Le budget que le succes a fait exploser
Le directeur technique d'Uber, Praveen Neppalli Naga, a donne a The Information le chiffre qui devrait arreter tout dirigeant en pleine phrase : l'entreprise avait brule tout son budget de codage IA 2026 prevu en quatre mois. Uber avait deploye l'outil aupres d'environ 5.000 ingenieurs en decembre 2025, et l'adoption est passee de 32 pour cent des ingenieurs en fevrier a 84 pour cent classes comme gros utilisateurs agentiques en mars 2026. Au printemps, les rapports situaient le coût mensuel par ingenieur entre 150 et 250 dollars en moyenne et entre 500 et 2.000 dollars pour les gros utilisateurs. Rien n'avait mal tourne. L'outil fonctionnait, les ingenieurs l'utilisaient, et l'utiliser est ce qui a vide le budget.
Le même schema est apparu chez Microsoft. Plusieurs rapports, menes par The Verge, decrivent Microsoft coupant l'essentiel de l'acces interne a Claude Code dans sa division Experiences and Devices - le groupe derriere Windows, Microsoft 365, Outlook, Teams et Surface - d'ici le 30 juin 2026, deplacant les ingenieurs vers GitHub Copilot CLI. Le cadrage officiel est l'unification des outils, mais les rapports sont directs sur le moteur : a la tarification a la consommation, l'usage intensif d'un outil de codage agentique fait exploser le budget annuel, car l'outil est mesure aux jetons consommes, pas aux sieges occupes. Mieux il fonctionne, plus il est utilise, et plus il est utilise, plus la facture est elevee.
Pourquoi c'est important : c'est une erreur de taux de base, pas de l'outil
Pourquoi c'est important : l'erreur n'est pas de choisir le mauvais outil. C'est de budgéter un outil neuf sur l'ancien taux de base. Les entreprises ont tarife le codage IA comme s'il s'agissait d'autocompletion bon marche - un petit coût par siege qui bouge a peine avec l'usage. Les outils agentiques brisent cette hypothese car ils font tourner des cycles de raisonnement continus, et ils sont tarifes pour cela : le coût evolue avec la quantite de travail que fait l'outil, c'est-a-dire avec le succes du deploiement. Qui budgete le pilote - une poignee d'ingenieurs curieux avec des requetes legeres - modelise le mauvais taux de base pour un outil dont toute la proposition de valeur est que tout le monde l'utilisera en permanence.
Oui, mais : ce n'est pas un argument selon lequel l'IA agentique est trop chere a utiliser. Uber la deploie toujours, et la productivite est réelle - au printemps, environ 70 pour cent du code valide d'Uber provenait d'outils IA. Le point est plus etroit : la tarification a la consommation transforme l'adoption en courbe de coût, et le cas de succes, pas le pilote, est celui qui doit être abordable. La réponse de Microsoft, passer a un autre outil, est une solution ; mesurer et plafonner par utilisateur des le premier jour en est une autre, generalement la moins chere.
En resume : budgétez le cas d'adoption complete et mesurez des le premier jour
En resume : avant d'acheter un outil IA a la consommation, modelisez le coût du scenario ou il fonctionne. Prenez le coût par utilisateur de votre plus gros utilisateur attendu, multipliez par l'effectif que vous comptez reellement deployer, et verifiez si ce nombre entre dans le budget annuel. S'il n'entre pas, l'outil est inabordable dans le cas de succes quel que soit le bon marche du pilote, et le geste discipline est de plafonner et mesurer par utilisateur des le premier jour plutôt que de decouvrir le plafond au quatrieme mois comme Uber l'a fait.
Le principe de décision plus large survit a cette categorie de produit. Quand un fournisseur facture par unite du comportement exact dont vous payez l'augmentation, le coût du pilote ne signifie rien et le coût du succes est tout. Modelisez le resultat que vous esperez, pas l'essai que vous menez, et si vous ne pouvez pas payer l'outil fonctionnant parfaitement, n'achetez pas l'outil qui vous facture plus pour fonctionner.
À lire ensuite: Celui qui dépense 145 milliards dit que ça ne marché pas encore | Google : 9% d'overhead, consommation en hausse de 37%
