Tokenmaxxing : Ces employés de grandes entreprises qui gaspillent des tokens pour satisfaire les KPI
En 2026, le tokenmaxxing n’est plus une anecdote : c’est un symptôme. Des employés d’Amazon, KPMG ou Meta admettent utiliser les outils d’IA interne pour des tâches inutiles, uniquement pour gonfler leurs scores d’adoption et satisfaire des KPI. Cet article explique comment cette course aux métriques détourne l’IA de sa finalité et pourquoi ce phénomène concerne toute entreprise en transformation numérique.
Qu’est-ce que le tokenmaxxing ?
Le terme tokenmaxxing (contraction de token et maximizing) désigne la pratique consistant à maximiser artificiellement sa consommation de tokens — l’unité de mesure des requêtes dans les modèles d’IA générative — pour gonfler les statistiques d’utilisation d’un outil. Au lieu de chercher la productivité, l’objectif est de satisfaire un indicateur de performance (KPI) imposé par la direction.
Concrètement, cela se traduit par exemple à :
- Demander à l’IA de résumer un e-mail très court
- L’utiliser pour générer du code ou des listes basiques déjà maîtrisés
- Multiplier les requêtes sans valeur ajoutée pour augmenter les compteurs
Le phénomène a été documenté pour la première fois chez Amazon en 2024, où les employés utilisaient l’assistant interne Amazon Q pour des tâches triviales afin de démontrer leur adoption de la technologie...
Pourquoi les entreprises mesurent-elles l’adoption de l’IA avec des métriques ?
La pression vient d’en haut. Les directions veulent prouver le retour sur investissement des licences d’IA et justifier les budgets. Elles mettent en place des tableaux de bord et des KPI d’adoption (nombre de requêtes, temps d’utilisation, tokens consommés) pour suivre la transformation numérique.
Le problème est que ces métriques mesurent l’activité, pas la valeur créée. Un employé qui utilise l’IA 10 fois pour des tâches inutiles aura un meilleur score qu’un collègue qui l’utilise une seule fois pour automatiser un processus critique. C’est l’effet pervers classique : ce qui se mesure se gère, et ce qui se gère se manipule.
Cas récents : le tokenmaxxing n’est plus limité à Amazon
En mai 2026, le phénomène est généralisé. Un rapport de Tom’s Hardware confirme que des employés d’Amazon, Meta et Microsoft manipulent les métriques d’usage des IA par leurs employés. Chez KPMG, un tableau de bord suit l’utilisation de l’IA par les consultants, et les employés admettent qu’il est facile de tromper le système pour gonfler les statistiques.
Ces cas montrent que le problème n’est pas isolé mais systémique. Il touche les entreprises de conseil comme les géants de la tech, partout où la pression à l’adoption est forte et les métriques mal conçues.
Les racines du problème : AI-washing et pression managériale
Le tokenmaxxing est alimenté par le AI-washing : les entreprises utilisent l’IA comme prétexte pour des réductions d’effectifs ou des restructurations, créant un climat où les salariés doivent prouver leur adhésion à la technologie. Une étude de Resume.io citée sur LinkedIn indique que les travailleurs sont en “quiet quitting” de l’IA face à cette pression
Dans ce contexte, gonfler les métriques devient une stratégie de survie : il faut montrer qu’on utilise l’IA, même si c’est de manière contre-productive. C’est l’illustration parfaite du dicton : “Quand la mesure devient la cible, elle cesse d’être une bonne mesure.”
Les conséquences : gaspillage, résistance et perte de confiance
Le tokenmaxxing a des coûts réels :
1. Gaspillage de ressources : Les tokens ont un coût financier. Les consommer pour rien augmente les dépenses sans contrepartie.
2. Décrédibilisation de l’IA : Quand les outils sont utilisés pour des tâches sans valeur, les utilisateurs sérieux peuvent les déserter.
3. Résistance passive : 44% des employés de la génération Z admettent freiner l’adoption de l’IA. Le tokenmaxxing renforce cette méfiance.
