L’IA agentique présente sa facture : combien coûte vraiment un PR généré ?

Uber vient de plafonner ses ingénieurs à 1 500 $ de tokens par mois et par outil de code [1]. Le tokenmaxxing avait son leaderboard ; il a maintenant son addition. La vraie question de 2026 n’est plus “est-ce que ça code bien ?”, mais “combien ça coûte, et qu’est-ce que je laisse vraiment faire à un agent ?”.

La fête est finie, place au compteur

Le signal est venu de Uber, qui avait cramé son budget IA annuel en quatre mois [1]. La réponse : 1 500 $ mensuels par outil agentique (Cursor, Claude Code), soit en assumant deux outils par dev environ 36 000 $/an — près de 11 % du package médian d’un ingénieur Uber. Mettre un chiffre sur le plafond, c’est admettre que l’IA de code est devenue une ligne budgétaire qu’on arbitre, pas un gadget qu’on subventionne.

Et cet arbitrage a désormais sa métrique. Microsoft a ajouté l’usage moyen de tokens sur la fiche de sortie d’un modèle : son MAI-Code-1-Flash atteint 71,6 sur SWE-Bench Verified avec environ un tiers des tokens de Claude Haiku 4.5 [2]. Le benchmark se lit maintenant sur deux axes : la performance, et le coût pour l’atteindre. La question de l’acheteur tient en trois mots : intelligence par dollar.

Same answer, 40% more expensive.

GPT 5.5 et Claude Opus 4.8 finissent à un point l’un de l’autre sur l’Intelligence Index, autour de 60 — mais l’un coûte 3 357 $ à faire tourner, l’autre 4 685 $ [2]. L’ère des subventions et de la performance à tout prix se referme. Désormais chaque couche de la stack doit se facturer comme le client raisonne : au résultat. Pas au token, mais au ticket fermé, au PR mergé, au cas support résolu.

Quand coder n’est plus le goulot d’étranglement

Si on paie au résultat, encore faut-il savoir ce qu’on produit. Et là, le métier a basculé. Sur l’équipe Claude Code, écrire du code, des tests, refactorer ne ralentit quasiment plus personne — ce sont la vérification, la revue de code et la sécurité qui ont pris la place du goulot [3]. Le constat n’est pas isolé : Christoph Pojer raconte qu’il n’écrit quasiment plus de code à la main, avec des projets entiers à 90 voire 100 % écrits par l’IA, dont des features en Rust — un langage qu’il ne connaît même pas [4].

Quand le coût de production tombe, les vieux process tombent avec. L’équipe Claude Code a réécrit ses normes : roadmaps en just-in-time plutôt que sur six mois, design docs remplacés par des prototypes, et un réflexe nouveau — pour comprendre un changement, on demande à Claude, plus à l’auteur du commit [3]. Les processus qu’on avait mis en place pour économiser un temps d’ingénieur devenu rare n’ont plus de raison d’être quand ce temps n’est plus rare.

Le vrai sujet : contenir le rayon de souffle

Plus un agent fait de choses, plus il peut faire de dégâts. Anthropic le dit sans détour : il y a un an, donner à Claude un accès suffisant pour casser un service interne aurait été rejeté d’emblée ; aujourd’hui c’est routinier [5]. La probabilité d’incident baisse avec les garde-fous, mais le blast radius — l’ampleur des dégâts possibles — ne fait que croître. Et la supervision humaine est une illusion confortable : leur télémétrie montre que les utilisateurs approuvent 93 % des demandes de permission. Plus on voit de pop-ups, moins on les lit.

La réponse n’est donc pas de mieux surveiller ce que l’agent fait, mais de borner ce qu’il peut faire : sandboxes, VMs, contrôle des sorties réseau [5]. On ne demande pas à un enfant s’il a le droit de prendre un dessert — or aujourd’hui, c’est souvent l’agent lui-même qui décide des outils qu’il peut appeler [6].

Cerbos résume le trou dans la raquette par une phrase qui colle : les frameworks gouvernent ce que les modèles disent, presque rien ne gouverne ce que les agents font [6]. Trois chantiers s’ouvrent avant l’échéance de l’EU AI Act : une identité par instance d’agent (et non par classe), un audit qui survit aux délégations entre sous-agents, et une couche d’orchestration qui ferme l’accès par défaut quand la politique de sécurité n’est plus joignable.

Coût, contrôle, et maintenant l’électricité

Cette double pression — payer au résultat et contenir le risque — a une racine physique. À mesure qu’on passe de l’entraînement à l’inférence, le facteur limitant n’est plus la puce mais le courant qui l’alimente : une requête LLM consomme jusqu’à 10 fois plus d’électricité qu’une recherche Google [7]. Les décideurs qui parlaient de FLOPS parlent désormais de mégawatts. L’intelligence par dollar n’est au fond que la version comptable d’un coût bien réel : celui de l’énergie.

Le fil qui relie tout ça : 2026 est l’année où l’IA agentique sort de la démo. On arrête de mesurer le génie, on commence à mesurer le coût et le risque. Reste une question pour les équipes : sait-on déjà ce que coûte, chez nous, un PR généré — et ce qu’il peut casser ?

---

Sources

1. Uber Caps Usage of AI Tools Like Claude Code to Manage Costs
2. Intelligence Per Dollar
3. Running an AI-native engineering org
4. Modern Engineering Values
5. How we contain Claude across products
6. Authorization for AI agents: What to build before the EU AI Act deadline
7. IA : La course aux GPU est morte. Vive les mégawatts !

Pour aller plus loin

• AI Agents Are the New Insiders — pourquoi un agent autonome doit se gérer comme une menace interne, pas comme un simple outil.
• You’ll Get Re-Orged Again This Year. Here’s How to Be Ready. — quand l’IA redessine les org charts, savoir traverser une réorg devient une compétence de survie.
• How we contain Claude across products — le retour d’expérience d’Anthropic sur les échecs de sécurité les plus surprenants de ses déploiements agentiques.

Cet article a été rédigé en m’appuyant sur une IA pour m’aider à synthétiser et structurer ma veille. Les idées, le choix des sources et la relecture restent les miens.