Aller au contenu
Gridpak

Amplitude affirme que Wave livre ses améliorations produit en 1 à 2 jours

Hermes Integration

Amplitude affirme que Wave livre des améliorations produit en 1 à 2 jours (OpenAI)
L’illustration publiée par OpenAI avec cette histoire, consultée le 13 novembre 2026.

OpenAI a publié le 12 novembre 2026 un témoignage client consacré à Amplitude, et la page est plus précise que le genre ne le permet : elle chiffre le coût des modèles par tâche. Amplitude affirme que Wave, son agent produit proactif, livre des améliorations produit en un à deux jours estimés au lieu d’environ un mois, et que l’agent tourne à environ 80 % sur des modèles OpenAI. L’affirmation qui compte pour quiconque paie des tokens d’agent n’est pas la hausse d’engagement de 160 % affichée en tête. C’est qu’Amplitude envoie délibérément des tâches différentes à des modèles différents, et publie ce que ce partage coûte.

Ce qui a réellement été lancé

Rien n’a été lancé. La page est le récit par OpenAI d’un seul client, classé sous Amérique du Nord, technologie, milieu de marché, avec Codex comme produit utilisé.

Le workflow explique les chiffres. Une équipe confie à Wave un domaine produit, plus les objectifs et les métriques qu’elle veut faire bouger. Wave agrège en une seule passe les données Amplitude, les replays de sessions, les retours clients et le code, classe les opportunités, rédige une solution avec un plan technique et des critères d’acceptation, puis envoie ce plan à un agent de codage, Codex compris.

Le haut de la page Comment Amplitude livre des améliorations produit en 1 à 2 jours avec OpenAI, publiée par OpenAI
La page publiée par OpenAI, consultée le 13 novembre 2026. Les quatre chiffres du haut constituent tout l’argumentaire quantitatif.

Ce que la page engage réellement

  • Amplitude estime à un ou deux jours la livraison d’une amélioration avec Wave, contre environ un mois auparavant. Le mot est « estime » : pas d’échantillon, pas de date de début, pas de décompte des améliorations.
  • Trois modèles OpenAI remplissent trois fonctions différentes, et un quatrième produit, Codex, se charge de l’implémentation. C’est ce routage, et non le choix du modèle, qui fait l’idée directrice.
  • L’humain garde la main sur toute nouveauté. La page indique que la plupart des équipes envoient directement les corrections de bugs aux agents de codage, tandis que les nouvelles fonctionnalités et les paris plus lourds passent par une revue.

La répartition par tâche est explicite. GPT-6.1 Sol pilote le gestionnaire d’opportunités et les investigations approfondies dans le code et les données. GPT-6 Luna prend le travail fréquent et bon marché : l’analyse du code, les petites vérifications d’évaluation. GPT-Image-2.5 Flare génère des maquettes produit à partir de captures de replays de sessions. La page précise que l’équipe évalue qualité, latence et coût pour chaque tâche, puis attribue le modèle.

Sur quoi repose l’affirmation

Chaque chiffre de la page provient d’une évaluation menée par Amplitude sur son propre produit, publiée par son fournisseur. Cela ne rend pas les chiffres faux, et la page est plus franche que la plupart des témoignages clients : elle publie une évaluation où son modèle choisi perd en qualité. Cela signifie en revanche que rien ici n’est une mesure indépendante, et qu’aucune pièce justificative derrière les scores n’est disponible.

Évaluation GPT-6.1 Sol Comparaison Unité
Opportunity Investigator, note globale 4,06 3,62, 3,52 et 2,94 pour trois autres modèles sur 5
Opportunity Investigator, temps médian 54 minutes non publié pour les autres par investigation
Data Science Agent, qualité 67,5 69,3 pour un autre modèle de premier plan sur 100
Data Science Agent, coût modèle moyen 1,28 $ 2,63 $ par envoi
Maquettes de solution, GPT-Image-2.5 Flare 80,3 63,9 pour un autre modèle d’image sur 100

Les 160 % sont plus étroits qu’il n’y paraît. Sur la page d’accueil d’Amplitude elle-même, les cartes de suggestion censées engager la conversation avec un agent étaient largement ignorées. Sur un échantillon de 100 replays de sessions, 80 utilisateurs ont tapé leur propre question et 12 ont choisi une suggestion. Wave a proposé de personnaliser les cartes à partir des graphiques, tableaux de bord ou de la page d’origine récents de l’utilisateur, en conservant la saisie libre, et l’équipe a testé le changement en A/B. Les messages envoyés via ces cartes ont augmenté de 160 % face au groupe témoin au bout d’un jour. Le trafic, l’intervalle de confiance et la durée du test ne figurent pas sur la page.

Le même schéma vaut pour le délai de lancement. Parmi les expériences, feature flags et guides lancés par les clients, un sur quatre est passé en production le jour même où Wave a fait remonter l’opportunité, la moitié en quatre jours, deux sur trois en une semaine. La page note elle-même en bas de page que cette courbe est interpolée à partir de jalons fournis et illustrative, et non issue d’observations individuelles.

