Branden Jenkins dînait lorsqu’un coup d’œil à son téléphone a changé sa soirée. En consultant son tableau de bord d’utilisation de l’IA, le PDG a découvert que sa session de codage du week-end lui avait coûté 1 000 $ — facturés automatiquement, par tranches de 1 000 $, à une carte configurée en renouvellement automatique.

Jenkins dirige Maxio, une société de logiciels soutenue par des fonds de private equity et basée à Atlanta, qui est en bonne voie pour atteindre 100 millions de dollars de chiffre d’affaires annuel au cours des prochaines années. Maxio vend des logiciels de facturation par abonnement et de gestion du chiffre d’affaires à d’autres sociétés de logiciels B2B. De son propre aveu, il figure aussi près du sommet du classement interne des dépenses IA de l’entreprise — une position inhabituelle pour un PDG. « Un millier, ce n’est pas tant que ça, dirais-je, mais pour un seul week-end, c’est assez agaçant », a-t-il déclaré à Fortune. Décrivant son agent IA comme en train de « cuisiner », il a résumé sa réaction ainsi : « Waouh, je suis arrivé là assez vite. »

Au sein de son entreprise — et plus largement dans l’Amérique des entreprises — l’épisode est devenu une sorte de parabole sur la vitesse à laquelle les outils d’IA « agentique » peuvent consommer de l’argent avant que quelqu’un ne s’en rende compte, jusqu’à l’arrivée de la facture. Mais Jenkins a dit que la facture surprise n’est pas ce qui l’empêche de dormir. Le problème plus profond est plus confus et plus humain : l’« insécurité » de ses propres employés face au fait d’être dépassés par la technologie — et par lui.

Comment un week-end a donné une leçon de 1 000 $

Jenkins se décrit comme un PDG technique qui construit ses propres agents et automatisations. Il peut écrire du code depuis son téléphone à l’aide de Claude, même lorsqu’il est loin de son bureau — ce qui l’a amené à déboguer et à faire évoluer un projet pendant le dîner. Le portefeuille de jetons qu’il avait mis en place pour financer ces sessions était configuré pour se recharger automatiquement de 1 000 $ chaque fois qu’il était à sec, recréditant silencieusement sa carte sans qu’il ait à y penser — jusqu’à ce qu’il voie le total.

« Je n’ai pas de limites comme beaucoup de mes collaborateurs en ont, avec obligation de demander une approbation », a déclaré Jenkins, décrivant son budget interne illimité à la fois comme un avantage et comme une responsabilité. « Alors j’ai commencé à m’y intéresser en me disant : “À quoi ça ressemble ?” »

Les fournisseurs d’IA tels qu’Anthropic et OpenAI facturent au jeton — les unités de texte que les modèles lisent et génèrent — si bien que les coûts s’accumulent ligne après ligne à mesure que les conversations s’allongent et que les reprises s’additionnent. Ce qu’il a constaté, dit-il, c’est qu’une grande partie du gaspillage tient au choix du modèle et à une dérive conversationnelle incontrôlée — un système d’IA qui entraîne un utilisateur sur des chemins qu’il n’avait jamais voulus emprunter. « Souvent, ce sont les propres erreurs de l’agent qui brûlent votre argent », a déclaré Jenkins. « On se met à discuter, et [les choses] vous échappent. »

En repensant à ses échanges avec ses bots, il a déclaré : « Vous vous dites : “Oui, oui, j’aime ça, encore ça, encore ça.” Et d’un coup vous vous retrouvez on ne sait où, et vous vous dites : “Non, je ne veux pas du tout ça.” Donc une partie de cet argent est simplement gaspillée parce que cela vous a mené là. »

Son expérience reflète une tendance désormais bien documentée dans le secteur. Gartner a estimé que les modèles d’IA agentique peuvent nécessiter entre 5x et 30x plus de jetons par tâche qu’un échange standard avec un chatbot, et une enquête WitnessAI a montré que 68% des entreprises américaines affirment qu’au moins une partie de leurs initiatives IA a dépassé le budget au cours de l’année écoulée, un tiers indiquant que ces dépassements se produisent « la plupart du temps ou toujours ». George Sivulka, PDG de Hebbia, l’a formulé de manière mémorable en écrivant que l’usage d’agents revient à dire « vous venez d’embaucher un million de mauvais employés ».

