Arrêtez de compter les tokens, comptez ce qui est livré
Quand un développeur confie une tâche de codage à un agent d'IA, celui-ci ne répond pas une seule fois. Il planifie, génère du code, lance des tests et recommence pour corriger ses erreurs, ce qui peut consommer 10 à 50 fois plus de jetons qu'une simple requête de chat. Plus l'agent est utile, plus il multiplie les appels, et la tarification au jeton rend les usages les plus rentables aussi les plus coûteux. La pression financière est déjà visible : Uber aurait épuisé son budget IA de 2026 dès avril après avoir étendu son usage de Claude Code, GitHub Copilot est passé d'un forfait fixe à des crédits mesurés, et Gartner prévoit qu'en 2028 le coût des jetons pour le codage assisté dépassera le salaire moyen d'un développeur. Face à cela, la réaction naturelle consiste à rationner (plafonds, limites de licences, validations préalables). L'auteur y voit une erreur : le coût par jeton mesure la consommation, pas le résultat, et ni un compteur ni un plafond ne distinguent le gaspillage (nouvelles tentatives, boucles incontrôlées) du travail réellement utile.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MIT Technology Review. Lire l'article original →
Il propose donc de mesurer le coût par pull request fusionnée, c'est-à-dire le coût total du développement assisté par IA divisé par le nombre de changements validés en revue et intégrés, en suivant en parallèle les reprises et les défauts pour que des changements moins chers ne masquent pas une baisse de qualité. Si ce coût diminue alors que l'usage augmente, la consommation se convertit bien en logiciel livré. Deux leviers sont avancés. D'abord, réserver les modèles de pointe (ou un modèle phare hébergé en interne si la politique de sécurité l'exige) à la planification difficile et au raisonnement inédit, et confier la génération de code, la création de tests et les refactorisations répétitives à des modèles à poids ouverts exploités en propre, via une passerelle qui route selon la complexité, la sensibilité des données, le coût et la latence. Ensuite, posséder la capacité : les coûts sont alors engagés d'avance et chaque appel supplémentaire revient moins cher, à condition d'intégrer énergie, exploitation, maintenance et amortissement dans le calcul.
Ce raisonnement s'inscrit dans un contexte où les benchmarks de génie logiciel montrent que les meilleurs modèles ouverts approchent le niveau des modèles de pointe sur certaines tâches, sans équivalence garantie pour tous les dépôts, d'où la nécessité de les évaluer sur son propre code et ses propres critères d'acceptation. L'exécution sur site présente un avantage que ne montre aucune facture : le code propriétaire reste dans l'entreprise, seuls les prompts de planification approuvés partant vers l'extérieur. Cela ouvre les dépôts sensibles, là où la sécurité freine d'ordinaire l'adoption. Chez HPE, une plateforme d'IA hybride oriente les charges courantes de plus de 150 applications internes vers des modèles ouverts exécutés sur site, notamment sur HPE Private Cloud AI, avec une baisse des coûts de jetons de 30 à 50 %.
Pas d'impact direct sur la France/UE