Trois outils d'« économie de tokens » ont gonflé de 18% à 46% la facture des agents IA
Un développeur a passé deux mois à économiser les tokens de ses agents avec rtk, Headroom et ripwire, puis a comparé sa facture en dollars : elle a augmenté de 18% sur 30 tâches SWE-bench et de 46% sur ses sessions réelles. En cause, le cache de prompt : il représente 92% de la facture, et la compression ne l'économise pas. Même la question « fini ? » posée le matin, quand le cache avait refroidi pendant la nuit, a coûté plus cher que l'analyse de tout le projet. Il faut donc surveiller la facture du fournisseur, pas le compteur de tokens.
Traité par IA depuis Habr AI ; édité par Hamidun News
Un développeur qui conçoit Tobari, une application de bureau pour lancer des agents IA comme Claude Code et Codex, a utilisé pendant deux mois trois outils populaires d'économie de tokens : rtk, Headroom et ripwire. Leur tableau de bord « économisé » affichait de beaux chiffres. Mais quand il a comparé la facture réelle en dollars, ses dépenses avaient augmenté.
Sur un banc de test de 30 tâches SWE-bench (un ensemble de tâches réelles de correction de bugs dans des projets open source), la facture avec les trois outils a grimpé de 18%. Sur le rejeu de ses vraies sessions de travail, elle a bondi de 46%. Imaginez : vous réduisez la sortie de git status de onze lignes à trois et vous vous en félicitez, mais en réalité vous payez plus cher, parce que cette compression casse le cache, qui rendait l'essentiel du travail bon marché.
Si vous branchez des « optimiseurs » sur vos agents, vérifiez-les d'après la facture du fournisseur, pas d'après leurs propres compteurs.
Pourquoi économiser, au fond
L'origine de la démarche, c'est la confusion autour des limites. OpenAI et Anthropic changent sans cesse les limites des abonnements et ne publient officiellement pas les volumes. En septembre, Anthropic a réduit les limites hebdomadaires de Claude Code, mais l'a présenté comme une hausse de 25%.
Auparavant, un bonus temporaire de +50% s'était appliqué pendant six mois, et dans sa mise au point, l'entreprise a elle-même reconnu une baisse finale de 17%. Le 29 septembre, OpenAI a lancé l'abonnement Pro 500 à $500 et, le même jour, a divisé par deux les limites de Pro 200 pour les nouveaux abonnés. Le 22 octobre, SemiAnalysis a mesuré deux comptes Claude Max 20x à $200 : chez l'un, la fenêtre de cinq heures était plus large de 19%, mais le budget hebdomadaire était inférieur de 20%.
Trois outils, et ce qui a mal tourné
Les trois tentent de mettre moins d'octets dans le contexte, mais n'interviennent pas au même endroit.
rtk agit dans le shell : il intercepte la sortie des commandes et transmet au modèle une version compressée. Il compte 84 000 étoiles sur GitHub, et sa description promet une réduction des tokens de 60% à 90%. Sur toute la période, rtk n'a compressé aucun des 3 452 appels. Le README affichait un tableau « 118 000 tokens → 24 000 », mais il s'agissait d'estimations, pas d'une mesure. Le 22 juillet, jour de la publication de la mesure de JetBrains, les auteurs ont supprimé ce tableau. Dans la description du commit, ils ont écrit que rtk réduit les octets de sortie de bash, pas les coûts.
Headroom (77 000 étoiles) se place en proxy entre l'agent et l'API et compresse le JSON, les logs et les anciennes sorties. Sur l'une des sessions de l'auteur, il a multiplié le coût par 2,4.
ripwire ne compresse rien : il donne à l'agent de meilleurs outils. Au lieu de « lire un fichier de 800 lignes », l'agent peut demander « montre-moi la fonction et qui l'appelle ». Mais l'agent ne l'a jamais appelé.
Pourquoi les tokens ne sont pas ce que vous payez
L'auteur a disséqué une session de Claude Code sur Opus 5.5. Sa requête « Étudie le projet de fond en comble » représentait environ 15 tokens, et le contexte est passé, en un seul tour, de 39,5 à 167,5 milliers de tokens. Les trois quarts sont des fichiers et des sorties de commandes que l'agent est allé chercher lui-même dans le dépôt, et le dernier quart est le contexte initial. L'agent lui-même n'a « parlé » que pour moins de 3%.
Entre deux requêtes, le modèle ne se souvient de rien : l'agent lui renvoie donc toute la conversation à chaque fois. Pour rédiger une réponse de 2 317 tokens, il a renvoyé 167 000 tokens à 19 reprises. Au total, le tour a représenté 2,19 millions de tokens, soit 13 fois plus que la conversation elle-même. La requête médiane de l'auteur au modèle pèse 335 000 tokens, et une session moyenne en compte environ quarante.
