Une pratique en plein essor
Une méthode d'évaluation des salariés fondée sur leur utilisation de tokens – ces unités de données servant à interagir avec les modèles d'intelligence artificielle – monte en puissance dans le monde professionnel. Connue sous le nom de « tokenmaxxing », cette approche vise à inciter les employés à maximiser leur recours à l'IA en interne. Pourtant, en se focalisant exclusivement sur la quantité de tokens consommée sans tenir compte des coûts engendrés ni du gain de productivité effectif, ce phénomène suscite de vives inquiétudes. Selon plusieurs observateurs, il s'apparente davantage à un cauchemar managérial qu'à une avancée vertueuse.
Des budgets rapidement absorbés
Aveuglées par leur volonté d'accélérer l'adoption de l'IA au sein de leurs équipes, certaines entreprises ont fait du niveau d'utilisation des tokens leur principal indicateur clé de performance (KPI). Les conséquences budgétaires s'avèrent catastrophiques. Des cas récents illustrent cette dérive : Uber a ainsi épuisé son budget annuel consacré à l'IA en seulement quatre mois. Ce phénomène, qualifié de « tokenmaxxing », a sonné le glas chez plusieurs géants de la technologie, où les dépenses non maîtrisées ont contraint à des révisions drastiques.
Un indicateur trompeur
Le problème fondamental du tokenmaxxing réside dans son incapacité à mesurer la valeur réelle créée par l'IA. En récompensant la simple consommation de tokens, les directions encouragent des usages parfois inutiles ou redondants, sans lien avec une amélioration de la productivité. Les spécialistes soulignent que cette approche favorise une course à la quantité plutôt qu'à la pertinence. Les entreprises qui adoptent ce type de métrique risquent non seulement de gonfler artificiellement leurs coûts opérationnels, mais aussi de fausser leurs diagnostics sur l'efficacité réelle des outils déployés.
Des inquiétudes chez les DSI
Les directeurs des systèmes d'information (DSI) sont en première ligne face à ce casse-tête. L'adoption mal maîtrisée des agents d'IA en entreprise, combinée à des indicateurs inadaptés, leur impose une gestion de plus en plus complexe. Les bilans intermédiaires montrent que les budgets alloués à l'IA sont souvent consommés bien plus rapidement que prévu, sans que les retours sur investissement soient clairement établis. Certains experts appellent à repenser les métriques d'évaluation, en privilégiant des indicateurs de performance liés à la qualité du travail accompli plutôt qu'au volume de données traitées.
Une transformation sans rupture massive
Parallèlement, la transformation du marché de l'emploi liée à l'IA ne se traduit pas par une rupture brutale. Les analyses récentes indiquent un creusement du fossé générationnel : les jeunes actifs, plus familiers avec ces technologies, les intègrent plus naturellement, tandis que les salariés plus âgés peinent à s'adapter. L'enjeu, pour les entreprises, est de former l'ensemble des collaborateurs sans céder à la tentation de mesurer l'adoption par des indicateurs simplistes. « Connaître l'IA va devenir aussi indispensable que Word ou Excel », a déclaré le patron d'IBM Consulting, soulignant la nécessité d'une alphabétisation numérique élargie.
Vers une régulation des pratiques ?
Face à ces dérives, des voix s'élèvent pour demander une meilleure encadrement des pratiques d'évaluation liées à l'IA. Les autorités de régulation économique commencent à s'intéresser à ces méthodes, qui peuvent fausser la concurrence et générer des coûts cachés pour les actionnaires. Certains observateurs préconisent la mise en place de normes de transparence sur les coûts réels des tokens et sur les critères de productivité associés. En attendant, les entreprises adeptes du tokenmaxxing pourraient devoir revoir leurs priorités, sous peine de voir leurs budgets s'envoler sans bénéfices tangibles.
