Un tableur interne divulgué le 25 août 2026 montre des écarts massifs de dépenses en IA chez Microsoft. La médiane sur 28 jours tourne autour de 300 $, un employé a atteint 28 000 $, poussant l’entreprise à encadrer strictement l’usage.
Fuite du 25 août : le tableur révèle 28 000 $ en 28 jours
Le document partagé par des salariés recense près de 600 lignes, dont environ 350 usages IA renseignés volontairement. Les chiffres montrent une dispersion très importante entre quelques dizaines de dollars et des montants à cinq chiffres.
La plus haute dépense est attribuée à un membre de la division Customer and Partner Solutions, confirmée par des sources internes. Le tableau expose la montée brutale des coûts liés aux jetons consommés.
Ce partage interne, utilisé depuis des années pour la transparence salariale, intègre désormais une colonne « AI $ Usage Per Month », donnant un aperçu inédit des habitudes d’utilisation.
Réponse de Microsoft : plafonds par division et visibilité individuelle
Début août 2026, Jay Parikh, vice-président exécutif de CoreAI, a envoyé une note précisant que le tokenmaxxing n’était pas une optimisation recherchée. Des objectifs budgétaires pour la consommation de jetons par division ont été activés.
Chaque division dispose désormais d’un plafond de dépense et chaque salarié voit sa consommation sur un tableau de bord interne. La dépense individuelle est devenue transparente pour les managers.
La mesure vise à réduire les écarts observés entre équipes et à aligner l’utilisation sur des objectifs budgétaires, tout en conservant un accès contrôlé aux outils d’IA.
Migration vers GPT-5.6 Sol : optimisation du rapport jetons/valeur
Microsoft a basculé ses charges de travail internes sur GPT-5.6 Sol d’OpenAI comme modèle par défaut dans GitHub Copilot et workflows associés. Le motif invoqué : une meilleure valeur tirée des jetons.
Cette orientation réduit l’usage d’autres modèles, notamment Claude d’Anthropic pour le code, qui est désormais moins promu en interne. La réallocation vise à contenir la facture tout en maintenant la qualité.
La combinaison de plafonds budgétaires et d’un modèle par défaut cherche à stabiliser les dépenses sans freiner l’adoption opérationnelle de l’IA par les équipes techniques.
Disparités d’usage : de quelques dollars à des dizaines de milliers
Les données du tableur montrent un écart considérable entre la dépense médiane, d’environ 300 $ sur les 28 jours observés, et les montants atteints par une minorité de salariés, jusqu’à 28 000 $ sur la même période, soit près de cent fois la médiane.
Des équipes en production ou en R&D justifient des consommations supérieures, pour des tests massifs ou des entraînements. D’autres usages restent ponctuels, liés à des tâches de support ou de prototypage.
Le défi pour Microsoft consiste à distinguer l’utilisation productive de l’usage excessif, tout en évitant une rupture sèche qui freinerait l’innovation.
Impacts opérationnels et culturels : fin d’une incitation à l’usage massif
Pendant des années, l’entreprise a encouragé une adoption massive de l’IA auprès de ses ingénieurs. La facture cumulée amène un retournement : plus de gouvernance, moins d’incitation aveugle.
La visibilité individuelle sur les dépenses crée une nouvelles responsabilité pour les collaborateurs, susceptibles d’ajuster leurs pratiques. Les managers obtiennent des outils pour piloter les budgets.
Ce tournant illustre une transition de l’ère d’expérimentation vers une phase de maturité financière et opérationnelle autour des technologies d’IA.
| Critère | Avant | Après |
|---|---|---|
| Modèle par défaut | Multiples (Anthropic, divers) | GPT-5.6 Sol |
| Visibilité des coûts | Limitée | Tableaux de bord individuels |
| Plafonds | Absents | Plafonds par division |