Ce qui sauve la mise, c'est le cache de prompt. Si une requête commence par les mêmes octets que la précédente, cette partie est lue depuis le cache. Un même token de contexte (calcul fondé sur Sonnet) coûte tantôt ×0,1, tantôt ×2, soit un écart de 20 fois ; chez Opus 5.5, la lecture est encore moins chère, à ×0,05, soit 40 fois. Le tour « Étudie le projet » a coûté 471 000 unités avec le cache, contre 2,22 millions sans lui.
Le cache ne vit qu'environ une heure. L'auteur avait terminé la veille au soir sur la planification, et le matin, plus de 8 heures après, il a écrit un seul mot : « fini ? ». Il a fallu réécrire le contexte : 293 582 tokens au tarif d'écriture. Cela a coûté 606 000 unités, plus que les 19 requêtes de l'analyse du projet réunies. Avec un cache chaud, la note aurait été d'environ 34 000, soit 18 fois moins. Un compresseur de tokens n'y aurait rien changé : le message ne contenait que quelques tokens.
D'après la facture réelle de l'auteur sur 146 sessions et 35,5 milliers de requêtes en un peu plus de deux mois, 92% du coût vient du cache de prompt. Par ailleurs, 42% de la facture totale est partie dans la reconstruction d'un contexte qui se trouvait déjà dans le cache, mais qui avait expiré ou s'était cassé, dont 26% après des pauses de plus d'une heure. Le cache se casse en silence : aucune erreur, l'agent répond tout aussi bien, mais la facture grimpe. Le seul signal fiable est la part de l'entrée lue depuis le cache. Sur Claude Code « nu », elle tourne autour de 98%.
Que faire en pratique
- Comptez l'argent d'après la facture du fournisseur, pas d'après les tableaux de bord des outils eux-mêmes.
- Surveillez la part de l'entrée lue depuis le cache : chaque point perdu coûte cher.
- Rappelez-vous que reprendre une session refroidie après une heure de pause peut coûter autant qu'une grosse analyse de projet.
- Ne croyez pas les promesses du type « −60% à −90% de tokens » sans méthodologie ni mesure sur un agent en conditions réelles.
Il s'agit de l'expérience d'un seul développeur et de son jeu d'agents, mais le problème tient au modèle tarifaire du cache lui-même, pas à un projet en particulier.
- 18 nov. 2026OpenAI lance GPT-6.2 Astra : deuxième place au classement et prix en baisse de 20%
- 18 nov. 2026Meituan publie les poids d'un modèle agentique de 1,6 billion de paramètres, entraîné sans Nvidia
- 12 nov. 2026Jensen Huang quitte son poste de PDG de Nvidia : l’entreprise perd 1 400 milliards de dollars en deux semaines
- 12 nov. 2026Le syndicat d'Oakland obtient une reconversion plutôt que des licenciements dus à l'IA : 94,1 % pour la grève
Questions clés sur cet article
Pourquoi économiser, au fond?
L'origine de la démarche, c'est la confusion autour des limites. OpenAI et Anthropic changent sans cesse les limites des abonnements et ne publient officiellement pas les volumes. En septembre, Anthropic a réduit les limites hebdomadaires de Claude Code, mais l'a présenté comme une hausse de 25%. Auparavant, un bonus temporaire de +50% s'était appliqué pendant six mois, et dans sa mise au point, l'entreprise a elle-même reconnu une baisse finale de 17%.
Que sait-on sur Trois outils, et ce qui a mal tourné ?
Les trois tentent de mettre moins d'octets dans le contexte, mais n'interviennent pas au même endroit. rtk agit dans le shell : il intercepte la sortie des commandes et transmet au modèle une version compressée. Il compte 84 000 étoiles sur GitHub, et sa description promet une réduction des tokens de 60% à 90%. Sur toute la période, rtk n'a compressé aucun des 3 452 appels. Le README affichait un tableau « 118 000 tokens → 24 000 », mais il s'agissait d'estimations, pas d'une mesure.
Pourquoi les tokens ne sont pas ce que vous payez?
L'auteur a disséqué une session de Claude Code sur Opus 5.5. Sa requête « Étudie le projet de fond en comble » représentait environ 15 tokens, et le contexte est passé, en un seul tour, de 39,5 à 167,5 milliers de tokens. Les trois quarts sont des fichiers et des sorties de commandes que l'agent est allé chercher lui-même dans le dépôt, et le dernier quart est le contexte initial. L'agent lui-même n'a « parlé » que pour moins de 3%.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.