Les Agentic Pods d'Uber : le virage qui a mis fin au « tokenmaxxing »

Deux mois plus tard, Praveen Neppalli Naga, le CTO d'Uber, dévoilait une approche radicalement différente. Les résultats étaient si frappants — un processus de planification financière passant de 15 heures à 30 minutes, des rapports financiers de deux jours à 10 minutes — que cela est devenu l'une des études de cas les plus observées de l'année dans le domaine de l'IA en entreprise . Voici comment fonctionnent les Agentic Pods d'Uber et pourquoi elles représentent un changement fondamental dans la façon dont l'entreprise envisage l'IA.

Que sont les Agentic Pods ?

Les Agentic Pods sont de petites équipes de deux personnes — chacune associant un ingénieur compétent en IA à un expert métier issu d'un service fonctionnel — avec un sprint fixe de deux semaines pour observer un workflow manuel et le reconstruire avec des agents IA . Naga a lancé le programme à la mi-2026, déployant environ 30 pods dans 16 fonctions métier différentes, dont la Finance, le Juridique, le Marketing, les RH, le Support Client et les Achats, en deux mois .

Le plan d'action précis en 10 jours

Naga a publié le workflow exact sur LinkedIn le 7 juillet 2026 :

• Jours 1-2 : L'ingénieur suit l'expert métier, observant chaque étape du workflow réel.
• Jour 3 : Le pod priorise la tâche à plus fort impact à automatiser.
• Jours 4-9 : Le binôme construit l'agent IA en collaboration, en le validant avec les pairs de l'expert.
• Jour 10 : L'agent fonctionnel est mis en production.

La date limite stricte n'est pas anodine. Elle force l'équipe à livrer quelque chose de concret plutôt que de polir indéfiniment . Comme l'a décrit Naga, l'objectif était de « cesser de traiter l'IA comme une expérience coûteuse et commencer à l'utiliser pour reconcevoir des workflows manuels complexes » .

Gains de productivité mesurés

Les résultats sont largement rapportés par de multiples médias, attribués aux données internes d'Uber :

Ces chiffres représentent des réductions de temps de cycle de 30x à 400x pour des processus métier essentiels. Naga a également signalé que 9 000 workflows de support manuels avaient été convertis en libre-service .

Du Tokenmaxxing à l'Automatisation Ciblée

La stratégie précédente — surnommée tokenmaxxing — était une approche très dépensière où près de 95 % des quelque 5 000 ingénieurs d'Uber utilisaient quotidiennement des outils comme Claude Code et Cursor . Mais l'entreprise ne pouvait pas lier cette consommation de tokens à un résultat commercial mesurable. En mai 2026, Macdonald a déclaré à Business Insider qu'il devenait « plus difficile de justifier » les dépenses IA parce que « ce lien [entre l'utilisation des tokens et la productivité] n'existe pas encore » . Une utilisation plus élevée des tokens ne se traduisait pas par des améliorations proportionnelles des produits destinés aux consommateurs .

Les principales différences entre les deux stratégies :

• Ère du tokenmaxxing : Déploiement généralisé des outils de codage IA à tous les ingénieurs ; dépenses suivies par le volume de tokens ; aucun lien clair avec le retour sur investissement reconnu par la direction .
• Ère des Agentic Pods : Approche ciblée, d'abord axée sur les workflows ; ingénieurs intégrés dans les départements non techniques ; succès mesuré par des réductions de temps de processus concrètes .

Pourquoi la structure en Pods a fonctionné

La structure des Agentic Pods a résolu deux problèmes que l'approche tokenmaxxing ne pouvait pas résoudre. Premièrement, elle a obligé les ingénieurs à comprendre un problème de bout en bout avant de construire, plutôt que d'accumuler des tokens sans résultat défini. Deuxièmement, elle a lié directement les dépenses IA à des résultats commerciaux mesurables — heures économisées, rapports accélérés, workflows éliminés .

En seulement deux mois, 16 pods ont été déployés dans 16 fonctions métier . Le modèle a depuis été étendu. Comme l'a noté Naga, après les pods, 99 % des ingénieurs d'Uber utilisaient des outils IA — mais désormais avec un cadre garantissant que cette utilisation produise des résultats que l'entreprise peut suivre .