Le gaspillage de tokens est un symptôme
Le coût réel du déploiement de l'IA sans préparation.
Fournir l’IA aux employés sans formation coûte du temps, de l’argent et des ressources humaines à votre entreprise. Les études de GitHub suggèrent qu’entre 40 % et 60 % des dépenses en tokens d’IA sont gaspillées. Brûlées dans des étapes répétitives, des instructions floues et des rendus médiocres à refaire. Les solutions proposées pour réduire ce gaspillage de tokens sont peu convaincantes :
- Parler comme un « homme des cavernes »
- Limiter les heures d’accès
- Couper le contexte 1 étape sur 2
Du simple gaspillage de tokens aux tensions internes et structurelles croissantes, le manque de transparence et de connaissances sur l’IA ronge la stabilité financière et culturelle. Si cela continue, les entreprises subiront une pression financière et opérationnelle accrue, forçant plusieurs d’entre elles à fermer. La solution est simple, bien que peu élégante ou populaire : les entreprises doivent sérieusement se former, elles et leurs employés, à l’IA.
Des règles écrites avec du sang ou de l’argent
« Les règles de sécurité sont écrites avec du sang », m’a reproché mon patron chez Quiznos après que je me sois coupé les doigts en nettoyant mal une trancheuse. Croyez-moi, je n’ai plus jamais fait cette erreur.
Mais les entreprises continuent de saigner à petit feu, en utilisant l’IA de manière inefficace. Au lieu de sang, les entreprises perdent de l’argent. Par conséquent, les erreurs et les factures qui s’accumulent sont considérées comme des frais inhérents aux affaires.
| Indicateur | April 2026 | Gaspillage estimé |
|---|---|---|
| Coût mensuel médian | 2 246 $ | 898 $ à 1 348 $ |
| Coût mensuel moyen | 140 842 $ | 56 337 $ à 84 505 $ |
| 75e centile (top 25 %) | 14 843 $ | 5 937 $ à 8 906 $ |
| 90e centile (top 10 %) | 73 030 $ | 29 212 $ à 43 818 $ |
| 95e centile (top 5 %) | 211 409 $ | 84 564 $ à 126 845 $ |
| 99e centile (top 1 %) | 831 338 $ | 332 535 $ à 498 803 $ |
Mais il n’est pas obligé d’en être ainsi. En investissant dans l’opérateur de la machine, nous pouvons réduire les coûts humains et financiers de la transformation par l’IA.
Formez, formez, formez !!!
De nombreux autres blogs se concentrent sur les étapes et tactiques individuelles pour réduire les dépenses en tokens. Nous allons aborder quelques approches philosophiques et stratégiques qui réduisent les coûts des tokens :
- La formation doit se concentrer sur la compétence, et non sur la familiarité.
- Un opérateur qui comprend sa machine l’utilise mieux, de manière plus créative et plus efficace.
- L’habilitation est un multiplicateur de force ; le mystère est un diviseur de force.
Ces approches ne sont pas de la propagande anti-IA. Elles découlent de l’acceptation que l’IA est une technologie banalisée utilisée par des personnes ; c’est donc la qualité des personnes qui affecte les résultats, et non les modèles. Offrir à vos employés une formation continue, approfondie et spécifique à leur rôle est le moyen le plus efficace de réduire le gaspillage de tokens à court et à long terme.
« Si vous aviez besoin que je vous le dise, je suis ravi de l’avoir fait »
Enseigner et former est difficile, en partie car tout le monde fait des suppositions sur ce qui relève du savoir commun. Alors pourquoi supposer que les employés comprennent vraiment une technologie devenue courante si récemment ? Si vous ignoriez qu’un moteur fonctionne à l’essence, penseriez-vous à regarder la jauge de carburant ? Son utilité serait-elle évidente ?
Cette supposition de savoir commun est au cœur du gaspillage de tokens. On n’a pas appris aux entreprises et aux employés comment fonctionne un modèle, ce qu’il coûte, ni ses forces et faiblesses. Au lieu de cela, l’engouement pour la vitesse et les capacités de l’IA a conduit à une approche consistant à « aller vite et tout casser ». Cela a mené à des agents hors de contrôle répétant des tâches vouées à l’échec dans les recoins du web, à des employés ignorant le contexte des conversations, et à des investissements dans des projets d’IA stériles. Lorsque les personnes sont mieux formées, elles travaillent mieux. Dans un déploiement à l’échelle industrielle, la préparation des équipes peut être une question de vie ou de mort.
Former ou périr : la débâcle du M-14 et de l’IA
Le fusil M-14 a été un désastre de fabrication qui a coûté des milliards de dollars, d’innombrables vies, et a mené directement à la fermeture de la Springfield Armory américaine. Bien qu’il y ait eu de nombreux facteurs contributifs, le plus important a été la préparation hâtive du document d’exigences matérielles (MRD). Un MRD doit contenir tout ce qu’un fabricant a besoin de savoir pour commencer la production de masse d’un article. Autrement dit, c’était un dossier d’habilitation. Le MRD bâclé du M-14 a entraîné des défauts profonds et mortels dans le processus de fabrication du canon. Au lieu de simplement ralentir la livraison, ce manque de moyens a conduit à un travail incorrect effectué à grande échelle, transformant 1 seul problème en un mystère et une crise majeurs.
La leçon est qu’un travail lent peut être corrigé, mais qu’un travail incorrect est plus difficile à repérer, cause davantage de problèmes et introduit de l’incertitude. Chaque fois qu’une équipe non préparée utilise l’IA, ce travail incorrect apparaît sur la facture comme un gaspillage de tokens, ainsi que dans d’autres coûts : le temps passé à corriger les erreurs, à analyser les réponses hallucinées ou à exécuter des cycles de révision supplémentaires. Cela change la donne. Il ne s’agit plus seulement de comparer les dépenses de calcul aux gains de productivité, mais d’opposer les dépenses de calcul au coût d’un travail incorrect livré à la vitesse de la machine.
Les bonnes personnes avec les bons outils
L’objectif d’une formation spécifique aux rôles et aux outils n’est pas d’améliorer le prompt engineering. C’est d’avoir un ingénieur qui sait ce qu’il optimise. C’est d’avoir un analyste dans le flux de travail capable de signaler les réponses incorrectes. C’est d’avoir un responsable marketing qui sait quels modèles utiliser pour l’analyse et lesquels pour la génération. C’est d’avoir des employés suffisamment compétents pour savoir quand ignorer le choix d’un modèle. Ces capacités ne se développent pas dans des cours d’initiation générale à l’IA. Elles proviennent d’une préparation structurée autour des outils que votre entreprise a réellement approuvés et déployés.
Le gaspillage de tokens est un symptôme. Le coût invisible réside dans ce qu’une équipe non préparée produit avec ces tokens : des résultats affirmés, rapides, et parfois faux.
Si votre facture de tokens augmente, le symptôme est visible. Clairet traite la cause. Découvrez comment.
Sources : GitHub, “Improving token efficiency in GitHub Agentic Workflows,” May 7, 2026; Ramp, “How Much Do AI Tokens Cost Businesses? 2026 Spending Benchmarks,” June 8, 2026 (April 2026 data).