Les retombées ont même reçu un surnom : « tokenmaxxing », expression du secteur pour désigner la maximisation de l’usage illimité de l’IA. Uber aurait épuisé l’intégralité de son budget 2026 de codage IA en quatre mois, et Amazon aurait dépensé 500 millions de dollars en IA en un seul mois après avoir ouvert l’accès sans plafond d’utilisation — le mois où « tokenmaxxing » est mort. Le week-end à 1 000 $ de Jenkins est un arrondi à côté, mais le point, a-t-il noté, c’est que c’est de l’argent réel. « Il n’y a pas de bouton de remboursement. Il n’y a pas de bouton de contestation dans Claude », a déclaré Jenkins, ajoutant qu’il devrait peut-être y en avoir un.

Astuces du métier

Après l’incident du dîner, Jenkins a cherché des moyens de réduire sa propre consommation de jetons — en grande partie, selon lui, grâce à des conseils d’optimisation de l’IA circulant sur TikTok plutôt qu’auprès de son équipe d’ingénierie. Il a commencé à orienter différentes tâches vers différents modèles en fonction de leur complexité : des modèles plus légers comme Haiku de Claude pour les calculs de base, des modèles de niveau intermédiaire pour le codage courant, et les modèles les plus coûteux et les plus poussés en raisonnement pour la véritable planification stratégique.

Il a également adopté ce qu’il appelle des couches d’orchestration — des outils tiers, souvent distribués sous forme de dépôts GitHub gratuits, conçus pour compresser les sorties de l’IA et réduire les jetons gaspillés. L’un d’eux, qu’il appelle « Caveman mode », oblige un assistant IA à répondre par des phrases courtes et sèches plutôt que par de longues réponses développées, ce qui, selon Jenkins, réduit l’usage de jetons de 70%. Un autre mode qu’il a décrit, « grunt mode », compresse les réponses à un mot ou deux : « C’est très banal. » Il a cité d’autres outils, notamment « Superpowers » et « Ponytail », comme faisant partie du même écosystème clandestin d’astuces de réduction des coûts.

Le revers, a-t-il dit, c’est qu’aucun de ces outils n’est accessible à un employé ordinaire. « Ce sont des trucs de nerds », a-t-il déclaré. « Est-ce qu’on a besoin que les responsables commerciaux, les responsables du service et les marketeurs trouvent ça ? » C’est cet écart — entre ce que savent des utilisateurs avancés comme lui et ce auquel le reste des salariés peut accéder — qui, selon lui, marque le début du vrai risque organisationnel.

Pourquoi il estime que l’insécurité, et non le coût, est la plus grande menace

Invité à classer les problèmes rencontrés lors du déploiement de l’IA auprès de ses plusieurs centaines d’employés, Jenkins n’a pas commencé par le coût. Il a cité trois forces qu’il dit devoir gérer activement : l’inefficacité, l’inégalité et — celle à laquelle il est revenu à plusieurs reprises — l’insécurité.

Jenkins a expliqué qu’il est fier que tout le monde dans son entreprise devienne un créateur grâce aux autorisations de vibe-coding, mais que ce changement est déstabilisant à un niveau très humain.

« Le [dépassement de jetons] n’est vraiment pas le problème, mais cela pourrait facilement servir de prétexte », a déclaré Jenkins. Il a décrit avoir construit, sans qu’on le lui demande, des outils et des automatisations au sein des départements de sa propre équipe de direction, simplement parce qu’il avait appris à le faire — et avoir vu la réaction devenir mal à l’aise. « L’un d’eux est venu me voir et m’a dit : “Ça m’a mis mal à l’aise. C’est à moi de venir te voir avec ce genre de choses. Je dois rattraper mon retard. Je me sens tellement en retard.” »

Selon Jenkins, cette dynamique s’est répétée à plusieurs niveaux de management : « Est-ce que je fais mon travail ? Est-ce que je tiens le rythme ? Est-ce que cela va remplacer mon poste ? Est-ce que cela va remplacer les membres de mon équipe ? »

Il a aussi évoqué une version de la même anxiété au niveau des départements, fondée sur un accès inégal aux outils. Son entreprise a d’abord déployé ChatGPT dans toute l’entreprise, puis a commencé à licencier la version plus chère de Claude pour un plus petit groupe d’environ 50 employés concentrés dans les ventes et le marketing — ce qui a suscité des réactions de la part des équipes exclues. « Les gens se disaient : attendez, pourquoi je n’ai pas Claude ? Pourquoi eux l’ont-ils et pas nous ? », a-t-il dit. « C’est une inégalité. »

Jenkins soutient que cette anxiété finit par être plus corrosive pour la culture d’entreprise qu’une facture isolée qui dérape, parce qu’elle détermine si les employés utilisent réellement les outils — ou s’y opposent discrètement par crainte.

