Meta arrête de noter les ingénieurs sur la quantité d'IA qu'ils utilisent
Après que les employés se soient affrontés dans un classement interne des jetons, Meta a déclaré aux ingénieurs que les tableaux de bord d'utilisation de l'IA et le nombre de jetons ne seraient plus pris en compte dans les évaluations de performances. L'épisode a désormais un nom : tokenmaxxing.
Meta a déclaré à ses ingénieurs que les tableaux de bord d’utilisation de l’IA et le nombre de jetons ne seraient plus pris en compte dans les évaluations de performances. L’instruction est venue dans une note interne des dirigeants Maher Saba et Santosh Janardhan, rapportée pour la première fois par The Information. Ce qui compte, dit le mémo, c’est la qualité, la rapidité et la complexité du travail lui-même.
C’est un renversement. Meta avait auparavant fait de l’IA une attente fondamentale dans les critiques, et la chose prévisible s’est produite. Un employé a créé un classement interne sur l’intranet de l’entreprise, surnommé Claudeonomics, qui classe plus de 85 000 employés en fonction du nombre de jetons brûlés, les jetons étant les unités de texte traitées par un modèle d’IA et ce pour quoi vous êtes facturé. Les 250 premiers ont été répertoriés. La consommation déclarée a atteint 73,7 billions de jetons en un peu plus de 30 jours. Le personnel a commencé à appeler ce comportement tokenmaxxing : exécuter l’IA sur des choses qui n’en avaient pas besoin, longuement, pour grimper dans un classement. Le directeur technique Andrew Bosworth a répliqué dans son propre mémo, écrivant que personne ne devrait utiliser les outils d’IA juste pour le plaisir de les utiliser et que tout mouvement n’est pas un progrès. Le projet de loi n’était pas non plus théorique. Les dépenses internes de Meta en matière d’IA se chiffreraient en milliards pour 2026, c’est pourquoi des budgets et un tableau de bord central des coûts sont prévus pour 2027. Entre-temps, la société affirme que les agents d’IA l’aident à réaliser 93 % de ses modifications de code, tout en insistant sur le fait que l’adoption n’est pas l’objectif en soi.
Qu’est-ce qu’il y a derrière ça
C’est la loi de Goodhart avec une nouvelle couche de peinture : lorsqu’une mesure devient un objectif, elle cesse d’être une bonne mesure. Le nombre de jetons est facile à enregistrer, c’est exactement pourquoi ils ont été choisis, et cela n’a presque aucun rapport avec la qualité du travail. Vous pouvez graver un million de jetons sur une tâche qu’un collègue a résolue en dix minutes grâce à une recherche.
Le problème le plus profond est que l’utilisation de l’IA est une entrée et non une sortie. Les entreprises recherchent des mesures d’entrée lorsque le résultat est difficile à mesurer, et la qualité des logiciels est notoirement difficile à mesurer. Meta se posait une vraie question, à savoir si le personnel adoptait des outils réellement utiles, et a choisi le numéro qui ne pouvait pas y répondre. Il convient de noter que Meta ne recule pas du tout face à l’IA : 93 % de modifications de code assistées par un agent est un chiffre très élevé. Il s’abstient de compter.
Ce que cela signifie pour vous : Si votre employeur a commencé à suivre l’utilisation de l’IA, il s’agit d’un précédent utile à souligner, et il vient d’une entreprise qui s’intéresse entièrement à la technologie. La version honnête de la question n’est pas « avez-vous utilisé l’outil » mais « le travail s’est-il amélioré ou plus rapide ». Si vous utilisez l’IA vous-même, les résultats sont plus petits et plus personnels : utilisez-la lorsqu’elle vous sauve quelque chose de réel et ignorez-la lorsque ce n’est pas le cas. Personne ne compte les points, et là où ils étaient, ça s’est mal passé.
Sources
Microsoft a corrigé un nombre record de 973 failles de sécurité et une IA en a trouvé certaines
Le Patch Tuesday de septembre est le plus important jamais réalisé : 973 correctifs, 113 critiques, deux déjà attaqués et trois failles dans les produits Copilot. Microsoft affirme qu'un système d'analyse agent a permis de faire apparaître une partie du lot.
