Un modèle d’IA mal configuré ne s’arrête pas lorsqu’il déraille. Il continue de tourner, continue de générer des jetons et transforme discrètement une erreur anodine en facture à sept chiffres. Les indicateurs internes d’Amazon, examinés par des ingénieurs lors d’une réunion d’équipe le 28 juillet, illustrent ce schéma avec un niveau de détail inhabituel.
L’exemple le plus marquant était un outil construit sur Claude Sonnet d’Anthropic, destiné à rapprocher les fiches d’auteurs des listes de produits du site marchand d’Amazon. Le projet a consommé 1,8 million de dollars, dépassé son budget initial de 860 %, est resté inaperçu pendant cinq mois et n’a jamais été lancé. Le Financial Times a rapporté l’affaire en premier, aux côtés de deux dépassements plus modestes : un outil d’audit financier qui a dépassé le plan d’environ 541 000 dollars et un système logistique censé accélérer les livraisons qui a ajouté environ 134 000 dollars. Ensemble, les trois projets représentaient environ 2,5 millions de dollars de dépenses d’IA non planifiées.
Pourquoi la facturation au jeton transforme les petites erreurs en grosses factures
La cause première tient à la mécanique des tarifs. Les fournisseurs d’IA se sont en grande partie éloignés des abonnements à tarif fixe au profit d’une facturation par jeton, l’unité de texte qu’un modèle traite. Un ingénieur humain qui écrit du code défectueux reçoit une erreur et la corrige. Un agent d’IA mal configuré, lui, ne reçoit aucune erreur : une boucle de relance qui renvoie la même requête, ou un traitement pointé sur tout un catalogue au lieu d’un échantillon, ne fait que produire davantage d’activité de calcul et une facture plus salée. Dans leurs documents internes, les ingénieurs d’Amazon ont décrit ces dépassements comme des erreurs catastrophiquement coûteuses dont la correction ne coûtait autrefois presque rien.
Les cycles de facturation mensuels amplifient le problème. Un traitement incontrôlé, qui serait évident dans un journal de compilation ou un tableau de bord en temps réel, devient invisible sur une facture qui arrive des semaines plus tard. C’est ainsi que le projet à 1,8 million de dollars a survécu cinq mois sans être examiné.
Le paradoxe : Amazon vend le remède
La société qui a trop dépensé en IA se trouve aussi être l’exploitant de la plateforme cloud qui vend les contrôles de coûts conçus pour éviter précisément ce genre de situation. AWS Bedrock propose l’inférence par lots à moitié prix, une offre Flex à tarif réduit, la mise en cache des requêtes à un dixième du tarif d’entrée standard et un routage des requêtes qui oriente les tâches simples vers des modèles moins chers. Le modèle Haiku d’Anthropic coûte environ un tiers du modèle Sonnet utilisé par le projet qui a échoué. Le dépassement vient du choix par défaut d’un modèle de pointe avec les garde-fous désactivés.
Dans sa réponse publique, Amazon a présenté les incidents comme des cas isolés. Ils concernaient un petit nombre d’équipes au sein d’un effectif d’entreprise d’environ 300 000 personnes, et la société les a décrits comme faisant partie du processus normal d’expérimentation de nouvelles technologies. En interne, la réaction a été plus concrète. Amazon a abandonné KiroRank, un classement informel qui hiérarchisait les développeurs selon leur consommation de jetons d’IA, après que des employés ont gonflé leur consommation pour monter au classement, une pratique que les salariés appelaient tokenmaxxing. Les ingénieurs construisent désormais des garde-fous automatisés, des exigences de relecture par les pairs et des plafonds de dépenses afin que les traitements incontrôlés soient détectés avant l’arrivée de la facture.
Ces dérapages font suite à des incidents antérieurs impliquant les propres assistants de codage IA d’Amazon. En décembre, l’assistant Kiro avait été autorisé à apporter des modifications à Cost Explorer, un outil interne que les clients d’AWS utilisent pour consulter leur facturation, et il a à la place supprimé puis recréé l’environnement dans lequel il travaillait, provoquant une panne de 13 heures qui a touché une partie de la Chine continentale. Amazon a attribué cet incident aux contrôles d’accès des utilisateurs plutôt qu’à l’autonomie de l’IA, mais les deux perturbations partageaient une caractéristique : les outils d’IA disposaient des mêmes autorisations que les ingénieurs qui les utilisaient.
Un problème de gouvernance, pas d’argent
Pour Amazon, ces sommes ne sont que des erreurs d’arrondi face à un chiffre d’affaires trimestriel supérieur à 180 milliards de dollars. Le même mode de défaillance est beaucoup plus dangereux pour les petites entreprises. Uber, qui s’appuie fortement sur Claude Code, avait déjà épuisé en avril l’intégralité de son budget 2026 alloué à l’outil, et sa direction a reconnu publiquement que l’entreprise n’avait pas encore établi de lien clair entre la hausse de la consommation de jetons et les fonctionnalités dont les clients tiraient réellement profit.
La leçon du cas Amazon tient à la gouvernance, pas à la technologie. Les dépassements de coûts liés à l’IA sont silencieux par conception, et les entreprises qui les maîtriseront seront celles qui traiteront les plafonds de dépenses, le choix des modèles et l’examen des usages comme faisant partie du processus d’ingénierie plutôt que comme une réflexion après coup.
Traduit par Lydie
Sources: Amazon finds cases of AI causing runaway spending on tech projects (Financial Times, July 30); Amazon accidentally spent $1.8 million using Claude for menial coding task, went 860% over budget (Tom’s Hardware, July 30); Amazon blew $1.8 million on a single Claude AI task and didn’t notice for five months (BetaNews, July 30); Amazon spent $1.8m on a Claude job that failed, and it sells the fix (The Next Web, July 30)