IA et emploi : pourquoi les dirigeants surestiment ce que l'IA remplace

TL;DR.

Le passage de GitHub Copilot à une facturation au token révèle un biais répandu dans les comités de direction : surestimer ce que l'IA peut remplacer et sous-estimer son coût réel. La valeur produite par l'IA générative repose sur une infrastructure de calcul coûteuse, longtemps masquée par des abonnements forfaitaires attractifs.

Le 30 mai 2026, TechCrunch rapportait la colère d'une partie des développeurs après la bascule de GitHub Copilot, l'assistant de programmation de Microsoft, vers un modèle de facturation indexé sur la consommation de tokens. L'un d'eux résume sa réaction par « What a joke ». Cet épisode illustre ce que certains observateurs du secteur appellent l'« AI psychosis » : la conviction qu'une fonction entière peut être automatisée sur la seule foi d'une promesse.

Quand un outil présenté comme un substitut bon marché au travail humain se met à coûter plus cher que prévu, c'est tout un récit qui se fissure. Le 30 mai 2026, TechCrunch rapportait la colère d'une partie des développeurs après le passage de GitHub Copilot, l'assistant de programmation de Microsoft, à un modèle de facturation au token (l'unité de calcul facturée par les modèles d'IA). « What a joke », résume l'un d'eux dans l'article. Au-delà de la grogne technique, cet épisode illustre un biais qui traverse aujourd'hui de nombreux comités de direction : la tendance à surestimer ce que l'IA peut réellement remplacer, et à en sous-estimer le coût. Un phénomène que certains observateurs du secteur ont surnommé l'« AI psychosis ».

Le signal Copilot : l'IA productive coûte plus cher qu'annoncé

GitHub Copilot avait été lancé comme une promesse simple : un abonnement forfaitaire, prévisible, pour démultiplier la productivité des développeurs. Selon TechCrunch, ce confort touche à sa fin. En basculant vers une tarification indexée sur la consommation réelle de tokens, Microsoft fait porter aux équipes le coût croissant des modèles les plus performants. Pour les directions qui avaient inscrit l'outil dans leurs budgets comme une dépense fixe et marginale, la note devient variable et potentiellement élevée.

Le message implicite est important pour tout dirigeant, pas seulement pour les équipes techniques : la valeur produite par l'IA générative n'est pas gratuite. Derrière chaque suggestion, chaque résumé, chaque ligne de code générée, il y a une infrastructure de calcul coûteuse. Tant que ce coût était subventionné par des forfaits attractifs, l'illusion d'une productivité quasi gratuite pouvait tenir. La facturation à l'usage la dissipe.

L'« AI psychosis » : remplacer trop vite, sur la foi d'une promesse

L'expression « AI psychosis » circule dans les discussions de dirigeants tech pour décrire un état d'esprit précis : la conviction qu'une fonction entière peut être automatisée du jour au lendemain, avant même d'avoir mesuré ce que l'outil sait vraiment faire. Aaron Levie, dirigeant de l'éditeur de logiciels Box, fait partie de ceux qui alertent sur cet emballement.

Le mécanisme est connu. Une démonstration impressionne, un cas d'usage isolé fonctionne, et la conclusion s'emballe : « si l'IA fait ça, elle peut remplacer le poste ». Or il existe un écart considérable entre une tâche réussie dans des conditions idéales et un métier complet, fait d'arbitrages, de contexte implicite, de relation client et de responsabilité. Confondre les deux, c'est prendre une décision d'organisation lourde sur la base d'une intuition, pas d'une mesure.

Pourquoi l'écart entre la promesse et le terrain

Plusieurs facteurs nourrissent cette surestimation. D'abord, les démonstrations publiques montrent les meilleurs résultats, rarement les échecs silencieux. Ensuite, le discours commercial des fournisseurs insiste logiquement sur le potentiel de remplacement, qui justifie l'investissement. Enfin, la pression concurrentielle pousse à annoncer des gains avant de les avoir constatés.

