Amazon confronté à des dérapages de coûts majeurs dans ses projets d’intelligence artificielle

Amazon a identifié plusieurs dépassements budgétaires importants au sein de ses projets internes d’intelligence artificielle, révélant les difficultés croissantes auxquelles sont confrontées les grandes entreprises technologiques dans la gestion financière de l’IA générative. Selon un rapport du Financial Times, l’un des projets concernés a dépassé son budget de 860 % et est resté inaperçu pendant cinq mois, générant une facture de 1,8 million de dollars avant d’être abandonné.

Le projet le plus coûteux reposait sur le modèle Claude Sonnet développé par Anthropic. Son objectif consistait à automatiser l’association des données des auteurs avec les fiches produits de la plateforme de commerce électronique d’Amazon. Malgré les sommes engagées, le projet n’a jamais été déployé en production, illustrant les risques financiers liés au développement rapide d’applications reposant sur des modèles de langage de grande taille.

Deux autres initiatives ont également enregistré des pertes importantes. Un outil destiné à l’audit financier a généré environ 541 000 dollars de dépenses imprévues, tandis qu’un projet consacré à l’optimisation de la logistique et des délais de livraison a entraîné une perte estimée à 134 000 dollars. Ces différents cas témoignent des défis opérationnels que représente le contrôle des coûts dans un environnement où la consommation de ressources informatiques peut rapidement s’emballer.

Lors de réunions internes, plusieurs ingénieurs ont exprimé leurs inquiétudes face à cette situation. Certains ont qualifié cette problématique de “catastrophique pour les coûts”, soulignant qu’il demeure particulièrement difficile d’évaluer précisément les dépenses associées aux applications d’intelligence artificielle. Contrairement aux logiciels traditionnels, où une erreur de programmation entraîne rarement une hausse significative des coûts, une mauvaise configuration dans un système utilisant l’IA générative peut multiplier les appels aux modèles, augmenter fortement la consommation de calcul et provoquer des dépenses considérables en très peu de temps.

Cette réalité met en évidence une faiblesse structurelle de nombreux projets reposant sur les grands modèles de langage. Une simple boucle de requêtes mal conçue, un enchaînement inefficace d’appels API ou une mauvaise gestion des prompts peuvent suffire à faire exploser la facture sans qu’aucune anomalie ne soit immédiatement détectée par les systèmes classiques de suivi budgétaire.

Amazon a toutefois indiqué que ces incidents concernaient un nombre limité d’équipes et ne reflétaient pas l’ensemble de son utilisation de l’intelligence artificielle. L’entreprise affirme avoir renforcé ses procédures internes en imposant davantage de contrôles financiers et en sensibilisant les équipes de développement aux risques liés aux coûts de calcul des modèles d’IA.

Ces révélations interviennent à un moment stratégique pour le groupe américain, quelques heures avant la publication de ses résultats trimestriels. Elles alimentent les interrogations des investisseurs sur la rentabilité des investissements massifs consentis dans l’intelligence artificielle. Amazon prévoit en effet d’engager des centaines de milliards de dollars dans le développement de ses infrastructures dédiées à cette technologie, notamment au sein de son activité cloud.

L’épisode revêt également une dimension symbolique. Amazon Web Services commercialise auprès de milliers d’entreprises des outils destinés à surveiller et optimiser les dépenses liées au cloud et à l’intelligence artificielle. Le fait que le groupe ait lui-même connu des dépassements budgétaires aussi importants souligne la complexité du défi auquel fait face l’ensemble du secteur.

Au-delà du cas d’Amazon, cette situation reflète une tendance plus large. Les grandes entreprises accélèrent l’intégration de l’IA générative dans leurs activités afin de gagner en productivité et d’automatiser de nombreuses tâches. Cette transformation s’accompagne toutefois d’une nouvelle exigence : développer des mécanismes de gouvernance capables de surveiller en temps réel la consommation des modèles et de prévenir les dérives financières avant qu’elles ne prennent une ampleur difficilement maîtrisable.