Uber et la Dépendance à l’IA : Un Budget Écrasé en Quatre Mois
Le CTO d’Uber, Praveen Neppalli Naga, a récemment expliqué comment l’entreprise a déployé Claude Code parmi ses 5 000 ingénieurs. Cette adoption a explosé, passant de 32 % à 84 % en seulement un mois. Cependant, cette une utilisation intensive a eu un coût : les dépenses ont grimpé de 500 à 2 000 dollars par programmeur par mois, conduisant Uber à épuiser tout son budget annuel pour l’IA en l’espace de quatre mois. Nous assistons ici à la fin des subventions pour l’intelligence artificielle.
Une Tendance Générale : Le Cas de Microsoft
Uber n’est pas une exception. Microsoft, ayant des ressources quasiment illimitées via Azure, a également décidé de limiter les licences internes de Claude Code à ses développeurs. Cette démarche vise à contrôler les dépenses opérationnelles avant la clôture de l’année fiscale, tout en favorisant l’utilisation de ses propres outils, notamment GitHub Copilot.
GitHub et la Fin de la Tarification Forfaitaire
Depuis le 1er juin 2026, GitHub a abandonné son option de “tarification forfaitaire”, optant plutôt pour un modèle de facturation basé sur l’utilisation. Ce changement signifie que la base d’abonnement reste, mais les utilisateurs doivent maintenant compter sur des “crédits d’IA”. L’utilisation intensive de GitHub Copilot peut rapidement épuiser ces crédits, obligeant les développeurs à payer des frais supplémentaires pour continuer à travailler.
Le Coût Caché de l’Intelligence Artificielle
Un utilisateur sur X, appelant Hedgie, a partagé un graphique révélateur pour expliquer cette dynamique. Dans le modèle SaaS traditionnel, les coûts des serveurs varient peu en fonction de l’utilisation. Cependant, l’IA fonctionne de manière exponentielle. Lorsqu’un agent IA comme Claude Code commence à fonctionner, il peut générer des milliers, voire des millions d’appels API, entraînant des coûts faramineux.
Les Conséquences Économiques pour les Firme d’IA
Les entreprises comme OpenAI et Anthropic se trouvent face à un dilemme. Si leurs clients, comme Uber, commencent à réduire l’utilisation de l’IA pour maîtriser leurs budgets, leurs revenus pourraient en souffrir. Une autre approche consisterait à réduire artificiellement les prix pour garder ces clients, ce qui pourrait nuire à leur rentabilité en absorbant des pertes importantes.
La Dépendance et l’Addiction à l’IA
Les entreprises se rendent compte que bien que l’IA soit bénéfique, elle peut devenir coûteuse. Ce modèle économique n’est pas nouveau. Nous avons déjà vu des entreprises proposer des services à bas prix pour ensuite augmenter les tarifs une fois qu’elles ont accrété une base d’utilisateurs suffisante.
Le Futur de l’IA : Alternatives et Perspectives
Nous avons déjà constaté ce phénomène avec des services comme Google Photos et les plateformes de streaming, qui attirent les utilisateurs avec des coûts réduits avant d’augmenter progressivement les prix. Dans le domaine de l’IA, la tendance est similaire : attirer les utilisateurs avec des offres avantageuses pour ensuite limiter les services gratuits et les inciter à payer pour bénéficier pleinement des fonctionnalités. Les utilisateurs pourraient cependant se tourner vers des modèles locaux ou des plateformes alternatives, mais pour ceux qui proposent les meilleures performances, la stratégie reste claire : maximiser les revenus après une phase d’acquisition.