Le tokenmaxxing commence peut-être déjà à reculer

« Comment réduire le budget de tokens sans réduire l'équipe »

Le patron de Nvidia Jensen Huang a fixé un seuil inhabituel pour juger ses ingénieurs : lors du All-In Podcast, à la clôture de la GTC 2026, il a affirmé que si un ingénieur payé 500 000 dollars par an consommait des tokens IA pour moins de la moitié de son salaire, cela le "alarmerait profondément". Nvidia vise désormais une facture annuelle de 2 milliards de dollars de tokens pour ses équipes d'ingénierie. Ce chiffre illustre un basculement déjà largement engagé ailleurs : l'argent qui finançait des postes finance de plus en plus des tokens. Les quatre plus grands hyperscalers ont annoncé environ 700 milliards de dollars de dépenses d'investissement combinées pour 2026, près du double de l'année précédente, tandis que le cabinet Challenger, Gray & Christmas recense l'IA comme premier motif de suppressions d'emplois aux États-Unis pour un quatrième mois consécutif. Un mémo interne de Meta, révélé par Reuters, décrivait les 8 000 suppressions de postes de mai comme un moyen de compenser les investissements massifs du groupe, alors même que son chiffre d'affaires progressait de 33% sur le trimestre. Ces licenciements ne relèvent donc pas de mesures de survie mais bien de financement, et le problème est que cet argent n'a pas produit les résultats promis. Une enquête de Gartner auprès de 350 dirigeants d'entreprises générant plus d'un milliard de dollars de revenus et déployant des agents IA a montré qu'environ 80% d'entre elles avaient réduit leurs effectifs sans aucune corrélation avec une amélioration du retour sur investissement. Chez Uber, l'addition a été particulièrement salée : après avoir déployé des outils de codage IA auprès de 5 000 ingénieurs en décembre, l'entreprise a épuisé tout son budget IA 2026 dès avril. Son directeur des opérations, Andrew Macdonald, a reconnu que malgré 70% de code généré par IA, le lien avec un bénéfice perceptible par les clients restait introuvable. Le vrai problème apparaît alors clairement : les entreprises ont traité leur budget de tokens comme une donnée fixe et leurs effectifs comme une variable d'ajustement, alors que c'est l'inverse qui serait pertinent, puisque des suppressions de postes emportent définitivement du savoir-faire interne. Plusieurs leviers permettent pourtant de réduire la facture sans toucher aux équipes. La mise en cache des prompts, désormais standard chez les grands fournisseurs d'API, réduit jusqu'à 90% le coût du traitement répété de contenus statiques comme les instructions système, selon les tarifs publiés par Anthropic et OpenAI. La société de sécurité ProjectDiscovery a ainsi fait passer son taux de succès de cache de 7% à 84%, réduisant sa facture LLM totale de 59 à 70% tout en servant 9,8 milliards de tokens depuis le cache. D'autres leviers existent : orienter les tâches simples vers des modèles plus petits et moins coûteux, profiter des remises de 50% sur le traitement par lots, utiliser la génération augmentée par récupération (RAG) pour n'envoyer au modèle que les données pertinentes, compresser les prompts, ou encore recourir à des modèles ouverts moins chers que les modèles propriétaires de pointe. Chez Uber, un plafond mensuel de 1 500 dollars par ingénieur a été instauré après le dépassement d'avril, signe que la discipline budgétaire finit par s'imposer, que ce soit par anticipation ou sous la contrainte.

💬 Le vrai signal, c'est ce plafond de 1 500 dollars par ingénieur chez Uber. Pas les 2 milliards de Nvidia, pas les licenciements chez Meta : le jour où une boîte met un budget mensuel par tête sur les tokens, elle admet que l'IA générative est devenue une ligne de coût aussi banale qu'un abonnement SaaS, pas un levier magique de productivité. Et vu que 70% de code généré chez Uber n'a produit aucun bénéfice visible pour les clients, la vraie compétence à surveiller, c'est le prompt caching et le routing vers des petits modèles, pas le nombre de licences GPT achetées.

Tokenmaxxing : quand les salariés d’Amazon brûlent des tokens pour se faire bien voir

Des employés d'Amazon utilisent MeshClaw, un outil interne de déploiement d'agents IA lancé il y a quelques semaines par le groupe, non pas pour travailler plus efficacement, mais pour gonfler artificiellement leurs statistiques de consommation de tokens. MeshClaw fonctionne sur le même principe qu'OpenClaw : il permet de déployer des agents capables de trier des courriels, interagir sur Slack, déployer du code ou surveiller des applications. Selon le Financial Times, certains salariés font tourner ces agents en continu non parce qu'ils en ont besoin, mais pour afficher un usage IA élevé dans des classements internes que la direction a commencé à surveiller. Amazon s'est fixé comme objectif que 80 % de ses développeurs utilisent l'IA chaque semaine. Ce phénomène a reçu un nom : le "tokenmaxxing". Un développeur médian consomme environ 51 millions de tokens par mois selon une étude Jellyfish publiée en avril 2026, tandis que les 10 % de plus gros consommateurs dépassent 380 millions de tokens mensuels, soit un coût pouvant atteindre 700 dollars par mois aux tarifs de l'API Claude. Ce détournement révèle les effets pervers d'une gouvernance par les métriques dans les entreprises tech. Quand un indicateur devient un critère d'évaluation implicite, il cesse de mesurer la réalité et devient une fin en soi. "Les managers regardent ces chiffres", confie un employé anonyme, "ça crée des effets pervers et certaines personnes deviennent très compétitives." L'étude Jellyfish sur 12 000 développeurs dans 200 entreprises au premier trimestre 2026 enfonce le clou : une consommation massive de tokens produit effectivement plus de code, mais ce code nécessite davantage d'allers-retours, de supervision humaine et de corrections, ce qui annule les gains de productivité supposés. À cela s'ajoute un risque de sécurité réel : MeshClaw dispose d'un accès large à des outils internes sensibles, ce qui peut provoquer des incidents graves en cas d'usage mal maîtrisé, comme l'ont déjà illustré de récentes pannes chez AWS attribuées à des agents IA. Ce phénomène dépasse Amazon. Meta avait développé un tableau de bord interne attribuant le statut de "Token Legend" aux plus gros consommateurs de tokens, avant de le retirer sous pression, tout en maintenant un suivi officiel de l'usage IA. La pression vient du sommet : Amazon a annoncé 200 milliards de dollars de dépenses d'investissement pour 2026, en grande partie fléchés vers l'IA et les centres de données. Pour justifier ces montants astronomiques auprès des actionnaires, les directions poussent les équipes à produire des preuves d'usage, créant une mécanique où l'apparence d'adoption compte autant que l'adoption réelle. L'enjeu, désormais, est de distinguer la valeur générée par l'IA de la valeur simulée pour complaire aux tableaux de bord.

