29 dollars par mois et par tête. C’est ce qu’Accenture met au pot pour Claude depuis le 1er octobre. Au-delà, le surplus doit être imputé à un projet. Des messages internes obtenus par 404 Media montrent des salariés qui tournaient à 500, voire 1 000 dollars mensuels, et au moins un dont l’accès a été purement révoqué. Accenture jure qu’il n’existe pas de « limite ferme ». Techniquement, sans doute. Dans le quotidien de la personne concernée, la limite est très ferme.
La raison de ce tour de vis tient en un chiffre : plus de 65 % des contrats d’Accenture sont à prix forfaitaire. Les tokens ne sortent pas de la poche du client, ils sortent de sa marge. Le même Accenture publiait en juillet un guide à l’attention des entreprises affolées par leur facture IA. Ne coupez pas l’usage en vrac, n’ordonnez pas aux équipes d’en faire moins, routez chaque tâche vers le modèle le moins cher capable de la faire. Le document notait aussi que dans presque tous les déploiements examinés, y compris le sien, moins de 10 % des utilisateurs et des flux portent l’essentiel du coût. Et il reconnaissait que dans certains environnements, les demandes pour relever les plafonds individuels arrivent par centaines chaque jour.
Tout ce petit monde se pose la même question : combien de tokens par salarié ? Mauvaise question. Elle ne mesure rien, elle produit juste des arbitrages budgétaires qu’on regrettera.
Fais le calcul une fois. Un token, c’est environ trois quarts d’un mot. Un million de tokens, à peu près 750 000 mots, huit ou neuf romans, coûte entre 2 et 8 dollars. Un employé de bureau qui pose 30 questions par jour consomme autour de 1,3 million de tokens par mois. Six dollars. Voilà pourquoi on te vend un siège à 25 dollars sans se ruiner : l’utilisateur moyen n’a jamais été le problème.
Les gros consommateurs, c’est autre chose. Quand tu lâches un agent sur des fichiers, des vérifications de chiffres, des reprises après échec, une seule tâche peut avaler 50 000 à 500 000 tokens. Compte 12 000 dollars par an pour ta personne la plus intensive. C’est ce que dépensaient les cas cités dans les messages internes d’Accenture.
La vraie question, c’est le prix d’un travail fini. Avant l’IA, après. Et l’écart est en général si déséquilibré que le débat s’arrête là.
Un fonds d’investissement raconte son propre cas dans Fortune. Une de ses sociétés avait besoin d’un site web. Devis d’agence : 60 000 dollars. Trois personnes de l’équipe métier, aucune n’ayant jamais construit un site, l’ont fait en trois jours. Résultat meilleur que la proposition de l’agence. Ça tournait sous Windows et Mac, sur iPhone et Android, et même sur des téléphones chinois sous HarmonyOS, un détail que l’équipe n’avait pas pensé à demander. Les agents ont aussi sorti les logos en haute résolution, harmonisé des supports marketing qui ne l’avaient jamais été, et déniché des témoignages clients dont personne ne se souvenait, plus des prix que la boîte ignorait avoir gagnés. Facture de tokens : quelques centaines de dollars.
Deuxième cas, même source. Préparation d’une présentation de conseil sur une cible d’acquisition. On demande à l’IA de reformater les slides. Elle le fait. Elle vérifie aussi les faits, ce qui n’était pas demandé, et trouve plusieurs erreurs matérielles. Puis elle arrive sur la slide du prix d’offre et lâche que le prix est trop élevé, en suggérant de le baisser de 40 %. Personne n’avait sollicité son avis. Les auteurs ont vérifié le raisonnement et baissé l’offre.
Maintenant, la partie qui pique. Le même fonds s’apprêtait à recruter plusieurs profils marketing débutants autour de 60 000 dollars chacun. Il en a pris un seul, nettement mieux payé. Cette personne, non technique, conçoit les supports de la boîte et construit les outils d’analyse qui comparent les opérations des clients aux standards du secteur.
Regarde bien ce qui s’est passé. Ce n’est pas de la productivité. Personne n’a été plus rapide à faire la même chose. Trois types qui ne savaient pas coder un site en ont livré un. Un recruté marketing qui n’écrit pas de logiciel expédie un produit logiciel. La bascule est dans la capacité : un travail qui exigeait un spécialiste peut de plus en plus être fait par celui qui comprend le problème métier.
Et il faut le dire sans détour : ce sont des emplois qui ne reviendront pas. L’un des auteurs a un ami graphiste, viré avec deux collègues le jour où les nouveaux propriétaires ont estimé que l’IA pouvait tenir le rôle du service graphique. Je l’écrivais il y a dix jours à propos du temps que l’IA te fait gagner : quelqu’un d’autre le paie, et ce n’est pas une abstraction comptable. Refuser l’outil ne sauve pas ces postes, ça les repousse de deux ans et ça emporte le reste avec.
Reste à savoir si le jeu en vaut la chandelle. Jellyfish, qui mesure ce que les équipes de dev terminent réellement, a étudié 12 000 développeurs dans 200 entreprises cette année. Chez les utilisateurs les plus légers, un travail fini coûtait 28 cents de tokens. Chez les plus lourds, 89 dollars. Un facteur 320, l’équivalent du box-office de l’Eras Tour comparé à celui de JoJo Siwa. Le développeur médian tournait autour de 52 dollars par mois, le 90e centile à 691 dollars, pour un écart d’environ 7 700 dollars par an face à un salaire plusieurs fois supérieur et une production doublée. L’étude est observationnelle : elle montre une corrélation, pas une causalité. Mais la direction ne laisse pas de place au doute. Le token marginal vaut moins, et toujours bien plus qu’il ne coûte.
Une réserve de taille, quand même. L’un des auteurs a modélisé des déploiements dans quatre secteurs, détection de fraude bancaire, recherche pharmaceutique, découverte chimique, fabrication chimique, en comparant la facture émise et le coût réel une fois comptés les tentatives répétées, la capacité qui tourne à vide, la supervision et le temps humain passé à vérifier les sorties. Dans les quatre cas, la facture de tokens pesait environ un quart du total. Tu coupes la facture visible, tu coupes le quart que tu vois, et tu laisses intacte la partie qui explose.
Ce qui manque encore, c’est l’étage au-dessus. Fast Company pose le problème autrement : l’IA d’entreprise attend son moment PageRank, un signal sous-exploité qui transforme un empilement d’outils en système. Mémoire persistante, état, boucles d’apprentissage, journalisation infalsifiable. En attendant, les boîtes bricolent ça en Python, application par application, et s’étonnent que des agents se carapatent hors du bac à sable. Tant que le coût se mesure au token et pas au travail fini, elles optimisent la seule ligne qu’elles savent lire.
Le prix d’un token est affiché au centime. Le prix d’un poste qui disparaît, non. Devine lequel des deux on plafonne.
Sources :
Comments are closed