Le COO d'Uber Andrew Macdonald a dit sur le podcast Rapid Response que les ~5 000 ingénieurs de la compagnie ont épuisé leur budget de tokens Claude Code 2026 d'Anthropic à la mi-mars, pis que le lien entre dépenses d'assistant de codage IA pis valeur produit livrée « est pas encore là ». Le chiffre en dollars n'a pas été divulgué. Le data point sous la phrase choc, c'est le burn de 2,5 mois à travers un budget entreprise annuel — preuve concrète que la consommation de Claude Code à l'échelle d'une organisation d'ingénierie excède les modèles de planification courants, peu importe si le cas de productivité se ferme éventuellement.
Le framing compte parce que la conversation publique s'est installée en modes binaires — les assistants de codage IA sont soit transformateurs soit surévalués. La citation réelle de Macdonald est plus utile pour les bâtisseurs : « si tu peux pas tirer une ligne directe entre combien de fonctionnalités pis features utiles tu livres à tes utilisateurs, ce trade devient plus dur à justifier parce que c'est pas gratis. » C'est un problème d'attribution de productivité, pas un problème de qualité d'outil. Les ingénieurs ont utilisé Claude Code assez fort pour blow past le budget annuel au mark de 21% de l'année. Le goulot, c'est connecter ce signal d'usage au throughput de features livrées d'une façon que la finance pis l'ingénierie acceptent tous les deux, pis aucune entreprise majeure n'a publié une méthodologie qui marche à l'échelle de 5 000 ingénieurs.
La lecture écosystème pour les bâtisseurs qui shipent des outils de codage IA : adoption entreprise lourde ne se traduit pas automatiquement en économie de renouvellement. Anthropic, GitHub Copilot, Cursor, pis le reste compétitionnent pas juste sur la qualité du modèle mais sur la question que leurs clients peuvent pas encore répondre — c'est quoi l'économie unitaire de l'ingénierie IA-augmentée. Les équipes de finance d'ingénierie vont de plus en plus demander des données d'attribution par équipe (quelles features ont shipé pendant que quels ingénieurs utilisaient quels outils), pis le vendeur qui ship la couche audit/attribution en premier gagne la conversation de pricing de renouvellement entreprise. Le signal honnête dans les données d'Uber est aussi visible à plus petite échelle : n'importe quelle équipe qui roule un déploiement lourd d'assistant de codage va over-shoot sa première estimation de budget. Planifie en conséquence.
Si tu fais de la finance d'ingénierie lundi matin : budgète 2-3x ton estimation initiale d'assistant de codage à l'échelle entreprise pis commence à instrumenter l'attribution dès le jour un. Si tu vends des outils de codage IA : la conversation de renouvellement shift de « utilise cet outil » à « prouve le lien de productivité », pis les clients qui peuvent pas le prouver vont pull back sur les seat counts. L'histoire d'Uber, c'est pas « l'IA vaut pas la peine » — c'est « on peut pas encore mesurer si ça la vaut », ce qui est une lecture différente pis plus actionable.