L'histoire a fait le tour des rédactions tech : Uber a consommé l'intégralité de son budget IA 2026 en quatre mois, avant d'instaurer un plafond de 1 500 $/mois par employé et par outil de codage agentique - Claude Code d'Anthropic et Cursor sont nommément cités. L'information, partie d'une dépêche Bloomberg, a été relayée par ActuIA, Challenges et analysée par Simon Willison sur son blog.
Le récit dominant : l'euphorie laisse place à la sobriété, la facture rattrape la promesse. C'est vrai. Mais s'arrêter là, c'est passer à côté de l'essentiel. Le dépassement budgétaire d'Uber est d'abord un symptôme de succès.
Un dépassement, oui - mais parce que ça marche
Regardons les chiffres avant de tirer la sonnette d'alarme. Début 2026, près de 95 % des quelque 5 000 ingénieurs d'Uber utilisaient des outils d'IA chaque mois. L'entreprise avait même gamifié l'adoption avec un classement interne. Résultat : ça a fonctionné - peut-être trop bien. Un ingénieur générait entre 500 et 2 000 $ de tokens par mois ; selon Pragmatic Engineer, 84 % des développeurs d'Uber utilisent déjà des agents de code.
Le budget, lui, avait été fixé fin 2025, avant que Claude Code et Cursor ne deviennent des outils du quotidien. C'est tout le problème : on a budgété un usage de 2025 pour une réalité de 2026. Comme l'a résumé Simon Willison, le plafond de 1 500 $/mois n'est pas un frein, c'est un signal de prix rationnel pour l'industrie - l'équivalent d'environ 11 % du package total d'un ingénieur d'Uber. À ce prix, si le gain de productivité suit, le calcul reste largement favorable.
L'erreur d'Uber n'était pas une adoption agressive de l'IA. C'était de fixer des objectifs d'adoption sans gouvernance de coûts correspondante.
Le vrai sujet : tracer une ligne entre la dépense et la valeur
Le passage le plus lucide vient du COO d'Uber, Andrew Macdonald, qui a reconnu sur un podcast qu'« il est très difficile de tracer une ligne » entre la consommation de tokens et les fonctionnalités utiles livrées aux utilisateurs. Le lien, dit-il, « n'est pas encore là ». Voilà le cœur du problème - et il n'est pas financier, il est organisationnel.
Quand 10 % du code est écrit par des agents, cela ne se traduit pas mécaniquement par 10 % de fonctionnalités en plus. Sans relier la dépense à un résultat - une fonctionnalité, une version, un livrable - le poste « IA » reste une ligne qui grossit au retour incertain. La réponse d'Uber (un plafond uniforme) est rationnelle mais brutale : c'est un garrot, pas un pilotage. La vraie réponse, c'est l'instrumentation.
Notre conviction : les tokens, c'est l'argent du client. Un plafond aveugle traite tous les usages pareil. Or une session qui livre une fonctionnalité attendue n'a rien à voir avec une session qui tourne en rond. La bonne unité de mesure n'est pas « par employé », c'est « par fonctionnalité livrée ».
Mesurer mieux, pas dépenser moins
L'enseignement d'Uber n'est pas « ralentissez l'adoption ». C'est « construisez la gouvernance qui permet de la pérenniser ». Sur ce terrain, quelques principes font consensus - et ce sont exactement ceux que nous appliquons chez Survol :
- Rattacher chaque token à son objet. Suivi de la consommation par session, par version et par fonctionnalité - pas seulement par personne. C'est ce qui permet enfin de « tracer la ligne » que cherche Uber.
- Tableaux de bord dès le premier jour. La visibilité change les comportements avant même les limites. Beaucoup d'ingénieurs ignorent le coût réel de leur usage jusqu'à ce qu'ils le voient.
- Le bon modèle pour la bonne tâche. Réserver les sessions agentiques lourdes aux refactorings et au débogage multi-fichiers ; un choix de modèle adapté à la tâche peut réduire la facture de 40 à 60 % sans perte de productivité.
- Un contexte taillé sur mesure. Envoyer la spec, les décisions et les fichiers concernés - rien de plus. Un contexte minimal, c'est moins de tokens à qualité égale.
- Des plafonds avec dérogation, pas des murs. Uber autorise les dépassements au cas par cas : la friction décourage le gaspillage sans bloquer le travail à forte valeur.
# Plafonner « par employé » vs rattacher la dépense à la valeur plafond_uber: "1 500 $/mois/outil" # aveugle : un garrot suivi_survol: fonctionnalité: "Codes promo & bons cadeaux" version: "v2.0" tokens: "42 100 - modèle choisi selon la tâche" livré: "préview validée le 18/06" # la ligne est tracée
À noter aussi : Uber donne déjà à chaque employé un tableau de bord de sa consommation et autorise les exceptions managées. C'est la bonne direction. Il manque juste le maillon qui relie ce suivi à ce qui est produit. Et une enquête de Bain & Company citée par Bloomberg le confirme : 40 % des entreprises qui suivent leurs dépenses IA n'ont pas atteint leurs objectifs de réduction de coûts - pourtant 83 % des directeurs financiers comptent augmenter leur budget IA de plus de 15 % sur deux ans. L'argent continue d'arriver. Ce qui manque, c'est la boussole.
Ce qu'on en retient
- Un budget IA annuel consommé en quatre mois est d'abord le signe que l'outil a trouvé son public.
- 1 500 $/mois par outil est désormais un repère de marché : les entreprises sont prêtes à payer si le ROI suit.
- Le plafond uniforme est une rustine ; la solution durable, c'est de relier chaque token à une fonctionnalité livrée.
- Chaque équipe qui déploie des agents aujourd'hui aura cette conversation budgétaire dans 6 à 12 mois. Autant l'avoir à ses conditions.
Uber n'a pas découvert que l'IA coûte cher. Il a découvert qu'il pilotait sans tableau de bord relié au produit. C'est une leçon qu'on peut apprendre en lisant la presse - ou en se dotant, dès maintenant, des bons instruments.
