L'IA automatise les tâches que les employés « détestent », pas celles qui « rapportent de l'argent ».
Il y a quelques jours, Geek Park rapportait que Microsoft, qui a misé gros sur l'IA, avait discrètement mis fin aux licences Claude Code pour la plupart de ses employés.
C'est assez étrange, car le principal argument de vente de cette vague d'adoption de l'IA pour les entreprises est « l'amélioration de la productivité ». Si cela améliore l'efficacité, pourquoi Microsoft a-t-il arrêté de laisser ses employés utiliser Claude Code ?
Microsoft n'est pas la seule entreprise à agir ainsi. « Limiter l'utilisation des tokens », ne plus encourager les employés au « Vibe Coding » effréné, est devenu la nouvelle tendance chez les géants de la Silicon Valley.
Uber a épuisé son budget annuel de tokens d'IA en quatre mois. Le chèque annuel de Salesforce à Anthropic est d'environ 300 millions de dollars. Un consultant en IA a révélé qu'un de ses clients dépensait jusqu'à 500 millions de dollars par mois en IA. Meta a même discrètement retiré son classement interne « tokenmaxxing » – un tableau conçu à l'origine pour encourager les employés à utiliser davantage l'IA.
Désormais, les entreprises font quelque chose d'impensable il y a quelques années :
Limiter et surveiller l'utilisation de l'IA par leurs employés.
Pourquoi les grands groupes changent-ils de cap ?
« Tokenmaxxing », reflet d'une époque
Pour comprendre la crise des coûts d'aujourd'hui, il faut d'abord comprendre ce qu'est le « tokenmaxxing ».
Ce terme a commencé à devenir populaire vers 2025, signifiant littéralement « maximiser l'utilisation des tokens ». Il repose sur une logique managériale – puisque l'entreprise dépense beaucoup pour des outils d'IA, les employés doivent les utiliser à fond ; plus ils les utilisent, plus ils prouvent leur « transformation numérique », moins ils les utilisent, c'est gaspiller des ressources. Ainsi, de nombreuses entreprises ont mis en place des quotas, des classements, voire des évaluations de performance, poussant les employés à utiliser l'IA.
Et le résultat ?
Les employés se sont mis à utiliser les modèles d'IA d'entreprise pour vérifier la météo, écrire des vœux d'anniversaire, demander quoi manger.
Une étude portant sur 2444 entreprises a révélé que pour chaque dollar dépensé en tokens d'IA, 0,44 dollar servait à corriger les bogues générés par l'IA, 0,27 dollar à réécrire le code produit par l'IA, et 0,11 dollar était consommé par les retards de révision et d'intégration.
Autrement dit, derrière chaque dollar de coût d'acquisition d'IA, se cachent près de 80 % de pertes cachées.
L'investisseuse Shruti Gandhi utilise une analogie très juste : « Les entreprises en mode tokenmaxxing, c'est comme des sociétés qui mesurent la productivité en laissant toutes les lumières allumées – dépenser plus d'argent ne signifie pas produire plus. »
Plus ironique encore, la plupart de ces entreprises ne savent tout simplement pas ce que font leurs employés avec l'IA, ni si l'achèvement de ces tâches apporte le moindre changement grâce à l'IA.
Cette « course aux dépenses » a brûlé de 2024 à 2025, pour finalement exploser cette année. JPMorgan a publié un rapport au ton sévère, au titre direct et inconfortable – « Les coûts des tokens d'IA dévorent les profits d'Internet ».
Shopify, Spotify, ServiceNow, Roku ont tous mentionné lors de leurs conférences téléphoniques sur les résultats que l'IA était une source majeure de pression sur leurs dépenses opérationnelles. L'ambiance générale du secteur commence à passer de « c'est génial d'utiliser l'IA » à « ce que ça coûte, est-ce que ça vaut le coup ? ».
Quand le PDG commence à remettre en question le ROI
Seuls 14 % des DAF affirment voir un retour sur investissement clair et mesurable de leurs investissements en IA.
Andrew Macdonald, directeur de l'exploitation d'Uber, a dit une chose très franche dans un podcast – ils ont du mal à relier l'amélioration de la productivité individuelle des employés à l'impact global sur l'activité de l'entreprise. « Si vous ne pouvez pas voir combien de fonctionnalités précieuses l'IA vous a aidé à proposer aux utilisateurs, il est plus difficile de justifier le coût des tokens. »
Cette phrase pointe le cœur du dilemme de l'IA en entreprise : l'amélioration de l'efficacité individuelle n'égale pas la croissance des revenus de l'entreprise.
