Amazon dépense par erreur 1,8 M$ en utilisant une IA Claude pour des tâches de programmation au final non livrées, mais catastrophiquement coûteuses avec un dépassement de budget de 860 %

Les équipes d’ingénierie d’Amazon ont constaté des cas où le passage du code manuscrit aux modèles d’intelligence artificielle a dépassé les budgets de projet, notamment 1,8 million de dollars dépensés pour exécuter Claude Sonnet d’Anthropic sur un travail qui n’a jamais été livré. Ces cas ont fait l’objet de présentation en interne lors d’une réunion le 28 juillet 2026. Conclusion : « Projets catastrophiquement coûteux », selon un rapport du Financial Times, citant plusieurs personnes familières avec la présentation. Bienvenue à l’ère de la tarification par jetons qui donne le tournis aux entreprises qui s’activent alors en quête de solutions.

L’exemple le plus important est celui de l’échec d’un projet d’enregistrements d’auteurs aux listes de produits sur le site de vente au détail d’Amazon en dépit de la mise à contribution des outils d’IA

Les dépenses ont dépassé de 860 % ce que le projet avait budgétisé, ont mis cinq mois à émerger et la mise en œuvre a échoué de toute façon. Deux cas plus petits ont été présentés à côté : environ 541 000 dollars de coûts imprévus sur un ensemble d’outils d’audit financier et 134 000 dollars sur des travaux pour améliorer les vitesses de livraison sur le réseau logistique d’Amazon, détectés après plus de deux semaines.
Amazon a déclaré être sur une phase d’apprentissage de l’utilisation de cette technologie, notamment pour améliorer l’efficacité des coûts. La société a en sus déclaré que présenter un petit nombre d’exemples isolés comme une pratique commerciale courante déforme la façon dont ses équipes travaillent avec l’IA, et que les cas concernaient un petit nombre de groupes au sein d’une main-d’œuvre d’environ 300 000 personnes.
Elle a néanmoins annoncé la mise sur pied de garde-fous automatisés pour limiter ce que les futurs projets peuvent dépenser. En cela, elle rejoint plusieurs groupes technologiques qui ont officialisé des restrictions budgétaires face à l’explosion des coûts.

Uber Technologies a équipé 5 000 de ses ingénieurs d'assistants de codage dopés à l'IA, entraînant une surconsommation massive de jetons. L’entreprise a ensuite du faire face à une crise financière imprévue après avoir épuisé la totalité de son budget annuel alloué à l'IA en seulement quatre mois. Cela a poussé la direction à qualifier les coûts de « difficiles à justifier » et à imposer un plafond strict de 1 500 $ par mois et par outil pour chaque employé.

Amazon staff have identified cases of what they called 'catastrophically expensive' cost overruns caused by mistakes in how the company has deployed AI and a lack of spending controls https://t.co/YqzrcvAkrk pic.twitter.com/uUVbVSCHry

— Financial Times (@FT) July 30, 2026

La compréhension de la facturation au jeton permet d’expliquer le dépassement de budget de 860 % observé sur un seul projet chez Amazon

Le dépassement de budget s'explique techniquement par l'effet combiné de la facturation au jeton, l'explosion du volume de contexte et l'absence de garde-fous sur l'inférence.

Les requêtes et les réponses des modèles (tels que Claude) ne sont pas facturées au forfait, mais à l'unité de texte transformée en jetons, les jetons de sortie coûtant nettement plus cher que les jetons d'entrée.

Lors de tâches de codage, chaque modification ou re-soumission renvoie l'historique complet du code source et des consignes (prompts), faisant croître la taille des requêtes de manière exponentielle.

Des boucles de requêtes répétées ou des micro-tâches automatisées mal configurées par les scripts des développeurs ont généré un volume de calcul massif et imprévu.

Le manque de limites strictes de dépenses en temps réel par projet ou par utilisateur a laissé les compteurs tourner sans alerte précoce.


