Le coût des coding agents devient un paramètre d’exploitation, pas une ligne de facture tardive. JPMorgan impose à certains ingénieurs un plafond mensuel de 2 000 dollars pour Claude Code et déplace l’exécution vers Devspace, un environnement isolé. Le budget et la frontière de sécurité sont ainsi gérés ensemble.

L’observabilité s’étend maintenant à la dépense. Splunk Tokenomics attribue les tokens aux agents et aux utilisateurs de Claude Code, Codex ou Cursor, puis prévoit la consommation avant la fin du cycle. L’équipe peut ainsi relier coût, performance et valeur métier avant qu’un dépassement n’apparaisse sur la facture.

Le plafond devient aussi un workflow d’administration. Quand un membre épuise ses GitHub AI Credits Copilot, il peut demander une hausse immédiatement ; le responsable peut approuver, ajuster ou refuser sans quitter les réglages. Pour les développeurs, le budget devient donc une permission dynamique, au même titre que l’accès aux tools et aux environnements.

Les écarts de comportement deviennent des incidents à instruire : chez OpenAI, chaque cas peut être signalé par un employé, trié selon trois niveaux d’enquête puis publié avec gravité, impact, contexte et mesures prises. Le cadre couvre aussi les actions non autorisées, l’évasion de supervision et les effets sur des tiers.

En Espagne, l’AEPD a déjà reçu une notification de brèche où un agent aurait enchaîné connexion, recherche de vulnérabilités, modification de données personnelles et accès à des factures. Le régulateur traite encore les faits, mais le dossier fait entrer l’autonomie agentique dans les procédures classiques de réponse et de notification.

L’Union européenne ajoute une couche collective : Ursula von der Leyen veut travailler avec le Canada, le Royaume-Uni et les laboratoires frontier sur l’évaluation, la vérification et la sécurité des modèles. Pour les développeurs, le runtime d’agent doit donc conserver assez de traces pour classifier un incident, notifier un tiers et alimenter une alerte externe.

Cohere et Aleph Alpha fusionnent autour d’un marché précis : des modèles capables de tourner dans l’infrastructure du client et de respecter ses contraintes locales. Salesforce pousse la logique plus loin avec Koa, post-entraîné sur des workflows CRM synthétiques, dont il contrôle les poids, le post-training et l’inférence dans son propre périmètre de confiance.

TotalEnergies applique cette spécialisation au sous-sol : plus de 100 millions d’euros avec Mistral pour entraîner des modèles de frontière sur géosciences, données et procédures de réservoir. Le projet associe près de 10 pétaflops de données à presque un siècle d’expertise afin de produire des outils adaptés aux décisions d’exploration et d’ingénierie.

Numspot ajoute la couche d’exploitation : modèles Mistral, GPU, orchestration, stockage, monitoring et sécurité réunis dans un cloud souverain exploité en France, avec portabilité vers des environnements privés ou on-premises. Pour les développeurs, choisir un LLM ne suffit plus : il faut décider quelle expertise encoder, où l’exécuter et qui contrôle le runtime.