L'employé utilise l'IA pour écrire son rapport hebdomadaire trois fois plus vite, mais le chiffre d'affaires de l'entreprise ne change pas. L'ingénieur génère du code deux fois plus vite avec l'IA, mais le « taux de déperdition » du code – c'est-à-dire la proportion de code abandonné ou réécrit – a augmenté de 800 %.
Sophia Velastegui, ancienne responsable IA chez Microsoft, a dit une chose qui a dérangé de nombreux managers : « La plupart des gens automatisent par défaut les tâches qu'ils n'aiment pas, plutôt que celles qui ont le plus de valeur pour l'entreprise. »
En clair, les entreprises automatisent les tâches que les employés « détestent », pas celles qui « rapportent de l'argent ».
Ce n'est pas un problème technique, c'est un problème de priorité. C'est aussi pourquoi environ 30 % des projets d'IA générative sont abandonnés au stade de la preuve de concept – les coûts sont flous, la valeur est floue, le patron ne renouvelle donc pas.
La façon dont le PDG de Salesforce, Marc Benioff, a géré la situation est assez représentative. Face à la facture annuelle de 300 millions de dollars avec Anthropic, il attendait un « routeur intelligent » : capable de juger quelles requêtes méritent d'utiliser le modèle le plus performant, et lesquelles peuvent se contenter d'un petit modèle moins cher.
Cette idée en elle-même n'a rien de nouveau – dès l'ère du cloud computing, le « paiement à l'usage » et « l'optimisation des ressources » étaient la norme. Mais cette vague d'IA est arrivée trop vite, on a acheté d'abord et réfléchi après, et maintenant on commence à rattraper le retard.
Retour à la raison, ou prélude à un hiver ?
Microsoft a récemment supprimé la plupart de ses licences d'entreprise pour Claude Code, invoquant officiellement des facteurs de coût. Cela a suscité des discussions importantes dans le secteur – après tout, Microsoft est lui-même le plus gros investisseur d'OpenAI, tout en coupant les abonnements à un concurrent, il est difficile de dire quelle part est due à des considérations de coût et quelle part à des stratégies de positionnement.
Mais quoi qu'il en soit, cela représente un signal : les entreprises commencent à voter avec leurs pieds.
Harness et CloudZero ont tous deux publié des outils de gestion des coûts de l'IA presque le même jour – le 28 mai –, l'un axé sur la surveillance en temps réel des dépenses et du ROI de l'IA, l'autre lançant un « plan de contrôle financier de l'IA » pour aider les entreprises à relier chaque dollar dépensé en IA à des résultats commerciaux concrets.
L'apparition de ces deux produits est en soi révélatrice : le marché a un besoin, et ce besoin est urgent.
HubSpot, depuis avril de cette année, ajuste son modèle de tarification pour les agents d'IA, ne facturant plus au token, mais au « nombre de conversations résolues » ou au « nombre de pistes générées » – c'est un changement de direction, alignant les intérêts du vendeur sur les résultats réels de l'acheteur. ServiceNow fait des ajustements similaires. Les fournisseurs d'IA réalisent que s'ils continuent à vendre de « l'utilisation » plutôt que des « résultats », les clients entreprises finiront par réagir collectivement.
Cet ajustement est-il la douleur nécessaire de l'industrialisation de l'IA, ou le prélude à une plus grande crise ?
Je penche pour la première option. Mais un détail est un peu inquiétant : les dépenses mondiales en logiciels d'IA devraient atteindre 2,59 billions de dollars en 2026, soit une croissance de 47 %, mais parallèlement, 94 % des responsables ingénierie déclarent que les indicateurs clés de ROI manquent toujours. L'argent est dépensé en quantités croissantes, mais personne ne sait où il brûle, ni si ça en vaut la peine – si cette contradiction n'est pas résolue, le prochain « moment tokenmaxxing » n'est qu'une question de temps.
Une analyse du magazine Fortune est très directe : « Le tokenmaxxing, c'est facile ; repenser les processus de travail, c'est difficile. » La plupart des entreprises actuellement optimisent leurs processus existants, plutôt que de réinventer leur modèle économique. C'est là que réside la véritable valeur de l'IA, et c'est là que la plupart des entreprises ne sont pas encore arrivées.
Le retour à la raison est une bonne chose. Mais après ce retour à la raison, les entreprises doivent répondre à une question plus difficile : l'IA, pour notre activité, devrait-elle être un simple marteau, ou un nouveau cadre de pensée ?
Si vous vous contentez d'utiliser l'IA pour faire le même travail plus vite, la facture finira par vous ramener face à cette question.
Cet article provient du compte WeChat « Geek Park » (ID : geekpark), auteur : Huà Lín Wǔ Wáng, éditeur : Jing Yu
