Cette semaine, un sujet qui a fait un boomerang dans la Silicon Valley est revenu sous les projecteurs : les jetons d’IA en guise de compensation. L’idée est assez simple : plutôt que de donner aux ingénieurs uniquement un salaire, des capitaux propres et des primes, les entreprises leur remettraient également un budget de jetons d’IA, les unités de calcul qui alimentent des outils comme Claude, ChatGPT et Gemini. Dépensez-les pour exécuter des agents, automatiser des tâches, parcourir le code. L’argument est que l’accès à davantage de calcul rend les ingénieurs plus productifs et que les ingénieurs plus productifs valent davantage. C’est un investissement dans la personne qui les détient, c’est l’idée.
Jensen Huang, le PDG de Nvidia portant une veste en cuir, a semblé captiver l’imagination de tout le monde lorsqu’il a lancé l’idée, lors de l’événement annuel GTC de l’entreprise plus tôt cette semaine, que les ingénieurs devraient à nouveau recevoir environ la moitié de leur salaire de base – en jetons. Selon ses calculs, ses meilleurs collaborateurs pourraient dépenser 250 000 dollars par an en calcul d’IA. Il l’a qualifié d’outil de recrutement et a prédit qu’il deviendrait la norme dans la Silicon Valley.
Il n’est pas tout à fait clair où l’idée est née pour la première fois. Tomasz Tunguz, un VC renommé de la Bay Area qui dirige Theory Ventures et se concentre sur les startups d’IA, de données et de SaaS – et dont les écrits sur tout ce qui concerne les données ont attiré un public fidèle au fil des ans – en parlait à la mi-février, écrivant que les startups technologiques ajoutaient déjà les coûts d’inférence comme « quatrième élément de la rémunération de l’ingénierie ». En utilisant les données du site de suivi des rémunérations Levels.fyi, il a estimé le salaire d’un ingénieur logiciel dans le premier quartile à 375 000 $. Ajoutez 100 000 $ de jetons et vous obtenez 475 000 $ à pleine charge, ce qui signifie qu’environ un dollar sur cinq est désormais calculé.
Ce n’est pas une coïncidence. L’IA agentique prend son envol et la sortie d’OpenClaw fin janvier a considérablement accéléré le débat. OpenClaw est un assistant d’IA open source conçu pour fonctionner en continu – exécutant des tâches, générant des sous-agents et travaillant sur une liste de tâches pendant que son utilisateur dort. Cela fait partie d’une évolution plus large vers une IA « agentique », c’est-à-dire des systèmes qui ne se contentent pas de répondre aux invites, mais prennent des séquences d’actions de manière autonome au fil du temps.
La conséquence pratique est que la consommation de jetons a explosé. Là où quelqu’un qui rédige un essai peut utiliser 10 000 jetons en un après-midi, un ingénieur à la tête d’un essaim d’agents peut en utiliser des millions en une journée – automatiquement, en arrière-plan, sans taper un mot.
Ce week-end, le New York Times a dressé un aperçu intelligent de la tendance dite du tokenmaxxing, révélant que les ingénieurs d’entreprises telles que Meta et OpenAI sont en compétition sur les classements internes qui suivent la consommation de jetons. Les budgets symboliques généreux sont en train de devenir un avantage standard en matière d’emploi, rapporte le journal, comme l’étaient autrefois l’assurance dentaire ou le déjeuner gratuit. Un ingénieur d’Ericsson à Stockholm a déclaré au Times qu’il dépensait probablement plus pour Claude qu’il ne gagnait en salaire, même si son employeur paie la note.
Peut-être que les jetons deviendront réellement le quatrième pilier de la rémunération des ingénieurs. Mais les ingénieurs voudront peut-être tenir le coup avant de considérer cela comme une simple victoire. Plus de jetons peuvent signifier plus de pouvoir à court terme, mais étant donné la rapidité avec laquelle les choses évoluent, cela ne signifie pas nécessairement plus de sécurité d’emploi. D’une part, une allocation symbolique importante s’accompagne de grandes attentes. Si une entreprise finance effectivement le calcul d’un deuxième ingénieur en votre nom, la pression implicite est de produire à un rythme deux fois plus élevé (ou plus).
Événement Techcrunch
San Francisco, Californie
|
13-15 octobre 2026
Et il y a un problème plus confus en dessous : à partir du moment où les dépenses symboliques d’une entreprise par employé approchent ou dépassent le salaire de cet employé, la logique financière de l’effectif commence à paraître différente pour son équipe financière. Si le calcul fait le travail, la question de savoir combien d’humains doivent le coordonner devient plus difficile à éviter.
Jamaal Glenn, titulaire d’un MBA de Stanford basé sur la côte Est et ancien VC devenu directeur financier des services financiers, souligne de la même manière que ce qui peut sembler être un avantage peut être un moyen astucieux pour les entreprises de gonfler la valeur apparente d’un programme de rémunération sans augmenter les liquidités ou les capitaux propres – les éléments qui s’aggravent réellement pour un employé au fil du temps. Votre budget symbolique n’est pas acquis. Il n’apprécie pas ça. Cela n’apparaît pas dans votre prochaine négociation d’offre comme le fait un salaire de base ou une subvention en actions. Si les entreprises parviennent à normaliser les jetons en tant que rémunération, elles trouveront peut-être plus facile de maintenir leur rémunération en espèces à un niveau stable tout en soulignant l’augmentation des allocations de calcul comme preuve d’investissement dans leurs collaborateurs.
C’est une bonne affaire pour l’entreprise. Que ce soit une bonne affaire pour l’ingénieur dépend de questions auxquelles la plupart des ingénieurs ne disposent pas encore de suffisamment d’informations pour répondre.
