Uber épuise en 4 mois le budget IA 2026 avec Claude Code — 500 à 2 000 $ par ingénieur par mois
Uber a épuisé l'intégralité de son budget IA 2026 en seulement quatre mois, en raison de l'adoption de Claude Code et Cursor. Le CTO de l'entreprise a confirmé que l'enveloppe annuelle dédiée à l'IA était épuisée dès avril, avec des coûts mensuels d'API allant de 500 à 2 000 dollars par ingénieur. Les outils sont devenus si précieux que limiter leur accès semblait contre-productif, obligeant la direction à revoir sa stratégie budgétaire.
Trajectoire d'adoption
L'accès à Claude Code a été déployé auprès de l'équipe d'ingénierie d'Uber en décembre 2025. L'utilisation a doublé en février, les développeurs exploitant ses capacités multi-étapes. En avril, la facture a englouti la totalité du budget annuel. Actuellement, 95 % des ingénieurs d'Uber utilisent des outils d'IA au moins une fois par mois, et 70 % de tout le code engagé provient de l'IA. L'utilisation de Cursor a stagné tandis que Claude Code domine les workflows.
Implications financières
Avec des dépenses de R&D de 3,4 milliards de dollars par an, les dépenses liées aux outils de codage IA représentent désormais une part significative et imprévue. Le CTO a déclaré que l'entreprise en est « retournée à la planche à dessin » concernant le budget IA, essayant de déterminer si ce niveau de productivité peut être soutenu à grande échelle.
Signaux plus larges
L'expérience d'Uber suggère que d'autres entreprises pourraient faire face à des dépassements de coûts similaires à mesure que l'adoption par les développeurs d'agents de codage autonomes s'accélère. Cet incident souligne que les budgets IA existants, établis avant la courbe d'adoption actuelle, pourraient être obsolètes avant la fin de l'exercice.
📖 Lire la source complète : HN AI Agents
👀 See Also
Ångstrom a utilisé Claude Code pour entraîner un modèle qui a battu l'UMA-OMC de Meta — 100 000 tâches GPU sur des instances spot
Ångstrom (YC S24) a entraîné CSP-MACE-Å, un modèle ML 10 000 fois plus rapide que la DFT avec une précision équivalente, surpassant UMA-OMC de Meta dans la prédiction de structures cristallines. Ils ont utilisé Claude Code pour orchestrer 100 000 jobs GPU sur des instances spot multi-cloud via l'interface Anycloud.
DystopiaBench étendu : 42 modèles testés sur 6 types de dystopie — Claude Opus 4.7 en tête
DystopiaBench ajoute des modules Huxley et Baudrillard, teste 42 modèles dont GPT-5.5, Gemini 3.1 Pro, Grok 4.3 et GLM-5.1. Claude Opus 4.7 refuse systématiquement les requêtes nuisibles aux niveaux L4-L5 dans tous les scénarios, tandis que d'autres se conforment jusqu'au L4, voire L5.
Les modèles Qwen3 Small affinés surpassent les LLMs de pointe sur des tâches spécifiques à moindre coût.
Les modèles Qwen3 distillés (0,6B à 8B paramètres) ont égalé ou surpassé les modèles API de pointe comme GPT-5, Gemini et Claude sur 6 des 9 tâches, y compris l'appel de fonctions et Text2SQL, avec un coût aussi bas que 3 $ par million de requêtes contre 378 $ pour des performances comparables.
Talkie : Un LLM de 13B entraîné exclusivement sur des textes antérieurs à 1931, utilisant Claude comme juge dans l'entraînement RL
Des chercheurs ont publié Talkie, un LLM de 13B entraîné uniquement sur des textes publiés avant 1931 (pas d'internet, pas de données de la Seconde Guerre mondiale). Claude Sonnet 4.6 a été utilisé comme juge dans son pipeline d'apprentissage par renforcement DPO en ligne, et Claude Opus 4.4 a généré des conversations multi-tours synthétiques pour le fine-tuning. Le modèle peut écrire du code Python à partir de quelques exemples en contexte malgré l'absence totale de code moderne dans l'entraînement.