Le cas Copilot ajoute une dimension financière à ce tableau. Une décision prise dans l'euphorie (réduire une équipe, geler des recrutements, externaliser une compétence vers un outil) repose souvent sur une hypothèse de coût stable. Si ce coût devient variable et grimpe, l'équation se renverse : l'entreprise se retrouve avec moins de compétences internes et une facture d'IA en hausse. Le risque n'est donc pas seulement de mal estimer la capacité de l'outil, mais aussi son économie réelle dans la durée.

Ce que ça change pour vous

Pour un cadre qui pilote l'intégration de l'IA dans son périmètre, quelques réflexes limitent l'exposition à l'« AI psychosis » :

• Mesurer avant de remplacer. Distinguez une tâche automatisable d'un poste entier. Cartographiez ce que l'IA fait réellement bien sur votre cas, avec des indicateurs, avant toute décision d'effectif.
• Traiter le coût comme variable. Intégrez dans vos budgets l'hypothèse d'une facturation à l'usage qui augmente, comme le montre le revirement de Copilot rapporté par TechCrunch. Un forfait attractif aujourd'hui n'engage pas le fournisseur demain.
• Garder la compétence interne. Une équipe capable d'évaluer, de superviser et de corriger l'IA reste un actif. La supprimer au nom d'une automatisation non éprouvée est difficilement réversible.
• Piloter par étapes. Déployez sur un périmètre restreint, observez les coûts complets et les limites, puis décidez. La séquence inverse (décider d'abord, mesurer ensuite) est celle qui coûte cher.

Une question de tempo, pas de scepticisme

Il ne s'agit pas de douter de l'utilité de l'IA, qui est réelle et déjà mesurable dans de nombreux usages. Il s'agit de calibrer son rythme d'adoption sur des faits plutôt que sur des promesses. L'épisode de la facturation de GitHub Copilot agit comme un rappel utile : les conditions économiques d'un outil peuvent changer, et avec elles la justesse des décisions prises trop tôt. La bonne question pour un dirigeant n'est pas « qu'est-ce que l'IA peut remplacer ? », mais « qu'est-ce que je suis capable de mesurer avant de m'engager ? ». C'est dans cet écart que se joue la différence entre une transformation maîtrisée et un pari coûteux.

Questions fréquentes

Qu'est-ce que l'« AI psychosis » ?

C'est une expression qui circule dans les discussions de dirigeants tech pour décrire un état d'esprit précis : la conviction qu'une fonction entière peut être automatisée rapidement, sur la foi d'une promesse. Elle traduit la tendance à surestimer ce que l'IA peut réellement remplacer et à en sous-estimer le coût.

Pourquoi les développeurs sont-ils en colère contre GitHub Copilot ?

Le 30 mai 2026, TechCrunch rapportait leur grogne après le passage de Copilot à un modèle de facturation au token, c'est-à-dire indexé sur la consommation réelle. L'outil avait été lancé comme un abonnement forfaitaire et prévisible ; ce changement transforme une dépense fixe en coût variable et potentiellement élevé.

Qu'est-ce que la facturation au token ?

Le token est l'unité de calcul facturée par les modèles d'IA. Facturer au token signifie indexer le prix sur la consommation réelle plutôt que sur un abonnement forfaitaire. Microsoft fait ainsi porter aux équipes le coût croissant des modèles les plus performants.

Pourquoi l'IA générative n'est-elle pas gratuite ?

Derrière chaque suggestion, chaque résumé et chaque ligne de code générée se trouve une infrastructure de calcul coûteuse. Tant que ce coût était subventionné par des forfaits attractifs, l'illusion d'une productivité quasi gratuite pouvait tenir. La facturation à l'usage la dissipe.

Quelles conséquences pour les dirigeants ?

Les directions qui avaient inscrit l'IA dans leurs budgets comme une dépense fixe et marginale voient la note devenir variable et potentiellement élevée. Le signal vaut au-delà des équipes techniques : il invite à ne pas surestimer ce que l'IA remplace ni à sous-estimer ce qu'elle coûte.