Le codage IA n'est pas trop cher — personne n'a jamais mesuré ce qu'il vaut
Les deux actualités qui ont dominé la sphère IA d’entreprise ces quinze derniers jours : Microsoft supprime Claude Code au sein de sa division Experiences + Devices et remet ses milliers d’ingénieurs sous GitHub Copilot ; Uber, de son côté, a épuisé la totalité de son budget d’outils de codage IA pour 2026 en à peine quatre mois.
Le récit dominant est quasi unanime : le codage IA est trop cher, la bulle va éclater. Des factures de tokens de 500 à 2 000 dollars par mois et par utilisateur intensif, ça fait en effet son petit effet.
Mais ce récit rate complètement la cible. Ce qui est en train d’être soldé, ce n’est pas «l’IA est trop chère» — c’est quelque chose de bien plus embarrassant : presque personne n’a jamais mesuré ce que cet argent rapportait.
Un détail qui dit tout
Dans la mésaventure Uber se cache le fait le plus révélateur : ils ont mis en place un classement interne des équipes par volume d’utilisation des outils IA. En mars, 84 % de leurs 5 000 ingénieurs étaient catégorisés «utilisateurs d’agentic coding».
Arrêtons-nous sur ce que ce classement récompensait — il récompensait la consommation de tokens, pas la valeur produite. Quand vous transformez «utiliser beaucoup» en tableau d’honneur, les gens vont évidemment consommer à fond. Le budget épuisé n’est pas un accident : c’est la conséquence mécanique et prévisible de ce système d’incitation.
Résultat : quand la facture arrive, la finance voit un coût précis au dollar près, et des bénéfices totalement inchiffrables. Le COO d’Uber l’a lui-même admis sans détour : entre l’argent dépensé et les fonctionnalités livrées, «ce lien n’est pas encore établi… difficile de dire qu’on produit 25 % de fonctionnalités utiles en plus».
Ce n’est pas un échec de l’IA. C’est un échec de la mesure.
On ne gagne pas une bataille budgétaire avec «on a l’impression d’aller plus vite»
Voilà l’ironie absolue : ces mêmes entreprises qui construisent frénétiquement des systèmes d’évaluation rigoureux pour leurs produits IA — datasets gold standard, métriques de qualité au millimètre — ont adopté leurs outils IA sur une hypothèse jamais vérifiée : la productivité va de soi.
«Plus rapide» est traité comme une évidence. Personne n’a relié le temps-agent aux livrables réels, à la valeur réellement créée. Conséquence : quand le CFO arrive avec la facture et demande «qu’est-ce que ces 5 millions nous ont apporté», l’équipe ingénierie répond «on a l’impression d’aller nettement plus vite» — et le «sentiment», en réunion budgétaire, vaut à peu près zéro.
Ce que ce redressement de compte soldait vraiment
Il ne saldait pas le codage IA. Il soldait une façon d’adopter l’IA comme spectacle plutôt que comme levier.
Déployer les outils, lancer un classement d’utilisation, afficher 84 % de pénétration — ça, c’est la forme de l’adoption, pas la stratégie. La vraie stratégie, c’est de savoir dès le départ ce que l’outil est censé débloquer, et d’être capable de le mesurer, de le relier à de la valeur.
Mon pronostic : les équipes qui survivront à ce reflux ne seront pas celles qui auront le plus drastiquement coupé dans les outils IA. Ce seront les seules qui auront su connecter leurs dépenses en tokens aux fonctionnalités livrées — et qui oseront défendre cette ligne face au CFO. Cette correction va séparer proprement les équipes qui utilisent l’IA comme levier de celles qui l’utilisaient comme vitrine.
Une dernière chose, moins confortable à entendre : si vous avez mesuré le «volume d’utilisation» toute l’année, vous avez déjà perdu ce débat — parce que vous avez vous-même entraîné toute votre organisation à optimiser ce tableau de bord, et non la valeur.
Discussion