Le piège de la mesure quantitative de l'IA
Dans la course à la modernisation technologique, les organisations mesurent souvent le succès à l'aune de l'adoption quantitative. Plus un outil est utilisé, plus l'investissement est jugé rentable. Pourtant, cette logique comptable vient de butter sur une réalité complexe chez l'un des géants mondiaux de l'informatique. Selon des révélations du Financial Times, la direction d'Amazon a récemment dû retirer un classement interne qui évaluait et récompensait les employés en fonction de leur volume d'utilisation des outils d'intelligence artificielle générative.
Ce système de ludification (ou gamification), conçu initialement pour encourager l'adoption de l'IA, a produit l'effet inverse de celui recherché. Pour grimper dans le classement ou simplement satisfaire aux exigences managériales, de nombreux employés se sont mis à solliciter les modèles de langage de manière compulsive, sans objectif professionnel réel. Face à l'explosion des coûts d'infrastructure et à l'inutilité flagrante de milliers de requêtes, le vice-président de l'ingénierie d'Amazon, Dave Treadwell, a dû intervenir directement auprès des équipes pour rappeler une règle de bon sens : l'IA ne doit pas être utilisée pour le simple plaisir de l'utiliser.
Le « théâtre de la productivité » et son coût environnemental
Ce phénomène n'est pas isolé. Une étude d'envergure menée par le Slack Workforce Lab révèle que de nombreux professionnels admettent consacrer du temps à ce que les chercheurs qualifient de « théâtre de l'IA » : générer des textes superflus, reformuler des courriels simples ou multiplier les requêtes uniquement pour paraître plus actifs ou innovants aux yeux de leur hiérarchie. Ce comportement engendre une double perte : une baisse de la productivité réelle des employés, accaparés par la gestion de ces interactions stériles, et un gaspillage massif de ressources informatiques.
Chaque requête envoyée à un grand modèle de langage (LLM) consomme une quantité non négligeable d'énergie et d'eau pour le refroidissement des centres de données. D'après les projections de l'Agence internationale de l'énergie (AIE), la demande d'électricité liée aux centres de données, à l'IA et aux cryptomonnaies pourrait doubler d'ici 2026. Dans ce contexte, inciter à un usage frénétique et non ciblé de l'IA relève d'une irresponsabilité à la fois économique et environnementale. Le coût par jeton (ou token, l'unité de mesure des fragments de mots traités par l'IA) doit être justifié par une valeur ajoutée concrète.
L'orchestration ciblée comme remède au sur-prompting
Pour contrer cette dérive, le modèle de l'agent conversationnel en accès libre auquel on demande tout et n'importe quoi doit laisser la place à une architecture logicielle structurée. C'est ici que réside la différence entre le clavardage récréatif et l'IA agentique. L'IA agentique ne se contente pas de répondre à des questions ; elle exécute des tâches précises au sein d'un écosystème d'applications en utilisant des passerelles standardisées.
Dans cette perspective, la plateforme ProductivIA propose une approche rigoureuse de la consommation des ressources. Au lieu d'inciter l'utilisateur à formuler de longues requêtes répétitives pour obtenir un résultat incertain, l'Assistant central de la plateforme s'appuie sur le protocole assistant_services. Ce mécanisme permet d'appeler des fonctions spécifiques développées pour répondre à des besoins d'affaires précis : archiver un document, extraire des données d'un rapport ou planifier un événement. L'utilisateur n'a pas besoin de multiplier les invites (ou prompts) ; l'action est ciblée, optimisée et exécutée en boucle fermée.
De plus, la transparence est inscrite au cœur de l'architecture. Grâce à l'application Nuage et au tableau de bord d'administration du silo, chaque organisation dispose d'une visibilité complète sur sa consommation. Chaque appel aux modèles d'IA est tracé, mesuré et associé à un coût réel. Cette transparence permet aux gestionnaires de suivre l'utilisation réelle des ressources sans avoir recours à des indicateurs de performance artificiels qui encouragent le gaspillage.
Vers une sobriété numérique et souveraine
La gestion responsable de l'IA passe également par le choix des modèles de calcul. L'orchestration intelligente de ProductivIA permet de diriger les requêtes vers le moteur le plus adapté. Pour des tâches de routine, il est inutile de solliciter les modèles les plus lourds et les plus énergivores des géants américains. La plateforme permet ainsi de basculer de manière transparente vers des modèles plus petits, voire vers le fournisseur souverain québécois Matania pour les organisations soucieuses de la confidentialité de leurs données et de la proximité énergétique de leurs traitements.
La fin du classement interne d'Amazon démontre que la valeur de l'IA ne se mesure pas au volume de texte généré, mais à la pertinence des processus automatisés. En privilégiant une plateforme no-code structurée où l'IA est un outil d'orchestration discret plutôt qu'un objet de divertissement corporatif, les organisations peuvent enfin concilier innovation technologique, contrôle des coûts et responsabilité environnementale.