Les agents explosent, et c'est le cauchemar des entreprises technologiques, qui découvrent à leurs dépens que : le plus grand avantage de l'homme sur l'IA, c'est qu'on peut lui retarder son salaire (x).
L'IA ne comprend pas la passion, et la Silicon Valley n'a pas de larmes.
Récemment, Amazon, avec ses 700 milliards de dollars de revenus annuels, s'est fait sévèrement remettre à sa place par Claude.
Selon des employés d'Amazon, l'entreprise a récemment voulu utiliser Claude Sonnet pour enrichir les informations détaillées sur les auteurs de son site.
Mais cette tâche apparemment simple a coûté à Amazon 1,8 million de dollars.
Dépassant le budget de 860%.
Et cela n'a été découvert qu'après 5 mois.
Et finalement, ça n'a même pas été déployé avec succès. (Cela ressemble déjà à un problème de gestion, avouons-le.)
Un agent peut échouer, mais il peut aussi réessayer inlassablement, jour et nuit. Ce jour-là, tout était calme, personne ne l'avait prévenu de « Please wait before trying again ».
Actuellement, le prix public de Claude Sonnet est d'environ 3 dollars par million de tokens d'entrée et 15 dollars par million de tokens de sortie. 1,8 million de dollars pourraient correspondre à environ 600 milliards de tokens – en termes de volume de données, c'est le double du corpus d'entraînement complet de GPT-3.
Ce genre de cas s'est produit de nombreuses fois en interne chez Amazon, et ces bugs passent souvent longtemps inaperçus.
Il est très difficile de comprendre combien coûte vraiment quoi que ce soit lié à l'IA. Un problème mineur dans un système traditionnel peut entraîner des coûts inimaginables avec l'IA.
Le rêve d'automatisation de l'empire du tout-achat
Malgré tout, ces incidents ne freinent pas la marche d'Amazon vers l'automatisation. Aujourd'hui, elle mise sur l'IA à une échelle sans précédent.
Le PDG Andy Jassy a annoncé que les dépenses en capital d'Amazon pour 2026 devraient s'élever à environ 2200 milliards de dollars, la majorité étant destinée à AWS (Amazon Web Services), aux puces IA maison et aux infrastructures électriques, soit une augmentation de près de 60% par rapport à 2025. Il s'agit de la plus importante dépense en capital annuelle unique parmi les entreprises de très grande capitalisation mondiale.
Cet investissement massif porte déjà ses fruits. Ce matin même, Amazon a publié ses résultats du deuxième trimestre clos le 30 juin 2026, montrant que AWS a réalisé un chiffre d'affaires net de 42,2 milliards de dollars, en hausse de 37% sur un an. De plus, sur les 27,5 milliards de dollars de bénéfice d'exploitation total d'Amazon, AWS a contribué à environ 60%, alors que ses revenus ne représentent que 21% du total de l'entreprise.
Parallèlement, Amazon a effectué deux vagues de licenciements massifs depuis octobre 2025, supprimant au total environ 30 000 postes.
Dès l'année dernière, Jassy lui-même exprimait une vision optimiste, écrivant dans une note à tous les employés :
Nous avons aujourd'hui plus de 1000 services d'IA générative, mais vu notre taille, ce n'est qu'une infime partie de l'iceberg. À l'avenir, des milliards d'agents fonctionneront chez Amazon.
De plus, cette vague d'automatisation s'étend au-delà des bureaux, dans les entrepôts et la logistique d'Amazon.
Selon des rapports, l'objectif du département robotique d'Amazon est d'automatiser environ 75% des opérations d'entrepôt vers 2033. Cela signifie qu'Amazon pourrait embaucher environ 160 000 personnes de moins aux États-Unis d'ici 2027, et plus de 600 000 de moins d'ici 2033.
Une usine Amazon
Cependant, les observateurs extérieurs sont plus sévères. Le lauréat du prix Nobel d'économie 2024 et professeur au MIT, Daron Acemoglu, a mis en garde en commentant ce plan : « Si le rêve d'automatisation d'Amazon se réalise, le plus grand employeur américain passera de créateur net d'emplois à destructeur net d'emplois. »
Fin de l'ère du héros au token ? Les géants mettent les verrous
Le dépassement de coûts d'Amazon n'est pas un cas isolé ; dès début de cette année, des dérives similaires dans la consommation de tokens se sont produites simultanément chez plusieurs grandes entreprises.
Généralement, ces farces commencent par une phrase comme celle-ci :
Mes amis, nous devons utiliser l'IA « autant que possible », créer une valeur « aussi profonde que possible » avec des équipes « aussi petites que possible » !
Ensuite, les employés créent spontanément des classements d'utilisation, et des titres tels que « Légende de la combustion », « Roi du cache », « Immortel du script en veille » deviennent soudainement des titres convoités.
Finalement, les patrons, stupéfaits par le zèle de leurs employés, mettent fin précipitamment à la compétition par un communiqué urgent.
