Microsoft publie TokenEconomizer : les agents de code dépensent 18,4 à 30,9 % de moins
Un agent de code découvre le projet à chaque session et charge des descriptions d'outils inutiles : vous payez ces tokens. Le plugin gratuit TokenEconomizer de Microsoft mémorise les faits sur le projet et évite de charger le superflu. Sur SWE-Bench, où les agents corrigent de vrais bugs, le coût a baissé de 18,4 à 30,9 % dans cinq combinaisons d'agents et de modèles. Si vous atteignez vite vos limites, testez le plugin sur votre propre dépôt.
Traité par IA depuis X: @TechScopeAR ; édité par Hamidun News
Qui travaille souvent avec des agents de code connaît ce sentiment : la limite de son forfait est atteinte au milieu de la semaine, et la facture d'API grimpe plus vite que le nombre de tâches terminées. Une part notable des dépenses est répétitive. L'agent ouvre une nouvelle session et doit de nouveau déterminer comment le projet est organisé, où se trouvent les tests et quel gestionnaire de paquets est utilisé, en chargeant en plus des descriptions d'outils dont vous n'avez pas besoin.
Tout cela se paie en tokens, c'est-à-dire en fragments de texte que le fournisseur du modèle comptabilise. Microsoft a publié en open source TokenEconomizer, un plugin gratuit qui élimine précisément ces répétitions. Selon les auteurs, sur SWE-Bench, un test populaire où les agents corrigent de vrais bugs de projets open source, le coût de fonctionnement a baissé de 18,4 à 30,9 %.
En clair : pour chaque tranche de 100 dollars de dépenses, on en économise 18 à 31 pour les mêmes tâches.
Ce que fait TokenEconomizer
Il s'agit d'un plugin open source. Il est compatible avec Claude Code, Codex, Copilot CLI et Pi, il n'est donc pas lié à un seul écosystème. Le sous-titre du dépôt GitHub est « Experience-Driven Black-Box Cost Control for Coding Agents », que l'on peut traduire par « contrôle des coûts des agents de code fondé sur l'expérience accumulée ». Le « boîte noire » signifie ici que l'outil fonctionne de l'extérieur et ne demande pas de réécrire l'agent lui-même.
L'idée repose sur trois mécanismes décrits dans la présentation du projet :
- Le plugin apprend des sessions passées sur votre projet et mémorise des informations à son sujet. L'agent n'a pas besoin de les redécouvrir à chaque fois.
- Il cesse de charger les définitions des outils que vous n'utilisez pas. Chacune de ces définitions occupe de la place dans le contexte et est facturée à chaque requête.
- Au final, chaque requête consomme moins de tokens.
Une comparaison concrète : un nouveau collaborateur demande, à chaque réunion du matin, qu'on lui réexplique où se trouve chaque chose dans le dépôt. On peut payer ces explications encore et encore, ou lui donner des notes. TokenEconomizer tente de tenir ces notes automatiquement.
Ce que montrent les mesures
Les auteurs présentent des résultats sur SWE-Bench. Le coût a baissé de 18,4 à 30,9 % dans cinq configurations différentes d'agents et de modèles. L'écart est notable : dans une combinaison, l'économie est inférieure au cinquième, dans une autre elle atteint presque un tiers. Le gain réel dépend donc de l'agent et du modèle que vous utilisez.
Pour fixer les idées : si une équipe dépense, disons, 1 000 dollars par mois pour ses agents, une économie de 18 à 31 % représente environ 180 à 310 dollars pour les mêmes tâches. Pour un développeur isolé sur abonnement, le bénéfice se présente autrement : les limites s'épuisent plus lentement et il peut travailler plus longtemps sans interruption.
Limites et marche à suivre
Quelques réserves honnêtes s'imposent. Premièrement, les chiffres sont publiés par les auteurs eux-mêmes, sans vérification indépendante pour l'instant. Deuxièmement, SWE-Bench consiste à corriger des bugs dans des dépôts connus. Votre monorepo fermé, avec une compilation non standard, peut donner un résultat différent. Troisièmement, la description disponible ne précise pas la façon dont l'« expérience » est stockée : où sont les notes, comment elles sont mises à jour et ce qui se passe lorsque le projet change fortement. Une mémoire obsolète peut être pire que pas de mémoire du tout, il faut donc surveiller ce point.
Conclusion pratique :
- Si vous atteignez les limites de Claude Code, Codex ou Copilot CLI, installez le plugin sur un projet non stratégique et comparez la consommation de tokens sur une semaine avec celle d'un usage normal.
- Mesurez aussi la qualité, pas seulement le coût : la proportion de tâches résolues ne doit pas baisser. Une économie qui se paie en erreurs ne vaut rien.
- Consultez le dépôt pour savoir quelles données le plugin conserve sur le projet. Pour du code commercial, c'est une question de politique de sécurité.
- Si vous avez beaucoup de serveurs MCP et d'outils connectés, l'effet de la suppression des définitions superflues sera probablement plus marqué.
L'actualité est révélatrice en soi : le coût de l'utilisation des agents de code devient peu à peu une tâche d'ingénierie à part entière. Auparavant, on le réduisait en choisissant un modèle moins cher. Apparaissent désormais des outils qui économisent sur le contexte répétitif, sans changer ni le modèle ni l'agent. Pour les équipes dont la facture de tokens pèse déjà sur le budget, c'est une raison d'intégrer ce type de vérification à leur évaluation habituelle des outils.
- 21 nov. 2026Les services Microsoft sont tombés pendant près de 2 jours, la FAA a cloué les vols au sol : l'IA est-elle coupable ?
- 21 nov. 2026GitHub Copilot commence à transmettre le journal d'activité des agents vers Microsoft Agent 365
- 21 nov. 2026Des investisseurs israéliens voient une chance pour les concurrents de Nvidia après le départ de Huang
- 21 nov. 2026L'exploitant nucléaire Constellation ne craint pas les démocrates malgré la vente de 2 500 milliards de dollars d'actions liées à l'IA
Questions clés sur cet article
Que sait-on sur Ce que fait TokenEconomizer ?
Il s'agit d'un plugin open source. Il est compatible avec Claude Code, Codex, Copilot CLI et Pi, il n'est donc pas lié à un seul écosystème. Le sous-titre du dépôt GitHub est « Experience-Driven Black-Box Cost Control for Coding Agents », que l'on peut traduire par « contrôle des coûts des agents de code fondé sur l'expérience accumulée ». Le « boîte noire » signifie ici que l'outil fonctionne de l'extérieur et ne demande pas de réécrire l'agent lui-même.
Que sait-on sur Ce que montrent les mesures ?
Les auteurs présentent des résultats sur SWE-Bench. Le coût a baissé de 18,4 à 30,9 % dans cinq configurations différentes d'agents et de modèles. L'écart est notable : dans une combinaison, l'économie est inférieure au cinquième, dans une autre elle atteint presque un tiers. Le gain réel dépend donc de l'agent et du modèle que vous utilisez.
Que sait-on sur Limites et marche à suivre ?
Quelques réserves honnêtes s'imposent. Premièrement, les chiffres sont publiés par les auteurs eux-mêmes, sans vérification indépendante pour l'instant. Deuxièmement, SWE-Bench consiste à corriger des bugs dans des dépôts connus. Votre monorepo fermé, avec une compilation non standard, peut donner un résultat différent.
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.