conçoivent désormais leurs API pour des agents comme premiers consommateurs. Trois unités remplacent le temps : l’appel, l’exécution, le résultat.

Ce basculement a des précédents. La minute a été l’unité de compte des télécoms pendant des décennies ; elle a quitté les offres quand le coût marginal s’est effondré. La publicité achetait de l’espace et du temps d’antenne ; le paiement au clic s’est imposé le jour où le résultat est devenu mesurable. Dans les deux cas, ce n’est pas la technologie seule qui a redistribué les positions. C’est le changement d’unité, et ceux qui ont défini la nouvelle ont capté la marge. Amias Gerety (QED Investors), interrogé par PitchBook, décrit la même séquence en trois temps : le même travail moins cher, puis davantage de consommation, enfin des activités entièrement nouvelles, les plus difficiles à prévoir.

Le temps humain ne disparaît pas, il se déplace vers la supervision et la responsabilité

PitchBook a noté 40 produits d’agents déployés sur deux échelles de 1 à 5. Moyenne : 3,2 pour l’autonomie, 3,5 pour le périmètre. Autrement dit, des assistants supervisés qui prennent en charge une portion de processus, pas des acteurs économiques.

Le rapport le montre sur un cas simple : une équipe de prévision demande à un agent d’acheter un jeu de données externe. L’humain doit revenir deux fois. Une première fois parce que les informations nécessaires ne sont pas lisibles par une machine. Une seconde parce qu’il faut créer un compte, obtenir une clé d’API et avancer l’argent. Un agent n’a aujourd’hui ni identité, ni portefeuille, ni pouvoir d’engager l’entreprise.

Le temps humain ne sort donc pas de l’équation. Il change de place : validation des étapes à impact, traitement des exceptions, engagement de responsabilité. Il devient un coût à piloter à l’intérieur d’un prix au résultat, et non plus l’unité que l’on vend. Cette charge retombe d’abord sur l’encadrement, un point que je relevais dans la veille de la semaine 20 sur les agents IA en entreprise.

Vendre au résultat, c’est aussi reprendre à son compte le risque que la facturation au temps faisait porter au client. Cela suppose un résultat mesurable, une attribution claire entre ce qu’ont fait l’agent, l’humain et le logiciel, et une responsabilité assumée quand ça casse. Aucune de ces trois conditions n’est réglée à ce stade.

Une hypothèse, que je signale comme telle : les modèles pyramidaux du conseil, de l’audit et du droit facturent des heures de juniors sur les tâches que les agents absorbent en premier, recherche, synthèse, premier jet. Si ces heures ne sont plus vendables, c’est le financement de l’apprentissage du métier qui disparaît avec elles. C’est le prolongement de ce que je décrivais dans mon analyse de rentrée sur l’IA et l’emploi.

Mon propre secteur n’y échappe pas. L’enseignement supérieur compte en heures de cours et en crédits ECTS, chacun adossé à 25 à 30 heures de travail étudiant. Quand un agent compresse le temps nécessaire pour produire un livrable, le temps passé ne garantit plus l’apprentissage. C’est la preuve de compétence qu’il faut mesurer.

Ce que le rapport n’établit pas

PitchBook, c’est une filiale de Morningstar, qui produit de la recherche pour des investisseurs en capital privé. L’auteur couvre la fintech, et la seconde partie annoncée plaidera pour une infrastructure de paiement conçue pour les machines. La thèse d’un marché à plusieurs milliers de milliards est aussi une thèse d’investissement. Le mot « inévitable » revient à plusieurs reprises. Pour qui étudie l’adoption des technologies, ce n’est jamais une donnée : la confiance, la responsabilité juridique et les conditions d’organisation décident du rythme. Là encore (et toujours), le temps de l’adoption (d’une organisation ou d’un individu) n’est pas celui de l’évolution de l’IA !

Les chiffres centraux ne sont pas documentés. Les 20 000 milliards de travail exposé et le 1 % confié aux agents sont introduits par « nous estimons », sans méthode déclarée. Les 200 milliards de la première couche (un flux de travail) et les 36 milliards de Forsy (une valeur ajoutée nette) ne mesurent pas la même chose, et le rapport ne les articule pas…

Forsy pose un problème de source. Cette start-up construit de l’infrastructure d’apprentissage pour agents, produit le chiffre du « PIB des agents », et son cofondateur est cité comme expert dans le même document. Un détail m’a arrêté : pour la France, le tableau affiche 675 dollars de revenu médian mensuel pour 112 dollars de coût, soit un rapport de 6, mais une « valeur par dollar dépensé » de 3,4. L’écart tient sans doute aux ajustements de recouvrement. Le rapport ne le précise malheureusement pas.

