La première vague de géants des tokens "impossibles à brûler" apparaît

Auteur : Xiao Xiong Bing Gan, BitpushNews

Au cours des deux dernières années, les géants mondiaux de la technologie ont dépensé sans compter pour décrocher un billet en première classe dans l’ère de l’IA. Mais cette frénésie presque aveugle est désormais ramenée à la réalité par une série de factures glaciales.

Le premier à dévoiler publiquement cette honte a été le vétéran emblématique de la Silicon Valley : Uber (优步).

Ce week-end, le directeur des opérations d’Uber (COO), Andrew Macdonald, a exprimé dans une interview tout son mécontentement.

L’essentiel est simple : l’entreprise a dépensé follement pour acheter des outils d’IA pour ses ingénieurs, mais au lieu de transformer cet argent en nouvelles fonctionnalités perçues par les utilisateurs, elle a simplement épuisé tout son budget annuel.

Macdonald a partagé une comparaison impressionnante lors de l’interview :

L’adoption de l’outil de programmation IA Claude Code par les ingénieurs est passée d’environ un tiers en février à 84 % en mars, et la facture mensuelle par ingénieur tourne généralement entre 150 et 250 dollars, avec des utilisateurs intensifs pouvant atteindre 500 à 2000 dollars.

Plus exagéré encore, il a lui-même utilisé l’outil pendant deux heures pour une démonstration technique, et son budget de tokens de 1200 dollars a été rapidement consommé.

Macdonald a souligné : « Les ingénieurs qui ne paient pas leurs factures pensent que les outils d’IA sont comme l’eau courante, gratuits et illimités. »

Ce qui fait encore plus craquer la direction, c’est que : malgré cette consommation massive de tokens, l’application Uber n’est pas devenue plus agréable pour l’utilisateur.

« Une consommation plus importante de tokens ne s’est pas traduite par plus de fonctionnalités utiles pour les utilisateurs », a déclaré Macdonald, « il est difficile de tracer une ligne claire entre ces deux données, puis de dire ‘Regardez, nous offrons 25 % de fonctionnalités en plus aux utilisateurs’ ».

En 2025, Uber a dépensé 3,4 milliards de dollars en R&D, en hausse de 9 %. Le PDG Dara Khosrowshahi a clairement indiqué que l’entreprise ralentissait ses recrutements pour compenser la croissance constante des coûts liés à l’IA. En d’autres termes, l’économie réalisée sur les salaires est réaffectée à l’IA — mais la production reste difficile à mesurer.

Ce phénomène n’est pas propre à Uber. Microsoft a déjà commencé à réduire la majorité de ses licences Claude Code, en demandant aux ingénieurs de revenir à leur propre Copilot CLI.

Macdonald a soulevé une question cruciale : « Si vous ne pouvez pas établir de lien direct entre la consommation de tokens et les fonctionnalités pour les utilisateurs, il devient de plus en plus difficile de justifier les dépenses en IA et les coûts en main-d'œuvre. »

De l’enthousiasme à la pragmatique : la “retraite” de l’IA dans les grandes entreprises

L’anxiété des gestionnaires se transmet aux employés de première ligne via l’évaluation de performance. Mais les stratégies de réponse varient visiblement d’une entreprise à l’autre.

Le changement le plus notable vient de Duolingo.

L’année dernière, cette société de technologie éducative a annoncé une stratégie “priorité à l’IA”, intégrant la fréquence d’utilisation de l’IA dans l’évaluation de performance des employés.

Cependant, seulement un an plus tard, lors du podcast « Silicon Valley Girl » d’avril 2026, le PDG a déclaré, dans un ton de regret : « Nous retirons complètement cette politique, l’utilisation de l’IA ne sera plus prise en compte dans l’évaluation. La nouvelle ligne directrice de l’entreprise est : “Faites bien votre travail, utilisez l’IA si cela peut aider, sinon ne forcez pas.” »

Le célèbre “usine à sushis” Meta est également en pleine crise. Fin mars, l’entreprise a lancé un classement appelé “Claudeonomics” pour suivre la consommation de tokens de plus de 85 000 employés, attribuant le titre de “Token Legend” aux 250 meilleurs. Selon Reuters, en 30 jours, les employés ont consommé environ 60 trillions de tokens, avec un utilisateur atteignant 2,81 milliards de tokens.

Mais cette vague a rapidement dérapé : le premier employé a consommé près de 50 000 dollars de tokens en un mois, dépassant largement les prévisions de l’entreprise. Peu après, Meta a discrètement fermé ce classement — officiellement pour cause de fuite de données, mais la majorité des employés pensent que c’est parce que “la compétition déformée a rendu la coût de consommation insoutenable”.

