Mauvaise nouvelle : et il faudra gérer les agents IA comme des employés.
L’essentiel
— L’adoption massive de l’IA agentique fait exploser le volume de tokens consommés, malgré la baisse continue de leur coût unitaire.
— Les dépenses restent très inégales : une minorité d’entreprises investit fortement, tandis que la majorité dépense encore peu par collaborateur.
— Les entreprises les plus avancées dans l’IA recrutent davantage, loin du scénario d’une destruction immédiate de l’emploi.
— Le véritable enjeu devient managérial : les agents IA doivent être cadrés, évalués et pilotés comme des collaborateurs afin de limiter les usages inutiles et les coûts.
Nous sommes ravis de retrouver Jérémy Lacoste, contributeur sur la Réclame. Jérémy est directeur général France de l’agence Eskimoz. C’est un expert du marketing digital, des martech et de la publicité en ligne. Il a pour grande qualité de partager chaque semaine ses analyses et observations, que ce soit sur LinkedIn, dans son podcast Icebreaker, en tant qu’enseignant ou dans ses tribunes sur la Réclame.
« Vous venez d’embaucher un million de mauvais employés » … c’est le titre de l’article sur l’IA le plus stimulant que j’ai lu depuis quelques semaines. De ceux qui remettent l’Église au milieu du village parmi tout le brouhaha ambiant et viennent casser quelques idées reçues. [par George Sivulka, fondateur de Hebbia, une startup mêlant IA et finance, sur le blog de Andreessen Horowitz]
Avec en sous-titre, une conclusion qui ne laisse pas place au débat : « Pour la première fois de l’Histoire, les humains coûtent moins cher que les logiciels. »
Partons déjà du réel.
Nous avons d’un côté les Big Tech et hyperscalers qui passent leur temps à nous pousser vers le tokenmaxxing. Normal : c’est leur business. Pensons à l’affirmation de Jensen Huang (Nvidia) : « Si cet ingénieur à 500 000 $ n’a pas consommé au moins 250 000 $ de tokens, je vais être profondément alarmé ».
De l’autre côté, nous avons des boîtes qui brûlent du token à gogo, autant pour montrer patte blanche auprès des marchés, que par manque de maîtrise de ce nouvel objet dans l’entreprise. Songeons au cas extrême recensé par Axios d’une boîte qui aurait dépensé… 500 millions chez Anthropic en un mois. En cause : l’oubli de la mise en place d’une limitation dans les usages. Et surtout une totale perte de contrôle sur le tissu productif. Ça s’agite, mais sans but.
Entre les deux, une double vérité semble se dessiner :
– Jamais les tokens ont coûté si peu cher. Mais jamais aussi, les entreprises ont eu des factures IA aussi importantes. La faute à un taux d’adoption qui s’accélère et à un certain tropisme vers les meilleurs modèles. C’est le paradoxe de Jevons qui tourne à plein régime.
Résultat, la consommation de tokens a été multipliée par 10 en un an d’après les chiffres Ramp. Un rythme exponentiel qui s’explique à la fois par la démocratisation de l’IA agentique très gourmande en jetons et la généralisation des moteurs de code à la Cursor ou Claude Code.
Goldman Sachs parle même d’une multiplication par 24 d’ici 2030. Une pièce que l’on sera bien au-dessus. En espérant que le coût du token soit proche de zéro, ainsi que les volumes nécessaires pour exécuter l’action demandée ;
– Les 10% des entreprises les plus matures sur l’IA dépensent… 611$ par mois par employé en IA. Le prix d’un set-up informatique classique. Loin, très loin de la vague inflationniste incontrôlable qu’on nous promet. Mieux, pour l’entreprise moyenne, la douloureuse se réduit même à 11$ par mois par collaborateur, à peine une licence Claude en somme.
Et l’écart type entre les 2 déciles extrêmes est même de 1 sur 63, ce qui veut dire en gros que : la plupart des entreprises dépensent très peu en IA, tandis qu’une infime minorité investit des millions.
Un élément qui devrait nous faire réfléchir : les entreprises qui sont bullish sur l’IA aujourd’hui sont aussi celles qui recrutent le plus. De là à savoir si c’est la cause ou la conséquence ? Reste que c’est un joli pied de nez au discours ambiant sur la destruction de l’emploi par l’IA. À court terme, rien à l’horizon, au contraire même.
À long terme, c’est en revanche une autre paire de manche : car aujourd’hui, l’asymétrie dans l’adoption de l’IA profite clairement à l’entreprise qui a fait le 1er pas. Mais après-demain, quand tout le monde aura intégré dans son OS ces modèles ? Quand toutes les boîtes de comptabilité seront passées sous l’étendard IA, faudra-t-il autant de comptables ? Sûrement que non.
En revanche, cela nous laisse bien 10 ans pour opérer cette mue qui avance toujours moins vite que dans un Excel ; et cela ne veut pas pour autant dire que la somme des emplois globaux s’atrophie.