4. Perte de confiance dans les métriques : Si les indicateurs sont manipulés, ils perdent toute valeur pour le management.
Au final, l’entreprise perd sur tous les tableaux : elle gaspille de l’argent, décrédibilise sa transformation numérique et perd la confiance de ses employés.
Comment mesurer la valeur de l’IA, pas seulement son utilisation ?
Pour éviter le tokenmaxxing, il faut changer de référentiel. Plutôt que de mesurer l’activité (tokens, requêtes), il faut mesurer les résultats :
- Temps gagné sur des tâches à forte valeur ajoutée
- Taux d’automatisation des processus
- Qualité des output (précision, pertinence)
- Impact sur les objectifs métier (chiffre d’affaires, satisfaction client)
Les tableaux de bord doivent passer du “combien” au “pour quoi”. Chez KPMG, si le dashboard mesure la valeur générée au lieu des seuls requêtes, le “gaming” du système perd son intérêt.
Il faut aussi délier l’adoption de l’IA des KPI individuels. La transformation numérique doit être un projet d’équipe, pas une compétition personnelle où chaque employé doit justifier son existence avec des métriques gonflées.
Sources
- Business Insider : KPMG Dashboard Tracks Employee AI Use. Workers Say It's Easy to Game the System — Sur le tableau de bord de suivi de l'IA chez KPMG et la facilité avec laquelle les employés trompent le système.
- Tom's Hardware : Big Tech has a tokenmaxxing habit — Rapport détaillé sur la manipulation des métriques d'usage de l'IA chez Amazon, Meta et Microsoft.
- HCA Magazine : Amazon workers are gaming the AI leaderboard. HR built it. — Analyse du scandale du tokenmaxxing comme avertissement sur les métriques d'adoption de l'IA.
- Medium : Block's Layoffs Reveal the Great AI-Washing of Corporate America — Article sur l'AI-washing et son utilisation comme prétexte aux licenciements.
- CNBC : AI-washing and the massive layoffs hitting the economy — Analyse de la façon dont les entreprises blanchissent leurs suppressions d'emplois sous couvert d'IA.
Qu’est-ce que le tokenmaxxing ?
Le tokenmaxxing est la pratique qui consiste à maximiser artificiellement sa consommation de tokens (l’unité de mesure des requêtes IA) pour gonfler les statistiques d’utilisation d’un outil, dans le but de satisfaire des indicateurs de performance (KPI) imposés par l’entreprise, plutôt que de chercher une réelle productivité.
Pourquoi les employés pratiquent-ils le tokenmaxxing ?
Les employés pratiquent le tokenmaxxing en réponse à la pression managériale et aux KPI mesurant l’adoption de l’IA. Dans un contexte d’AI-washing où l’IA est utilisée comme prétexte pour des restructurations, gonfler les métriques d’utilisation devient une stratégie pour prouver son adhésion et protéger son poste, même si cela implique un gaspillage de ressources.
Quelles entreprises sont concernées par le tokenmaxxing ?
En 2026, le phénomène est documenté chez des entreprises comme Amazon, KPMG, Meta et Microsoft. Il touche particulièrement les grandes organisations ayant déployé des outils d’IA interne avec des métriques d’adoption strictes et des tableaux de bord de suivi.
Comment éviter le tokenmaxxing en entreprise ?
Pour éviter le tokenmaxxing, il faut mesurer la valeur créée par l’IA plutôt que son utilisation. Cela implique de changer les KPI pour se concentrer sur le temps gagné, le taux d’automatisation, la qualité des résultats et l’impact sur les objectifs métier. Il est également nécessaire de délier l’adoption de l’IA des indicateurs individuels pour en faire un projet d’équipe.
Qu’est-ce que l’AI-washing ?
L’AI-washing est la pratique qui consiste à utiliser l’IA comme prétexte ou excuse pour des décisions organisationnelles, comme des réductions d’effectifs ou des restructurations, créant une pression artificielle sur les employés pour démontrer leur adoption de la technologie, même de manière contre-productive comme dans le tokenmaxxing.