Le PDG de NVIDIA aux diplômés : votre carrière commence au début de la révolution de l'IA

Jensen Huang, fondateur et PDG de NVIDIA, a prononcé le discours de remise des diplômes de la promotion 2026 de l'Université Carnegie Mellon, dimanche 10 mai, lors de la 128e cérémonie de l'établissement pittsburghois. Devant des milliers de diplômés réunis sous la pluie au Gesling Stadium, Huang a déclaré : "Vous entrez dans le monde à un moment extraordinaire. Une nouvelle industrie est en train de naître. Une nouvelle ère de la science et de la découverte commence." S'adressant à une génération qu'il juge mieux outillée que toutes les précédentes, il a tracé un parallèle direct entre son propre début de carrière à l'aube de la révolution du PC et celui des étudiants, qui démarrent au seuil de la révolution de l'intelligence artificielle. Pour Huang, chaque grande mutation informatique -- PC, internet, mobile, cloud -- n'était qu'une étape menant à ce moment. "Mais ce qui est sur le point de se produire maintenant est plus grand que tout ce qui a précédé", a-t-il affirmé, "parce que l'intelligence est fondamentale à chaque industrie." L'impact concret que Huang décrit dépasse largement le secteur technologique. Il présente l'IA comme le moteur du plus grand déploiement d'infrastructures technologiques de l'histoire humaine, et comme "une opportunité unique en une génération de réindustrialiser l'Amérique". Dans sa vision, l'IA ne menace pas les travailleurs : elle élève leur rôle. Il prend l'exemple des radiologues, dont la tâche -- lire des scanners -- peut être automatisée, mais dont la finalité -- soigner des patients -- est renforcée. Cette distinction entre tâche et vocation s'applique selon lui aux électriciens, plombiers, techniciens et tous les corps de métier. "L'IA ne crée pas seulement une nouvelle industrie informatique. Elle crée une nouvelle ère industrielle", a-t-il insisté, tout en reconnaissant que chaque grande révolution technologique a toujours généré de la peur autant que des opportunités. Jensen Huang n'est pas un orateur neutre dans ce débat : NVIDIA est devenu, en quelques années, le fournisseur incontournable des puces GPU qui alimentent l'ensemble de l'infrastructure IA mondiale, avec une capitalisation boursière dépassant les 3 000 milliards de dollars. Son discours s'inscrit dans un contexte de débat intense sur les risques de l'IA, la concentration du pouvoir technologique et les délocalisations industrielles aux États-Unis. Face à ces enjeux, Huang a choisi un message d'optimisme responsable, appelant scientifiques et ingénieurs à "faire progresser les capacités de l'IA et la sécurité de l'IA ensemble" -- une formulation qui a suscité des applaudissements nourris dans le stade. Pour la génération qui sort diplômée en 2026, son message était simple : "Nous sommes tous à la même ligne de départ. C'est votre moment."

Les salariés d'Amazon "tokenmaxxent" sous la pression d'utiliser les outils IA

Des employés d'Amazon ont recours à une pratique baptisée "tokenmaxxing" : ils utilisent l'outil d'intelligence artificielle interne de l'entreprise pour automatiser des tâches superflues, dans le seul but de gonfler artificiellement leurs statistiques d'utilisation de l'IA. Selon trois sources proches du dossier, Amazon a déployé à grande échelle ces dernières semaines son produit maison "MeshClaw", qui permet aux salariés de créer des agents capables de se connecter aux logiciels professionnels et d'effectuer des actions en leur nom. Certains collègues utilisent ce système pour générer de l'activité IA supplémentaire et inutile, augmentant ainsi leur consommation de tokens, ces unités de données traitées par les modèles de langage. Le phénomène révèle une tension croissante dans les grandes entreprises tech entre la pression managériale d'adopter l'IA et l'utilisation réelle et productive de ces outils. Lorsque les indicateurs de performance incluent la fréquence d'utilisation de l'IA, les employés sont incités à optimiser ces métriques plutôt que les résultats concrets de leur travail. Cela soulève des questions sérieuses sur la fiabilité des données d'adoption interne que les directions utilisent pour justifier leurs investissements technologiques. Amazon a massivement misé sur l'intelligence artificielle ces derniers mois, intégrant des outils IA dans ses processus internes et exerçant une pression visible sur ses équipes pour démontrer leur adhésion à cette transformation. Cette dynamique n'est pas propre à Amazon : dans toute la Silicon Valley, les entreprises cherchent à mesurer le retour sur investissement de l'IA, créant des systèmes d'incitation qui peuvent se retourner contre leurs propres objectifs.