Anthropic dévoile aux entreprises le coût et le retour de Claude

Anthropic a lancé une série d'outils de rapport et d'analyse permettant aux entreprises de mesurer ce qu'elles dépensent pour Claude et de comparer ce coût au travail réalisé. L'objectif est d'aider les organisations à évaluer le rendement de leurs investissements dans l'intelligence artificielle, plutôt que de se fier au seul volume d'utilisation comme signe de réussite.

Les responsables peuvent examiner l'activité de leurs équipes sur des périodes données, voir quelles tâches ont été menées à bien, combien elles ont coûté et à quels endroits les processus ont achoppé. L'analyse s'appuie sur des données internes et des enquêtes auprès des salariés, et s'accompagne de recommandations pour améliorer les résultats et limiter le gaspillage. En croisant usage, coûts et production, les outils éclairent le lien entre les ressources consommées par l'IA et ce que les équipes produisent.

Anthropic ajoute la possibilité de créer des budgets partagés pour des groupes. Les équipes peuvent ainsi piloter leurs dépenses en tokens, les unités de texte qui servent à calculer le coût d'exécution des modèles, au lieu de laisser les frais croître sans vue d'ensemble. L'entreprise affirme ne pas utiliser par défaut les données de ces rapports pour entraîner ses modèles, un point sensible pour les sociétés qui manipulent des informations sur leurs activités et leurs employés.

Les dépenses en agents de programmation s'envolent

Cette annonce survient alors que les dépenses des entreprises en outils de programmation par IA augmentent vite. Une étude de Jellyfish portant sur l'usage d'outils de codage agentiques chez 276 000 de ses clients montre que les dépenses ont été multipliées par dix depuis le début de l'année. Elles représentent désormais environ 2 % du coût total de l'ingénierie des organisations couvertes.

Toujours selon l'étude, Claude Code et d'autres outils reposant sur les modèles d'Anthropic ont représenté près d'un tiers des modifications de code proposées à la relecture.

Ces nouveaux outils visent un problème courant : savoir si un recours accru à l'IA améliore réellement la productivité, alors que les coûts d'exploitation grimpent et que les résultats doivent être confrontés aux dépenses.