La notation des 40 produits repose sur des documentations, des démonstrations et des cas clients publics. A nouveau, c’est de la communication d’éditeurs, pas de l’usage observé. Bref un signal faible à observer plus qu’une tendance confirmée !

Les données Ramp portent sur plus de 70 000 entreprises américaines, clientes d’une fintech américaine. La part de celles qui paient pour de l’IA passe de 42,7 % à 55 % en un an (juin 2026). Le rapport y lit une hausse générale. J’y lis un écart. Entre juillet 2023 et juin 2026, la dépense médiane par salarié passe de 2,00 à 10,70 dollars, celle du premier centile de 453,68 à 4 883,33 dollars. Le premier centile dépensait 227 fois la médiane, il en dépense 456 fois (mon calcul).

L’accès se diffuse, l’intensité se concentre : cela dessine une ligne de fracture que je ressens de plus en plus entre ceux qui sont dans le train IA et les autres (organisations ou personnes d’ailleurs).

Rien de tout cela n’est calibré pour la France. Forfait jours, conventions de branche, achats de prestations intellectuelles qui raisonnent encore largement en jours-hommes, droit du travail construit autour de la durée du travail : chez nous, l’unité temps est une catégorie juridique, pas seulement une convention commerciale. Elle bougera moins vite que les grilles tarifaires des éditeurs américains.

Dernier point : les acteurs qui construisent les rails de cette économie (identité des agents, paiements, annuaires de services) sont presque tous américains dans le rapport, de Visa à Stripe en passant par Coinbase. Si l’unité de valeur devient l’appel ou le résultat, celui qui tient le compteur tient la marge. Je précise que NEOMA, où j’exerce, est partenaire de Mistral AI : cela situe mon point de vue sur la souveraineté, cela ne change pas le constat.

Quatre décisions à prendre tant que les agents ne pèsent que 1 %

Selon moi ce rapport a le mérite de soulever quatre points clés à intégrer en tant que décideur :

Le premier consiste à mesurer votre exposition : quelle part de votre chiffre d’affaires est indexée sur une heure, un jour-homme, un poste ou une licence par utilisateur ? Tant que ce chiffre n’existe pas, la discussion stratégique reste théorique.

Le deuxième : changer d’unité là où le résultat est mesurable (un dossier traité, une clôture comptable, un ticket résolu) et garder le temps là où l’incertitude est irréductible, en le disant au client. Mieux vaut deux modèles assumés qu’un seul modèle que l’on sait condamné.

Le troisième : rendre votre offre lisible et achetable par une machine. Le rapport cite les annuaires de services, les formats de données standardisés, l’accès en ligne de commande et une tarification pensée pour le trafic d’agents. C’est la suite logique de ce que j’explore dans ma série sur le GEO marketing : après avoir été cité par une IA, il faudra être acheté par elle.

Le quatrième : écrire la règle de délégation. Qui autorise un agent à engager une dépense, avec quel plafond, quel journal, quel retour arrière ? C’est un sujet de gouvernance et de garde-fous pour les agents autonomes, pas un paramétrage technique.

Que vendez-vous quand vous ne vendez plus du temps ?

Enfin ce concept soulève une question majeure ! Que vendre si ce n’est plus du temps passé à faire quelque chose ? La machine economy à plusieurs milliers de milliards n’existe pas encore, et PitchBook le reconnaît : pleinement réalisée, elle reste lointaine. L’unité de compte, elle, a commencé à bouger, et ce sont les éditeurs qui la déplacent.

Ce ne sont pas les agents qui remplaceront les cabinets, les ESN ou les écoles. Ce sont les organisations qui auront redéfini ce qu’elles vendent qui remplaceront celles qui vendent encore des heures. Cela se prépare par la formation : passer de producteur d’heures à pilote d’agents et garant d’un résultat demande des compétences de cadrage, de vérification et de jugement qui ne s’achètent pas avec une licence.

La question à inscrire à l’ordre du jour de votre prochain comité de direction c’est « que vendons-nous quand nous ne vendons plus du temps ? ». La réponse reste à inventer…