Image générée par IA
La loi de Goodhart, formulée en 1975 par l'économiste Charles Goodhart : Lorsqu'une mesure devient un objectif, elle cesse d'être une bonne mesure.
Amazon avait aussi un classement informel interne appelé « KiroRank », ce qui a poussé certains employés à gonfler délibérément leurs chiffres. Par la suite, KiroRank a été fermé, et Amazon, championne des indicateurs, a créé un indicateur de « normalized deployments » (déploiements normalisés) pour mesurer la production IA des employés.
En avril de cette année, un employé de Meta a créé un classement nommé Claudeonomics, agrégeant les données d'utilisation de l'IA de plus de 85 000 employés et listant les 250 personnes consommant le plus de tokens. Pendant cette période, la consommation totale de tokens des employés de Meta a grimpé à 73,7 billions en 30 jours.
Converti selon la tarification publique d'Anthropic, cela correspondrait à une facture d'environ 221 millions de dollars par mois.
En juin, Meta a envoyé un mémo officiel à environ 6 000 employés, annonçant qu'elle limiterait l'utilisation des tokens et mettrait en place une plateforme centrale « AI Gateway » pour surveiller en temps réel l'utilisation et les dépenses IA de chaque équipe, en fixant des budgets et des plafonds.
Cette dérive ne se limitait pas aux entreprises avec des classements. Uber a brûlé son budget annuel de programmation IA au cours des quatre premiers mois de 2026, puis a fixé une limite de 1 500 dollars par mois pour chaque employé et chaque outil. Son COO a reconnu que le lien entre les dépenses en tokens et une production mesurable n'est pas encore clair.
Et ce sentiment « incontrôlé » est également vividement ressenti par les fournisseurs de modèles eux-mêmes.
Le 3 juin, Sam Altman a déclaré qu'au début de l'année, le problème du coût de l'IA était totalement ignoré, mais qu'il était désormais devenu un problème majeur.
Il a révélé que l'utilisateur individuel le plus actif en interne chez OpenAI consommait environ 100 milliards de tokens par mois. Même qu'un employé avait brûlé environ 210 milliards de tokens en une seule semaine.
Image générée par IA
En moins d'un an, la Silicon Valley a commencé à compter les coûts de l'IA. L'excitation primitive du début de l'année, comme des hommes préhistoriques découvrant le feu, a été remplacée par des budgets, des plafonds, des approbations, des tableaux de bord.
Une enquête montre que seulement 26% des entreprises ont une visibilité complète sur leurs coûts liés à l'IA.
En d'autres termes, la plupart des entreprises, avant de commencer à réduire les coûts, ne savaient même pas combien elles avaient dépensé auparavant.
Une automatisation plus poussée signifie-t-elle une efficacité accrue ?
Le 1er août 2012, l'une des plus grandes sociétés de tenue de marché (market makers) américaines, Knight Capital Group, a procédé à une mise à jour de son système de trading automatisé pour participer au programme de liquidité pour investisseurs particuliers du NYSE.
Lors du déploiement, un ingénieur a involontairement réactivé un ancien code. Celui-ci a ensuite commencé à exécuter automatiquement, à très haute fréquence, une série d'ordres de trading dépourvus de toute logique économique.
« Acheter au prix fort, vendre au prix bas », sans aucun mécanisme de stop-loss prédéfini ou de limite de montant. Le processus a duré environ 45 minutes, de l'ouverture à l'arrêt manuel.
Pendant cette période, le système a exécuté plus de 4 millions de transactions sur 154 actions, accumulant des positions sur environ 7 milliards de dollars d'actions que l'entreprise ne souhaitait pas du tout détenir.
Lorsque les ingénieurs ont finalement localisé le problème et arrêté le système, Knight Capital a dû liquider ces positions à bas prix. Après la clôture des positions, la perte totale s'élevait à environ 440 millions de dollars, soit trois fois le bénéfice annuel de la société.
Après l'annonce, l'action de Knight Capital a chuté de 75% en deux jours de bourse. Quelques mois plus tard, Knight Capital a été rachetée par son concurrent de l'époque, GETCO, mettant fin à sa légende de 17 ans.
En général, l'automatisation promet aux gens plus de vitesse, des prix plus bas et moins d'erreurs humaines.
Cependant, lorsqu'un système automatisé dysfonctionne, les pertes sont amplifiées avec la même vitesse, la même ampleur et la même efficacité.
On peut croire que pour Amazon, ces leçons ne seront pas trop coûteuses.
Références :
[1]https://www.ft.com/content/77baac40-d803-4084-94f3-a133653072cf?syn-25a6b1a6=1
[2]https://www.aboutamazon.com/news/company-news/amazon-ceo-andy-jassy-on-generative-ai
[3]https://agidaily.cc/articles/tokenmaxxing-end-ai-usage-caps-2026
[4]https://www.cnbc.com/2026/07/30/amazon-amzn-q2-earnings-report-2026.html
[5]https://www.thestreet.com/technology/amazon-joins-microsoft-in-sending-shocking-message-to-employees
Cet article provient du compte WeChat officiel « Quantum Bit », auteur : Cheng Qian
