Coût des agents IA : comparer le prix par tâche résolue

Les prix d’abonnement et les tarifs par jeton entrent dans la comparaison du coût, mais ne suffisent pas à eux seuls. Pour la même somme, un agent peut accomplir cinq tâches ou une seule. Pour comparer leur intérêt sur votre charge de travail, mesurez la dépense par tâche menée à un état opérationnel défini, en comptant aussi les tentatives infructueuses.

Je vais maintenant présenter la formule permettant de calculer ce coût et l’appliquer aux tarifs des fournisseurs en vigueur début septembre 2026. J’utilise des chiffres d’utilisation donnés à titre d’exemple, et je le précise : les vôtres seront différents. Vous pouvez refaire tous les calculs ci-dessous vous-même ; il n’y a ni promesse d’économies ni combinaison magique.

Pour en savoir plus sur l’utilisation du service, consultez la documentation Ailoot.

Pourquoi le prix mensuel ne permet-il pas de savoir quel agent coûte le moins cher ?#

La plupart des gens regardent le prix de l’abonnement au moment de choisir. Un agent coûte 20 $ par mois, un autre 200 $, et le premier semble dix fois plus avantageux. Cette comparaison des prix ne suffit pas à établir le rapport qualité-prix : un abonnement mesure l’accès, tandis que le travail accompli doit encore être mesuré.

Imaginez deux taxis avec un forfait mensuel fixe. Le premier vous conduit à destination du premier coup, tandis que le second se trompe de route pour la moitié des trajets et que vous devez le rappeler. Leurs abonnements peuvent coûter la même chose, mais dans la pratique, le premier vous permet d’arriver à destination pour moitié moins cher. C’est pareil avec les agents : vous payez le même abonnement, mais le nombre de tâches que vous accomplissez dépend de ce qu’ils ont sous le capot.

Mieux vaut distinguer l’abonnement de la question du coût d’une tâche. Son avantage, c’est que le montant est prévisible. Vous trouverez une analyse distincte du choix du modèle tarifaire — abonnement, paiement à l’usage ou développement sur mesure — dans Ce qui compose le prix d’un agent d’IA. Cet article répond à une autre question : quel que soit le mode de paiement, quel agent fournit des résultats au coût le plus bas ?

Pourquoi le prix par jeton est-il lui aussi trompeur ?#

La deuxième méthode de comparaison la plus courante consiste à regarder le prix par jeton. Un jeton est un fragment de texte, à peu près une partie de mot ; il mesure à la fois ce que vous envoyez au modèle et ce qu’il rédige en réponse. Les fournisseurs publient leurs tarifs par million de jetons, et les prix varient fortement d’un modèle à l’autre. La logique semble évidente : choisissez le modèle le moins cher et payez moins.

Le piège, c’est que le prix par jeton est celui de la matière première, comme le prix de l’essence au litre. Ce qui vous intéresse, c’est le coût de tout le trajet ; un litre ne vous renseigne pas beaucoup à lui seul. Un agent résout une tâche en de nombreuses étapes : il parcourt des fichiers, exécute des commandes, lit les erreurs, réécrit du code et renvoie le contexte au modèle à chaque étape. Une seule conversation avec un agent peut facilement se transformer en dizaines de requêtes, chacune consommant des jetons.

Deux effets possibles peuvent modifier une comparaison limitée aux tarifs : un modèle peut avoir besoin de davantage d’étapes et de jetons, ou accomplir moins de tâches. Aucun de ces effets ne découle du seul prix. Mesurez-les pour chaque modèle sur les mêmes tâches, tentatives infructueuses comprises. Vous trouverez une analyse détaillée de l’augmentation de la facture dans Comment calculer la consommation de jetons d’une API, ainsi que, séparément, dans Pourquoi le vibe coding coûte plus cher qu’il n’y paraît.

