Valon limite l’IA pour ses recrues et vise −75 % de coûts

Valon encadre désormais l’accès aux modèles pour ses nouvelles recrues, avec un objectif affiché de réduction majeure des dépenses de tokens. La direction décrit des erreurs et des réflexes d’automatisation qui nuiraient à l’apprentissage du métier. Des exceptions existent, et les premiers effets attendus sont chiffrés, sur fond de débat plus large autour des usages de l’IA au travail.

Des dépenses de tokens visées entre 4 et 5 M$ au lieu de 15 à 20 M$

Andrew Wang anticipe que les dépenses annuelles de tokens de Valon diminueront cette année pour se situer autour de 4 à 5 millions de dollars, alors qu’elles étaient auparavant de l’ordre de 15 à 20 millions. Selon lui, la nouvelle politique pourrait permettre de faire baisser ces coûts d’environ 75 %. Jusqu’à présent, il affirme n’avoir rencontré aucune opposition interne et indique que des employés expérimentés ont accueilli favorablement la mesure, après avoir eu à corriger des erreurs générées par l’IA des nouvelles recrues. Depuis la mise en place de la politique, les nouvelles recrues sollicitent davantage l’aide de collègues expérimentés, n’étant pas autorisées à s’appuyer sur l’IA pour résoudre des problèmes.

Accès à l’IA soumis à validation managériale et exemption pour les ingénieurs

La consigne concerne les nouvelles recrues dans quasiment tous les départements, y compris pour les postes de niveau senior. Elles ne sont autorisées à recourir à l’IA que si leur responsable considère qu’elles sont en mesure de repérer les erreurs des outils. Andrew Wang précise que les ingénieurs sont exemptés, car tout code est relu par des pairs avant publication. Il souligne qu’en finance ou en ressources humaines, il n’existe pas de garde-fous comparables. La mesure a été instaurée le mois dernier après avoir constaté un accès large aux systèmes d’IA.

Motivations avancées : modèles trop coûteux et jugement affaibli

Andrew Wang a observé que des employés utilisaient les modèles d’IA les plus coûteux pour des tâches simples, une pratique qu’il considère onéreuse et peu propice à l’apprentissage du métier par les nouvelles recrues. Il affirme que l’usage excessif de l’IA empêche certains nouveaux employés de bien comprendre leur rôle et génère des erreurs. Interrogés sur ces choix, des salariés ont répondu que l’IA avait presque toujours raison, ce qui, selon lui, réduit la propension à remettre en question les résultats et à exercer leur propre jugement. Il soutient que réaliser le travail de base sans recourir à l’automatisation contribue à développer cette compréhension.

Profil de Valon et paradoxe assumé autour de l’IA

Installée à New York, Valon compte environ 320 salariés et développe des logiciels de gestion hypothécaire reposant sur des agents d’IA. En 2024, l’entreprise a été valorisée à 1,75 milliard de dollars et a levé 275 millions de dollars auprès d’investisseurs comme Andreessen Horowitz, WestCap et 166 2nd. Andrew Wang a souligné le paradoxe d’introduire une telle règle dans une société qui fait un usage avancé de l’IA. Il a précédemment travaillé comme analyste chez Goldman Sachs.

Un contexte d’entreprise élargi : contenus générés et « meat proxies »

En septembre 2025, une enquête menée par BetterUp et le Social Media Lab de Stanford a révélé que 40 % des 1 150 employés de bureau américains à temps plein avaient reçu, le mois précédent, un travail généré par l’IA d’un collègue, chaque cas nécessitant en moyenne près de deux heures de traitement. Ce phénomène a donné naissance au terme « meat proxies » pour désigner ceux qui partagent des résultats d’IA non vérifiés, un terme popularisé par le développeur allemand Niklas Gruhn dans un billet de blog du 3 août. En dehors de Valon, certains passionnés d’IA ont critiqué la politique de l’entreprise, ce à quoi Andrew Wang répond en invitant à proposer de meilleures méthodes pour garantir l’apprentissage.