Reid Hoffman sur le tokenmaxxing : les tokens mesurent la portée, pas la productivité

Reid Hoffman, cofondateur de LinkedIn et l'une des voix les plus autorisées du monde technologique, s'est engagé dans la discussion sur le tokenmaxxing — un phénomène qui a été activement débattu par les investisseurs, les développeurs et les dirigeants d'entreprises ces derniers mois. Hoffman reconnaît que le suivi de la consommation de jetons est utile, mais il avertit : ce n'est pas un indicateur direct de valeur ou de productivité. Le tokenmaxxing est une stratégie ou une attitude culturelle visant à maximiser l'utilisation des outils d'IA : plus une équipe ou un produit consomme de jetons, plus activement, selon cette logique, l'IA est mise en œuvre.

Dans le monde des affaires, l'idée a été adoptée comme un moyen pratique de mesurer le sérieux avec lequel une entreprise travaille avec l'IA. Certains cadres utilisent déjà « nous avons consommé X milliards de jetons ce trimestre » comme équivalent aux métriques d'engagement dans le SaaS traditionnel. Mais cette approche est controversée.

Hoffman a adopté une position équilibrée. D'une part, il est d'accord : la croissance de la consommation de jetons est un bon signal que les outils d'IA sont réellement utilisés, et non abandonnés comme un projet pilote. Pour les investisseurs et les responsables produits, cela peut être un indicateur précoce de l'adoption — particulièrement à un stade où les métriques traditionnelles ne se sont pas encore accumulées.

D'autre part, Hoffman met en garde contre la simplification. Les jetons ne sont pas le revenu, ne sont pas la productivité et ne sont pas une mesure de la qualité du travail. Une entreprise peut consommer d'énormes volumes de jetons tout en générant du contenu inutile ou en automatisant des processus qu'il aurait mieux valu laisser aux humains.

Le contexte compte : qu'est-ce qui se fait exactement avec ces jetons, quel résultat est obtenu en sortie et quelle valeur cela crée-t-il. Les critiques du tokenmaxxing pointent une analogie historique : la promotion des pages vues à l'ère pré-Internet, avant que l'industrie ne développe une compréhension de la rétention, du LTV et des conversions. Au début, tout le monde comptait les clics — puis il s'est avéré que les clics par eux-mêmes ne disaient presque rien.

La même chose peut se produire avec les jetons. Hoffman, en tant qu'investisseur en capital-risque chez Greylock Partners et quelqu'un qui a observé plusieurs cycles technologiques, connaît bien le syndrome des « métriques de vanité ». C'est pourquoi son avertissement n'est pas simplement une réflexion théorique, mais un conseil pragmatique : utilisez les jetons comme un indicateur proxy pour l'évaluation initiale de la portée, mais construisez un système de mesure complet qui inclut les résultats commerciaux.

Pour les entreprises qui commencent tout juste à mettre en œuvre l'IA, cette discussion est particulièrement pertinente. La tentation de compter sur « nous utilisons l'IA activement — regardez, combien de jetons » est très forte face au conseil d'administration ou aux investisseurs. Mais la position de Hoffman nous rappelle que : la simplicité d'une métrique est une commodité, non une vérité.

Ce que cela signifie en pratique : si vous mettez en œuvre l'IA dans votre entreprise — mesurez non seulement la consommation de jetons, mais aussi ce qui a changé. Le temps pour une tâche a-t-il diminué, la qualité du produit de sortie s'est-elle améliorée, quelles décisions sont maintenant prises plus rapidement et moins chèrement ? Les jetons sont une dépense, non un résultat.

Confondre l'un avec l'autre est un piège classique de chaque nouvelle vague technologique.