Construire un organigramme pour les humains et les agents

La réponse de Maxio, a expliqué Jenkins, a été structurelle. Toute son équipe de direction a suivi un exercice formel de conception organisationnelle dans lequel chaque dirigeant a cartographié son département non seulement en fonction des personnes qui lui rendent compte, mais aussi des agents IA que ces personnes gèrent désormais directement. Le résultat est un organigramme hybride littéral — noms humains et fonctions d’agents superposés — que l’entreprise considère comme un document de gestion vivant.

Il a également renforcé l’organisation DevOps de l’entreprise afin de superviser le nombre croissant d’outils internes construits par les employés et codés de manière informelle — ce que lui et d’autres acteurs du secteur appellent des logiciels « vibe-coded » — devenus des éléments essentiels de l’activité malgré leur origine de projets parallèles. « Ça ne peut pas dépendre uniquement de Tim qui l’a vibe-codé le week-end », a déclaré Jenkins, évoquant le risque de continuité si l’employé qui a construit un outil interne critique quitte l’entreprise ou tombe malade, ainsi que des questions non résolues de sécurité et de scalabilité. C’est une question de gouvernance à laquelle un nombre croissant d’entreprises sont confrontées à mesure que la création assistée par IA s’étend au-delà des équipes d’ingénierie.

Dans sa lecture, l’histoire financière la plus importante n’est pas le dépassement occasionnel de plusieurs milliers de dollars en jetons, mais une modification des équations de main-d’œuvre sous-jacentes de l’entreprise. Le revenu récurrent annuel par employé est un indicateur standard d’efficacité opérationnelle dans le secteur des logiciels, qui mesure combien de revenus d’abonnement chaque salarié soutient. Jenkins a indiqué que les effectifs de Maxio n’augmentent plus au même rythme que les revenus, ce qui fait grimper son ratio de revenu récurrent annuel par employé — une métrique qu’il considère comme le signal le plus clair de l’effet réel de l’IA sur sa structure de coûts, par opposition à la facture de jetons, plus visible mais relativement mineure.

« Je ne dis pas qu’il faut réduire massivement les effectifs à cause de l’IA, mais nous ne devrions pas faire croître les effectifs au même rythme qu’avant », a déclaré Jenkins. « C’est un changement majeur dans notre activité, et tout cela est attribué à l’IA. » Il a également admis que le signal occasionnel de 1 000 $ de consommation de jetons au dîner revient à payer une taxe — un collègue agent IA a simplement mal compris le travail.

Jenkins a dit qu’il ne voyait rien de tout cela comme une raison de freiner. « En ce moment, il y a tellement d’avantages que cela compense largement beaucoup de ces points », a-t-il déclaré, estimant que les gains d’efficacité liés à l’adoption de l’IA sont suffisamment importants pour que les gaspillages occasionnels, les détours dus aux hallucinations et même les factures surprises à quatre chiffres soient simplement le prix à payer pour y parvenir. Son responsable de l’ingénierie, lorsqu’on lui a d’abord parlé des astuces de Jenkins pour économiser des jetons, a minimisé le sujet en lui disant que l’entreprise n’était « pas au point où nous dépensons plus en A.I. que [pour] les personnes, parce qu’il existe des exemples de cela. Nous n’en sommes même pas proches ». Jenkins a dit qu’il n’était pas en désaccord — mais il est convaincu que ce jour viendra. « Ce sera probablement une réalité. »

Pour ce reportage, les journalistes de Fortune ont utilisé l’IA générative comme outil de recherche. Un éditeur a vérifié l’exactitude des informations avant publication.

Cet article a été initialement publié sur Fortune.com