Unités de travail agentiques (UTA)

Une unité de travail agentique (UTA) est une métrique au niveau de la plateforme qui exprime l'ampleur de l'activité survenue dans l'ensemble de l'entreprise agentique, d'Agentforce à Slack. Alors que le secteur se tourne traditionnellement vers les jetons (les données brutes traitées par un modèle), ces derniers ne vous renseignent que sur la consommation. Les UTA sont une mesure du volume total de travail que notre plateforme effectue pour le compte des clients.

Une UTA est une tâche distincte accomplie par un agent IA. Elle correspond au moment où l'intelligence brute est convertie en travail réel. Il s'agit d'un prompt traité, d'une chaîne de raisonnement terminée ou, surtout, d'un outil invoqué. Pour fournir une image complète de cette valeur, nous suivons deux chiffres clés :

• UTA : volume total de travail effectué par notre plate-forme pour le compte des clients.
• Jetons traités : notre empreinte dans l'économie mondiale du calcul IA, qui ancre notre impact dans la couche d'infrastructure.

Jusqu'à maintenant, le succès de l'IA se mesurait via la consommation de jetons. Mais les jetons ne mesurent que la fréquence à laquelle une IA intervient, et pas le travail qu'elle accomplit réellement. C'est pourquoi nous sommes ravis de vous présenter l'unité de travail agentique (UTA)

Non. Le ratio est flexible. À mesure que l'innovation de notre plateforme mûrit et que la mise en œuvre par nos clients s'améliore, nous nous attendons à ce qu'une divergence se crée entre les jetons et les UTA. Cela signifie notamment que davantage de travail sera effectué à moindre coût.

Les tâches déterminées à haute fréquence (comme le déclenchement d'un flux ou l'appel d'une API) ne consomment pas beaucoup de jetons. À l'inverse, les raisonnements complexes et la résolution autonome de problèmes peuvent en fait augmenter le nombre de jetons utilisés. C'est d'autant plus vrai que les agents effectuent des actions plus sophistiquées, comme des évaluations de la qualité du travail, la conception et l'optimisation d'agents avec le vibe coding, et l'exploitation accrue du contexte pour obtenir les meilleures réponses possibles.

L'objectif ici consiste à obtenir un ratio « inférence/travail » élevé en utilisant des jetons pour produire des résultats concis et à forte valeur ajoutée. Ce point est essentiel, car dans le monde des LLM, les résultats peuvent coûter jusqu'à 10 fois plus que les jetons utilisés pour y parvenir. Notre objectif n'est pas simplement d'utiliser moins de jetons, mais de nous assurer que chaque résultat coûteux dépensé maximise le travail effectué.

À ce jour, nous avons généré 3,8 milliards d'UTA ; 1,6 milliard au premier trimestre seulement, soit une hausse de 111 % d'un trimestre à l'autre. Les agents de service ont augmenté de 66 % d'un trimestre à l'autre pour atteindre 232 millions d'UTA au 1er trimestre et les agents employés ont enregistré une augmentation de 148 % d'un trimestre à l'autre. Slack AI a enregistré une croissance de 347 % d’un trimestre à l’autre, portée par l’augmentation de l’utilisation de Slackbot.