Le budget que le succès a fait exploser

Le directeur technique d'Uber, Praveen Neppalli Naga, a donné à The Information le chiffre qui devrait arrêter tout dirigeant en pleine phrase : l'entreprise avait brûlé en quatre mois tout son budget de codage IA 2026 prévu. Uber avait déployé l'outil auprès d'environ 5 000 ingénieurs en décembre 2025, et l'adoption est passée de 32 pour cent des ingénieurs en février à 84 pour cent classés comme gros utilisateurs agentiques en mars 2026. Au printemps, les rapports situaient le coût mensuel par ingénieur entre 150 et 250 dollars en moyenne et entre 500 et 2 000 dollars pour les gros utilisateurs. Rien n'avait mal tourné. L'outil fonctionnait, les ingénieurs l'utilisaient, et l'utiliser est ce qui a vidé le budget.

Le même schéma est apparu chez Microsoft. Plusieurs rapports, menés par The Verge, décrivent Microsoft coupant l'essentiel de l'accès interne à Claude Code dans sa division Experiences and Devices - le groupe derrière Windows, Microsoft 365, Outlook, Teams et Surface - d'ici le 30 juin 2026, et déplaçant les ingénieurs vers GitHub Copilot CLI. Le cadrage officiel est l'unification des outils, mais les rapports sont directs sur la cause : à la tarification à la consommation, l'usage intensif d'un outil de codage agentique fait exploser le budget annuel, car l'outil est mesuré aux jetons consommés, pas aux sièges occupés. Mieux il fonctionne, plus il est utilisé, et plus il est utilisé, plus la facture est élevée.

Pourquoi c'est important : c'est une erreur de taux de base, pas d'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 tarifé le codage IA comme s'il s'agissait d'une autocomplétion bon marché - un petit coût par siège qui bouge à peine avec l'usage. Les outils agentiques brisent cette hypothèse car ils font tourner des cycles de raisonnement continus, et ils sont tarifés pour cela : le coût évolue avec la quantité de travail que fait l'outil, c'est-à-dire avec le succès du déploiement. Celui qui budgète le pilote - une poignée d'ingénieurs curieux avec des requêtes légères - modélise 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 serait trop chère à utiliser. Uber la déploie toujours, et la productivité est réelle - au printemps, environ 70 pour cent du code validé d'Uber provenait d'outils IA. Le point est plus précis : la tarification à la consommation transforme l'adoption en courbe de coût, et c'est le cas de succès, pas le pilote, qui doit être abordable. La réponse de Microsoft, passer à un autre outil, est une solution ; mesurer et plafonner par utilisateur dès le premier jour en est une autre, généralement la moins chère.

En résumé : budgétez le cas de pleine adoption et mesurez dès le premier jour

En résumé : avant d'acheter un outil IA à la consommation, modélisez le coût du scénario où il fonctionne. Prenez le coût par utilisateur de votre plus gros utilisateur attendu, multipliez-le par l'effectif que vous comptez réellement déployer, et vérifiez si ce nombre tient dans le budget annuel. S'il n'y tient pas, l'outil est inabordable dans le cas de succès quelle que soit la modestie du pilote, et le geste discipliné est de plafonner et de mesurer par utilisateur dès le premier jour plutôt que de découvrir le plafond au quatrième mois comme l'a fait Uber.

Le principe de décision plus large dépasse cette seule catégorie de produit. Quand un fournisseur facture à l'unité le comportement exact dont vous payez l'augmentation, le coût du pilote ne signifie rien et le coût du succès est tout. Modélisez le résultat que vous espérez, pas l'essai que vous menez, et si vous ne pouvez pas payer l'outil qui fonctionne parfaitement, n'achetez pas l'outil qui vous facture plus pour fonctionner.

À lire ensuite: Halo tue le moteur qui dévorait son studio  |  Le PDG de Microsoft : l'IA se paie deux fois