Quel est le coût d’une tâche résolue ?#

Venons-en à l’indicateur de cet article : le coût d’un résultat mené à bien. Le prix du forfait ou des jetons contribue à ce coût, mais il faut aussi compter la consommation réelle et les résultats obtenus. La formule est simple :

1. Prenez le coût d’une exécution de l’agent sur une tâche, c’est-à-dire le coût de tous les jetons utilisés lors d’une tentative.
2. Estimez la proportion de tâches que l’agent mène réellement à un résultat opérationnel.
3. Divisez le premier chiffre par le second pour obtenir le coût d’une tâche résolue.

Voici pourquoi il faut diviser. Si un agent accomplit sept tâches sur dix, trois des dix exécutions sont perdues, mais vous avez payé les dix. Le coût de ces dix exécutions est donc réparti entre sept résultats opérationnels, ce qui rend chacun d’eux plus cher qu’une seule exécution. Plus le taux de réussite est faible, plus le coût par tâche opérationnelle est élevé.

La « proportion de tâches accomplies » est mesurable. Elle se mesure à l’aide de benchmarks tels que SWE-bench : un agent reçoit des bogues réels issus de projets réels et propose des correctifs que le système vérifie avec des tests automatisés. Le pourcentage du tableau correspond à la proportion de tâches résolues. Mais un pourcentage obtenu en laboratoire n’est pas le vôtre : votre proportion sur votre propre projet sera différente. Considérez donc le benchmark comme un point de référence, pas comme une promesse. J’explique séparément comment lire ces tableaux dans l’article sur le classement des agents de programmation par IA.

Quels sont les trois facteurs qui composent le coût d’une tâche ?#

Décomposons le coût pour voir où se cachent les dépenses supplémentaires.

Premièrement : le prix par jeton. Le tarif de base du modèle : le coût d’un million de jetons d’entrée et d’un million de jetons de sortie. Il peut y avoir plusieurs dizaines de fois d’écart entre un modèle haut de gamme et un modèle léger.

Deuxièmement : le volume de jetons par tâche. La quantité de texte que l’agent fait traiter par le modèle lors d’une tentative. Elle dépend de la taille de la tâche, du nombre de fichiers que l’agent relit et du nombre d’étapes qu’il effectue. Un modèle qui trouve la solution en moins d’étapes peut utiliser moins de jetons ; vérifiez la consommation réelle plutôt que de la déduire de son prix ou de son étiquette.

Troisièmement : la proportion de tâches accomplies. Le pourcentage de tentatives qui aboutissent à un résultat opérationnel. Ce facteur divise le coût total : à coût par tentative constant, un taux de réussite de 40 % revient deux fois plus cher par tâche opérationnelle qu’un taux de 80 %. Cette comparaison ne détermine pas quel facteur compte le plus lorsque les tarifs et la consommation changent aussi.

Toute la confusion autour des comparaisons vient du fait que les gens ne regardent que le premier chiffre : le prix par jeton. Pourtant, les trois chiffres déterminent le coût final. Un prix bas associé à un volume élevé et à un faible taux de réussite peut facilement revenir plus cher qu’un prix élevé associé à un faible volume et à un taux de réussite élevé.

Combiner ces trois chiffres exige de les mesurer ensemble. Un contexte clair et une méthode adaptée peuvent réduire le volume de jetons ou améliorer la réussite, mais un changement de modèle peut aussi modifier ces chiffres. Cet exemple ne mesure pas si la méthode ou le prix du modèle a le plus grand effet. Cette approche repose sur trois piliers : un clone d’IA, un Second Brain et l’ingénierie du contexte.

Combien coûte une exécution avec différents modèles ?#

Pour rendre la formule concrète, je vais calculer le coût d’une exécution à partir des tarifs effectivement publiés. Je prends une tâche type non triviale pour laquelle l’agent utilise environ 300 000 jetons d’entrée par tentative (en relisant le projet et les erreurs au fil de nombreuses étapes) et environ 40 000 jetons de sortie. Là encore, il s’agit d’un exemple de calcul, pas d’une mesure ; votre consommation sera différente.