Ce qui n’est pas publié

Aucun décompte de tokens par dispatch, donc le coût d’un modèle ne peut pas être reconstitué. Aucune dépense totale, aucun prix pour Wave, aucun nombre de sièges, et aucun client nommé en dehors d’Amplitude lui-même. Aucun audit indépendant du test A/B ni de l’un des cinq scores d’évaluation. Et aucune définition de la référence derrière environ un mois.

C’est un excellent exemple de la façon dont des choses sans éclat, simplement ignorées, peuvent accroître l’adoption de fonctionnalités de manière inattendue.

Cette phrase vient d’Eric Carlson, ingénieur IA principal senior chez Amplitude, et c’est la phrase la plus utile de la page. Les 160 % ne viennent pas d’un meilleur modèle. Ils viennent du fait d’avoir remarqué que les utilisateurs tapaient au lieu de cliquer.

Ce que cela change pour les équipes produit qui paient des tokens d’agent

Deux décisions budgétaires deviennent plus claires.

La première est le routage par tâche. Routez par métier, pas par génération : Sol à 1,28 $ par dispatch contre 2,63 $ pour le modèle qu’il bat sur le coût, soit une réduction de 51 % sur la même évaluation, et cela libère le modèle coûteux pour l’étape d’investigation.

Modèle Rôle dans Wave Chiffre associé
GPT-6.1 Sol gestionnaire d’opportunités, investigations approfondies sur le code et les données 1,34 $ de coût de modèle dans l’évaluation Opportunity Investigator
GPT-6 Luna analyses de code, petites vérifications d’évaluation aucun
GPT-Image-2.5 Flare maquettes à partir de captures d’écran de session replay 80,3 sur 100 sur les wireframes
Codex implémentation une fois un plan accepté aucun

La seconde est ce que vaut un dispatch. Le tarif de Sol dans nos relevés est de 2 $ par million de tokens en entrée et 10 $ par million en sortie, d’après l’annonce Terra du fournisseur lui-même, où Terra à 1 $ et 5 $ est tarifé à la moitié de Sol. Un dispatch qui coûte 1,28 $ à ces tarifs n’est pas un message de chat, c’est une exécution qui lit du code et des données. Quiconque budgète un agent au volume de messages se trompera d’un ordre de grandeur.

Ce que cela ne change pas, c’est le garde-fou. La page maintient la revue sur les fonctionnalités et livre les corrections de bugs aux agents, une politique que la plupart des équipes produit peuvent copier sans rien acheter. Le chiffre utile ici n’est pas 1 à 2 jours. C’est la répartition entre ce qui part sans surveillance et ce qui attend une personne.

L’avis de Neural Minute

Lisez la page comme une comparaison de modèles et vous en tirez la mauvaise leçon. Lisez-la comme une comparaison de tâches et elle dit quelque chose sur quoi un acheteur peut agir : le client du fournisseur publie une évaluation où le modèle phare obtient 67,5 contre 69,3 pour un rival, et route malgré tout vers le modèle phare à cet endroit, sur le coût par dispatch. Cela plaide pour garder deux modèles actifs dans votre propre évaluation plutôt que de tout migrer quand un modèle s’améliore.

L’autre chose à dire, c’est que Wave n’a pas trouvé le gain. C’est Amplitude qui l’a trouvé, en lisant 100 session replays et en remarquant que 80 utilisateurs tapaient et 12 cliquaient. Ce travail demande de l’analytique produit, pas un modèle particulier, et il est reproductible sur n’importe quelle stack. Ce que les modèles ont fait, c’est réduire la distance entre cette observation et un changement testé, d’un mois de tickets à quelques jours. Nous lisons le même schéma dans la baisse de prix de GPT-6.1 Terra : le catalogue est segmenté par effort, donc la décision de l’acheteur est un réglage plutôt qu’un modèle.

Donc instrumentez le produit pour que 100 replays produisent une conclusion, gardez un garde-fou humain sur tout ce qui est nouveau, et tarifez l’agent par dispatch plutôt que par message. Oubliez l’idée qu’un seul modèle porte un agent de bout en bout : l’histoire client du fournisseur lui-même montre le contraire.

Sources

  • How Amplitude ships product improvements in 1-2 days with OpenAI, OpenAI, publié le 12 novembre 2026 : https://openai.com/business/customer-stories/amplitude
  • Chaque chiffre ci-dessus est lu sur cette page le 13 novembre 2026 comme une déclaration d’Amplitude et d’OpenAI, non comme une mesure indépendante
  • Notre lecture de la baisse de prix de GPT-6.1 Terra et du tarif que nous retenons pour GPT-6.1 Sol, 27 octobre 2026 : https://www.neuralminute.com/news/gpt-6-1-terra-openai-price-cut/