Gartner prévoit que les coûts liés au codage par IA dépasseront le salaire moyen d'un développeur d'ici 2028

L'intelligence artificielle (IA), longtemps présentée comme un outil censé améliorer la productivité tout en maîtrisant les coûts, devient un fardeau financier pour certaines organisations. Les dépenses des entreprises en matière d'IA montent en effet en flèche, certaines d'entre elles payant désormais davantage pour la puissance de calcul que pour la main-d'œuvre humaine. Alors que les coûts augmentent et que les retours sur investissement restent incertains, les dirigeants commencent à se demander si l'essor de l'IA est durable et si cette technologie est vraiment moins coûteuse que la main-d'œuvre humaine.

Récemment, Gartner, Inc., une société spécialisée dans les analyses commerciales et technologiques, a déclaraé que d’ici 2028, les coûts liés au codage IA dépasseront le salaire moyen d’un développeur en raison de l’augmentation de la consommation de jetons des grands modèles de langage (LLM) et du passage à des modèles de licence basés sur la consommation. Les jetons IA (tokens) sont les unités de données traitées par les modèles d’IA générative. La consommation de jetons a un impact direct sur le coût des outils de codage IA, en particulier dans le cadre de structures tarifaires basées sur la consommation.

« Les entreprises passent rapidement de la phase d’expérimentation au déploiement à grande échelle d’agents de codage IA, mais beaucoup sous-estiment l’impact financier de l’augmentation de la consommation de jetons », a déclaré Nitish Tyagi, analyste principal senior chez Gartner. « La maîtrise de la consommation de jetons ne résultera pas uniquement des choix des développeurs, car ceux-ci ont tendance à privilégier la rapidité et la commodité au détriment de la rentabilité. Sans un modèle opérationnel d’ingénierie bien encadré, les coûts peuvent grimper plus vite que les gains de productivité que ces outils sont censés apporter. »

Une voie de sortie pour les équipes de développement de logiciels réside dans les modèles d’IA locaux

Les modèles d'IA locaux permettent de s'affranchir de la facturation par jetons en éliminant les intermédiaires cloud et en déplaçant le traitement sur votre propre matériel, ce qui rend le coût marginal de chaque requête quasi nul.

L'utilisation repose uniquement sur l'achat initial de l'ordinateur ou du serveur et sur la consommation d'électricité, sans aucun décompte par mot ou par caractère. Des logiciels gratuits comme LM Studio permettent de télécharger et de faire tourner des modèles ouverts directement sur sa machine sans connexion à une API payante.
Il n'y a plus de restriction sur la taille des historiques de conversation ou des documents analysés par peur d'une facture excessive.

L’utilisation des modèles en local nécessite néanmoins le déploiement d’une carte graphique (GPU) puissante et de beaucoup de mémoire vive pour obtenir des réponses rapides.

Et vous ?

La facturation à l'usage est-elle intrinsèquement plus juste que l'abonnement illimité ou favorise-t-elle simplement les grandes entreprises disposant de budgets IT prévisibles au détriment des développeurs indépendants ?

La montée en puissance des modèles open source locaux (DeepSeek, Llama, Mistral) constitue-t-elle une alternative crédible à l'inférence cloud pour les workflows de développement quotidiens en 2026 ?

Cette tendance à la fin des subventions d'inférence marque-t-elle le début d'une consolidation du marché des assistants IA pour développeurs, avec un nombre réduit de gagnants capables de maintenir des prix compétitifs à long terme ?

Voir aussi :

L'âge d'or du forfait IA illimité tire à sa fin : pubs ciblées, limitations d'usage, fonctionnalités verrouillées, prix en hausse. L'IA agentique contraint les fournisseurs à changer leurs modèles économiques

Anthropic bloque l'utilisation par des clients tiers des abonnements à Claude Code : la fin de l'interopérabilité et de l'ouverture des outils de dev ou simple épisode dans la bataille des assistants IA ?

Après qu'Anthropic ait bloqué brutalement Openclaw techniquement et légalement, Sam Altman l'opportuniste en profite pour récupérer le bébé dans le giron d'OpenAI