En attendant que faire ? Prendre la mesure que :
– L’application de l’IA, c’est moins performant que ce que l’on nous vend. Et c’est bien normal. Dans sa tribune, George Sivulka rappelle l’exemple du chemin de fer qui à la suite d’une collision entre deux trains, favorisée par l’accroissement sans contrôle des lignes, a dû recruter en masse des opérateurs de voie. Avec l’IA, on est exactement en train d’entrer dans cette phase.
– La démocratisation de l’IA qui s’opère se fait de manière plutôt anarchique. Les organisations ont décidé de la mettre dans les mains de l’ensemble des collaborateurs, même des moins pertinents. Je sais que ce n’est pas politiquement correct de le dire, mais posons la question : pourquoi avoir fait ce choix arbitraire de l’offrir à tous, avec son lot de désagréments que cela procure ? Je pense que beaucoup d’entreprises ne se sont même pas posé la question.
– La gestion de l’IA est plus difficile que celle des collaborateurs, alors même que l’on pense l’inverse. Pour une raison simple : son principe de diffusion et de distillation. Une même erreur est instantanément diffusée et répliquée. À l’inverse, hormis le codage, avez-vous en tête un cas d’usage massif d’IA qui génère du revenu au centuple ? Je cherche encore.
Conséquence, et c’est la conclusion de la tribune, il faut gérer les agents IA comme on gère un effectif humain. Et ce pour 7 raisons :
1. Le tokenmaxxing est une mauvaise réponse : à date, 80% des tokens utilisés sont tout simplement gâchés. Par manque de maîtrise. Par surdimensionnement des modèles. Par cas d’usages flous. Par tests sans queue ni tête.
Les boîtes ont créé cette dynamique vers le tout-token et en payent désormais l’addition. a16z [le petit nom d’Andreessen Horowitz, ndlr] a calculé le cout du mauvais cadrage : X80 sur les tokens consommés. Dur.
2. Les loops d’agents IA sont en fait des réunions de réunions : dans Claude Code, les boucles ne sont souvent que des pansements sur une jambe de bois. Peu de personnes maitrisent vraiment le passage à l’échelle.
Ces loops compensent des insuffisances humaines. Un agent qui s’auto-corrige, c’est finalement la traduction d’une commande mal posée. Un peu comme ces réunions de cadrage.
3. Les jetons gaspillés sont le nouveau facteur de sureffectif : L’entreprise est globalement un système non efficient où chaque collaborateur vient suppléer un process qui n’est pas optimum. Soyons honnêtes. Et ce n’est pas très grave, cela fonctionne quand même.
C’est exactement ce qui se passe aujourd’hui avec nos prompts. Ils sont loin d’être efficaces, sous-optimisés, mais à la fin des fins, l’output est là. Même s’il pourrait être 5 fois meilleur.
4. Les tokens 100X sont les nouveaux ingénieurs 10X : aujourd’hui, les entreprises en hyper-croissance le doivent à une poignée de top players dans leur effectif qui leur permettent de faire X10.
Grâce à la mise à l’échelle que permet l’IA, ce X10 peut se transformer en X100. Les humains coûtent en moyenne moins cher que les tokens, mais les bons tokens sont moins chers à grande échelle.
Or aujourd’hui, un peu comme un budget marketing : on sait que 50 % sont à jeter, mais on ne sait pas lesquels.
5. L’accumulation de contexte est la dernière tactique pour préserver son emploi : beaucoup pensent que la meilleure façon d’être central dans l’entreprise est de conserver l’unicité de son savoir. C’est évidemment contre-productif pour l’entreprise.
Et cette privatisation du contexte est encore plus pénalisante dans un environnement IA. Toute l’énergie des directions doit être de favoriser cette diffusion du knowledge dans l’entreprise et dans les modèles d’IA.
Et tant pis si, comme le dit le patron de Microsoft, cela revient à payer deux fois les modèles d’IA : en token et en apprentissage sur nos données propriétaires.
6. Les évaluations sont les nouveaux OKR : pourquoi le codage par IA fonctionne-t-il si bien ? Tout simplement car il est mesuré par la viabilité de sa livraison. Le code fonctionne ou non.
Comment jauger de la pertinence d’un contenu généré ; d’un asset produit ; d’une stratégie pondue ? Globalement, le manque de use case mesurable à l’aune de l’IA en fait aujourd’hui un objet brouillon. Il faut passer d’une logique de moyens (on doit produire X), à une logique de résultats (on doit atteindre Y).
7. La prochaine opportunité à mille milliards de dollars est l’entreprise de transformation. Un constat dur : personne à date ne dispose d’une IA 100 % fiable, malgré 3 ans à investir le sujet.
Les entreprises qui vont capter l’hyper-croissance ne seront pas les entreprises IA natives, mais plutôt celles qui vont se positionner sur la transformation IA. Typiquement le play dont s’emparent les grands cabinets de conseil, mais aussi les moteurs IA qui lancent tous en spin-off des structures de déploiement IA in-house pour les entreprises.
(Et Eskimoz sur le marketing search, avec un all-in sur la tech propriétaire & l’expertise humaine)
En somme : il faut gérer les agents IA comme les employés. Ce qui est plutôt une bonne nouvelle, car ça, on sait globalement (maladroitement ?) faire. Reste une inconnue : qui doit leur dire quoi faire aux deux ?