Ce contre-coup collectif reflète une résistance des employés face à la “pseudo-amélioration” apportée par l’IA.

Selon le dernier rapport mondial conjoint de SAP et WalkMe, plus d’un tiers des employés de bureau évitent consciemment et activement les tâches d’IA assignées par leur entreprise. La raison est simple : les illusions des grands modèles et leur fragmentation interrompent souvent un flux de travail cohérent. Dans de nombreux scénarios précis, il est plus efficace de passer du temps à manipuler l’IA puis à faire des corrections manuelles, plutôt que de tout faire à la main.

Dans cette “guerre de KPI IA”, seules quelques petites plateformes d’automatisation du commerce électronique comme Omnisend persistent à “forcer” l’adoption, en augmentant de 2 à 4 % la rémunération des “experts IA”. Mais même eux ont vu leurs critères d’évaluation évoluer, passant de la “durée d’utilisation” à trois indicateurs financiers stricts : combien de temps ils ont économisé, combien d’argent ils ont économisé, et combien de workflows IA qu’ils ont entraînés ont été réutilisés par leurs collègues.

Par ailleurs, les autorités commencent à intervenir face aux effets négatifs de l’IA sur la société.

Il y a cinq jours, le gouverneur de la Californie, Gavin Newsom, a signé une ordonnance administrative pionnière aux États-Unis, mobilisant les agences, experts du travail et universités de l’État pour faire face aux impacts potentiellement dévastateurs de l’IA sur le marché de l’emploi.

Il s’agit de la troisième grande mesure réglementaire sur l’IA adoptée en cinq mois en Californie : la loi SB 53 sur la transparence, entrée en vigueur en janvier, obligeait les développeurs de modèles d’IA avancés à publier un cadre de gestion des risques et à signaler tout incident majeur dans les 15 jours ; l’ordonnance administrative N-5-26 du 3 mars a fixé des seuils de sécurité pour l’achat public de l’IA.

Le contexte de cette réglementation est la vitesse croissante de remplacement des emplois peu qualifiés. La plateforme de suivi de l’emploi Layoffs.fyi indique que, dans les 18 premières semaines de 2026, plus de 113 000 employés du secteur technologique ont été licenciés. Selon le dernier rapport de Challenger, Gray & Christmas publié le 7 mai, en avril 2026, les employeurs américains ont annoncé 83 387 licenciements, en hausse de 38 % par rapport à mars. Bien que ce chiffre soit inférieur de 21 % à celui de la même période l’an dernier, il reste le troisième plus élevé depuis 2009 pour le mois d’avril — derrière avril 2025 et avril 2020.

Lors de la signature, Newsom a déclaré aux journalistes : « Nous ne voulons pas attendre que des milliers de personnes soient licenciées pour commencer à réfléchir à des solutions. »

Les nouveaux sommets de Wall Street, sous la “nouvelle segmentation structurelle”

Cependant, alors que les dirigeants des grandes entreprises s’inquiètent des coûts des tokens et que la Californie freine ses lois, le marché boursier américain continue d’atteindre de nouveaux sommets, porté par des secteurs clés.

Le 26 mai, le S&P 500 a clôturé en hausse de 0,61 %, à 7 519,61 points, le Nasdaq a bondi de 1,19 %, à 26 643,45 points. Le secteur des semi-conducteurs a mené la hausse : Micron Technology a grimpé de plus de 19 %, sa capitalisation dépassant pour la première fois 1 000 milliards de dollars ; l’indice PHLX Semiconductor a augmenté de 4,6 %, atteignant de nouveaux records. Des analystes de JPMorgan ont même relevé leur objectif pour le S&P 500 à 9 000 points, en affirmant que les dépenses en capital pour l’IA stimuleront directement la croissance du PIB américain.

La logique du marché financier est très pragmatique : puisque des géants comme Uber dépensent follement pour acheter des tokens, ces coûts élevés finiront par se transformer en revenus et profits pour Nvidia, Microsoft, Amazon, et autres fournisseurs de puissance de calcul et grands fournisseurs de modèles (comme Anthropic, OpenAI). Les acteurs en amont engrangent des bénéfices colossaux, tandis que les applications en aval peinent à obtenir un retour sur investissement (ROI).

La question soulevée par Macdonald au début n’a toujours pas trouvé de réponse convaincante. Le marché continue de monter, mais sous cette hausse, les fissures s’agrandissent.