Les tensions internes concernant les dépenses en intelligence artificielle ont gagné en visibilité chez Uber après que des dirigeants aient admis des difficultés à justifier le coût des outils d'IA par rapport aux améliorations concrètes pour les utilisateurs.
Le débat a été relancé après des commentaires du directeur des opérations, Andrew Macdonald, sur l'absence d'une relation mesurable entre la consommation de « tokens » et les nouvelles fonctionnalités.
Dans une interview citée par The Information et rapportée par Business Insider, Macdonald a souligné qu'Uber n'est toujours pas en mesure de tracer une ligne directe entre l'augmentation de l'utilisation des services d'IA pour la programmation et une croissance proportionnelle des fonctionnalités utiles pour le client, un point qui a ouvert un débat interne sur le retour sur investissement de ces technologies.
Le déclencheur, selon les rapports, a été une intervention du directeur technique, Praveen Neppalli Naga, qui a affirmé que l'entreprise avait déjà épuisé le budget de 2026 destiné à Claude Code, ce qui a provoqué un « moment de tête qui explose » parmi les dirigeants de la société et accéléré les discussions sur le contrôle des coûts et la consommation de tokens.
L'épisode est devenu un cas d'étude interne sur la façon dont les dépenses s'intensifient lorsque l'expérimentation se généralise.
Macdonald a expliqué que, lors de conversations avec des ingénieurs seniors, il a constaté une déconnexion entre l'utilisation intensive de tokens et la livraison de nouveautés visibles pour les clients.
« Cette relation n'existe toujours pas », a-t-il déclaré, ajoutant qu'il est difficile d'affirmer, avec des métriques, que les dépenses se traduisent par « 25 % de fonctionnalités utiles » supplémentaires pour les consommateurs, même s'il peut y avoir des améliorations implicites en productivité.
Pression budgétaire et effets sur les recrutements
La discussion sur le coût de l'IA coïncidait avec des signes d'ajustement dans les dépenses opérationnelles. Dans des rapports qui compilent des déclarations publiques et des interviews, il a été indiqué que le PDG Dara Khosrowshahi a confirmé un décélération des recrutements comme partie d'un équilibre financier entre investissement dans l'intelligence artificielle et d'autres priorités de l'entreprise.
Macdonald a également souligné un point qui traverse une bonne partie du secteur : pour un employé, essayer de nouvelles applications d'IA peut sembler « gratuit » au quotidien, mais la facture finale est supportée par l'entreprise.
Ce contraste, selon le dirigeant, rend le seuil de preuve interne plus exigeant : il n'est pas suffisant d'utiliser plus de modèles si l'impact direct sur le produit, l'efficacité ou l'expérience utilisateur n'est pas démontré.
La situation se déroule alors que plusieurs grandes entreprises technologiques intensifient l'adoption des assistants de programmation et des systèmes basés sur des modèles de langage, avec des coûts qui augmentent à mesure que le volume des requêtes, des tests et des automatisations croît.
Dans ce contexte, le débat chez Uber tourne autour des métriques qui doivent gouverner l'investissement : consommation de tokens, vitesse de livraison du logiciel, qualité du code, réduction des incidents ou améliorations vérifiables du service.
D'autres entreprises révisent les métriques d'utilisation de l'IA
La discussion n'est pas exclusive à Uber. Chez Duolingo, le PDG Luis von Ahn a fait marche arrière sur l'idée de centrer les évaluations de performances sur la fréquence d'utilisation de l'IA par les employés, après des doutes internes sur le fait que la métrique poussait à utiliser des outils « pour faire bonne figure », plus que pour apporter des résultats.
Dans une interview citée par Fortune, von Ahn a expliqué que l'entreprise avait rectifié : « Ce qui est le plus important dans votre performance, c'est que vous faites votre travail du mieux possible… Si [l'IA] ne peut pas aider, je ne vais pas vous forcer ».
Il a ensuite résumé le problème : « On avait l'impression que, au lieu d'être responsables du résultat réel, on voulait simplement pousser quelque chose qui, dans certains cas, ne collait pas ».
Le tournant de Duolingo est devenu un précédent pertinent pour le secteur car il expose une tension commune : transformer l'utilisation de l'IA en objectif peut gonfler la consommation — et les dépenses — sans garantir d'améliorations en qualité, en vitesse ou en impact sur l'utilisateur final.
Dans ce contexte, le cas de Uber montre un changement de phase dans l'adoption corporative de l'IA : de l'enthousiasme initial et de l'expérimentation large à l'exigence de traçabilité financière et productive, avec des discussions internes sur ce qu'on gagne — et ce qu'on sacrifie — lorsque le budget pour des outils d'IA est épuisé avant la date prévue.