Selon un rapport de l'Associated Press, l'engouement des entreprises pour le « tokenmaxxing » sur la technologie de l'intelligence artificielle atteint ses limites, car les lieux de travail qui lancent l'IA partout voient leurs coûts augmenter sans une augmentation similaire de la productivité, selon un rapport de l'Associated Press.
Ce qui a commencé comme un battage médiatique alimenté par l'industrie technologique au printemps 2026 pour extraire autant de travail généré par l'IA que possible de produits comme ChatGPT d'OpenAI et Claude d'Anthropic s'est transformé en une réaction négative en été. Les dirigeants, les analystes et les développeurs se demandent désormais ouvertement si maximiser la consommation de jetons d’IA a jamais été une bonne stratégie. Pour une couverture continue du paysage commercial de l'IA, visitez notre dernier rapport sur l'industrie de l'IA.
La montée et la chute d'une mode
Le « Tokenmaxxing » fait référence à la maximisation de l'utilisation des jetons, les éléments constitutifs de l'IA générative qui correspondent à de petits morceaux de texte qu'un système d'IA lit ou écrit. Chaque jeton représente environ les trois quarts d'un mot, et les fournisseurs d'IA imposent généralement des limites d'utilisation, les abonnements plus chers offrant des plafonds plus élevés.
Cette tendance a été activement promue par certains des leaders technologiques les plus éminents. Le PDG d'OpenAI, Sam Altman, a déclaré en mai 2026 qu'il était « ravi de voir ce qui se passerait avec les startups tokenmaxxing, à la fois pour la façon dont elles fonctionnent en interne et pour les produits qu'elles peuvent créer ». Le PDG de Nvidia, Jensen Huang, a déclaré que "si votre ingénieur de 500 000 $ ne brûle pas 250 000 $ en jetons, quelque chose ne va pas". Meta, la société mère de Facebook, a organisé un concours interne récompensant une utilisation élevée de jetons.
Mais à mesure que les coûts s’accumulaient, l’enthousiasme diminuait. "Au fur et à mesure que les factures ont commencé à s'accumuler, les gens ont réalisé que ces nouveaux outils sont assez chers et qu'il faut les utiliser à bon escient", a déclaré Vincent Gusdorf, responsable de l'analyse de l'IA chez Moody's Ratings et auteur d'un nouveau rapport recommandant une approche plus disciplinée.
"Il est très facile de créer quelque chose dont vous n'avez pas besoin avec l'IA", a ajouté Gusdorf.
Réaction des dirigeants
La réaction négative a été menée par certaines des voix les plus influentes de l’industrie technologique. Le PDG de Microsoft, Satya Nadella, a admis que le tokenmaxxing peut créer une dépendance, mais a averti que les clients paient effectivement deux fois pour l'IA : d'abord en dépenses en jetons, et ensuite en fournissant leurs données exclusives aux fournisseurs d'IA. Les commentaires de Nadella étaient inhabituels dans la manière dont il soulevait des doutes sur les garanties de protection des données des principales sociétés d'IA, alors même qu'il promouvait la propre stratégie d'IA de Microsoft.
Le PDG de Palantir, Alex Karp, est allé plus loin en déclarant à CNBC que quelque chose s'était "complètement mal passé". Il a déclaré qu'il canalisait en privé la voix des entreprises américaines « furieuses » de payer des sommes énormes pour des jetons qui ne créent aucune valeur.
"Le point de vue fondamental parmi les entreprises de ce pays est le suivant: 'Je vais me détendre et perdre mon temps avec des jetons. Je n'obtiendrai aucune valeur et elles obtiendront ma propriété intellectuelle'", a déclaré Karp.
Le directeur de la technologie de Mozilla, Raffi Krikorian, a comparé le tokenmaxxing à la pratique discréditée consistant à mesurer la productivité des programmeurs par lignes de code. "Je pense que tokenmaxxing évolue exactement selon le même schéma", a-t-il déclaré. "Je pense que cela va être un événement intéressant dont nous allons tous rire dans un an."
Le problème des coûts à grande échelle
L’impact financier devient flagrant à l’échelle de l’entreprise. Jue Wang, consultante en gestion de Bain & Company, a déclaré que bon nombre des grandes entreprises conseillées par son cabinet examinaient de plus près les retours sur leurs investissements en IA.
"Le coût symbolique pour eux a doublé presque tous les deux mois", a déclaré Wang. "Disons 200 $ par développeur et par mois. Multipliez cela par 20 000 développeurs, ce qui est souvent le cas dans ces entreprises, et cela vous amène rapidement à un chiffre qui n'est pas un poste prévu par un directeur général."
Wang a souligné un modèle d’utilisation abusive courant : utiliser par défaut les modèles d’IA les plus puissants – et les plus coûteux – pour les tâches qui n’en nécessitent pas. "Tout n'a pas besoin d'un Claude Opus 4.6", a-t-elle déclaré à propos de l'un des modèles les plus performants d'Anthropic, adapté au génie logiciel ou à la recherche approfondie. "Et pourtant, vous voyez tant d'entreprises, tant d'utilisateurs utiliser par défaut Opus pour tout, y compris la génération d'e-mails."
L'essor du routage de modèles et des poids ouverts
La pression sur les coûts a alimenté la demande d'outils de « routage de modèles » d'IA qui envoient automatiquement des requêtes plus simples à des systèmes d'IA moins chers et plus efficaces tout en réservant des modèles puissants aux tâches complexes. Le développeur de logiciels Hassan El Mghari, qui dirige l'expérience des développeurs au sein de la startup Together AI, a déclaré que le choc des entreprises face à la « somme d'argent ridicule » dépensée en abonnements aux produits d'IA des principales sociétés américaines a conduit de nombreuses personnes à repenser l'approche d'optimisation de l'utilisation.
"Il est préférable de simplement donner aux employés les moyens d'utiliser ces éléments et de les laisser utiliser l'IA quand et autant qu'ils en ont besoin", a déclaré El Mghari.
Pendant ce temps, les partisans d'une consommation élevée de jetons trouvent de nouvelles munitions dans les modèles à poids ouvert de startups chinoises comme Kimi de Moonshot et GLM de Zhipu, qui correspondent presque aux capacités des meilleurs modèles américains à une fraction du coût. Krikorian a reconnu qu'il y a « une certaine validité à la théorie selon laquelle cela pourrait pousser le tokenmaxxing un peu plus loin », mais a maintenu que la tendance plus large de l'industrie est vers une utilisation plus disciplinée.
Leçons pour l'entreprise
L'épisode tokenmaxxing propose une mise en garde pour les entreprises qui naviguent dans le paysage de l'IA. Alors que les principaux développeurs de modèles d'IA comme OpenAI et Anthropic ont bénéficié de l'augmentation de la consommation, l'expérience a incité de nombreuses organisations à adopter des approches plus mesurées, en se concentrant sur des cas d'utilisation spécifiques où l'IA fournit des retours mesurables plutôt que de maximiser les mesures d'utilisation brutes.
Alors que le cycle initial de battage médiatique sur l’IA cède la place à une mise en œuvre pragmatique, les entreprises qui réussiront seront peut-être celles qui traitent l’IA comme un outil de précision plutôt que comme un instrument brutal, faisant correspondre le bon modèle à la bonne tâche et surveillant de près la facture.