Voici les tarifs par million de jetons selon les tarifs officiels des fournisseurs au début du mois de septembre 2026 :

Vous pouvez vérifier la formule avec un exemple réel tiré de la documentation d’Anthropic. Pour une requête à Opus 5 avec 50 000 jetons d’entrée et 15 000 jetons de sortie, le calcul est le suivant :

Autrement dit, le coût de l’entrée et celui de la sortie s’additionnent, chacun au tarif correspondant, exactement comme dans la formule. Il ne reste qu’à diviser le coût de l’exécution par la proportion de tâches accomplies, et c’est là qu’un prix bas peut donner un résultat inattendu.

Pourquoi un modèle peu coûteux peut-il rendre une tâche plus chère qu’un modèle puissant ?#

C’est le constat qui justifiait de faire honnêtement le calcul. Je vais comparer deux modèles selon le coût du résultat : le coût de l’exécution lui-même n’est plus le critère principal.

Sonnet 5 : une exécution coûte environ un dollar et, pour notre tâche type, supposons que le modèle réussisse 70 % des tentatives. Le coût d’une tâche opérationnelle est d’un dollar divisé par 0,7, soit environ 1,40 $.

Haiku 4.5 : dans l’exemple, une exécution coûte environ 50 cents et le tarif par jeton indiqué est deux fois moins élevé. Pour cette illustration, supposons une consommation d’environ 1,6 fois plus de jetons et 40 % de tentatives réussies. Avec ces hypothèses, une tâche opérationnelle coûte environ 2 $. Cette consommation et ce taux sont des données de l’exemple, pas des observations causées par le prix inférieur du modèle.

Dans cet exemple hypothétique, le modèle au tarif par jeton deux fois moins élevé a un coût calculé par tâche résolue plus haut, car la consommation et les échecs supposés annulent cet avantage. Cela démontre le fonctionnement de la formule, sans établir quel modèle sera le plus économique sur votre projet.

Une précision : j’ai utilisé des taux de réussite de 70 et 40 % et des volumes de jetons donnés à titre d’exemple pour montrer comment fonctionne le mécanisme. Vos chiffres seront différents, et il est tout à fait possible qu’un modèle léger gère bien votre charge de travail tout en restant le moins cher. Un modèle plus coûteux n’offre pas nécessairement le meilleur rapport qualité-prix ; comparez le coût par résultat à partir de vos propres trois chiffres.

Comment calculer le coût par tâche pour votre cas : trois profils ?#

Pour appliquer cela à votre propre travail, estimez quel profil vous correspond le mieux. La formule reste la même ; seuls les trois chiffres changent.

Profil un : tâches simples et répétitives. Reformuler du texte, organiser des données, apporter une petite correction au code. Testez si un modèle léger comme Haiku ou DeepSeek V4-Flash satisfait vos critères avec une faible consommation et peu de reprises. Comparez son coût mesuré par résultat opérationnel avec celui d’un autre modèle avant de désigner le moins cher ou de considérer Opus comme une dépense excessive.

Profil deux : travail complexe sur du code que vous ne connaissez pas. Comprendre le projet de quelqu’un d’autre, corriger un bogue difficile à repérer, développer une nouvelle fonctionnalité. Mesurez les tentatives complètes sur ces tâches. Un modèle aux jetons plus chers peut coûter moins par résultat utilisable si sa réussite accrue ou sa consommation réduite compense ce tarif. Vos résultats doivent démontrer cet avantage ; la catégorie du modèle ne suffit pas.

Profil trois : charge de travail mixte. Comparez un modèle unique à une répartition des tâches courantes et difficiles entre plusieurs modèles candidats. Comptez la consommation, les échecs et les corrections sur toute la charge de travail. Cette répartition peut améliorer le coût par résultat, mais cet article ne l’a pas mesurée comme la solution la moins chère. De nombreux agents vous permettent de changer de modèle pendant le travail.

Calculez chaque profil séparément avec la même formule, et vous verrez où cela coûte moins cher.

Quelle est l’erreur la plus fréquente au moment de choisir ?#

Un choix fondé uniquement sur les tarifs peut masquer des résultats différents selon le travail. Un modèle peut traiter les tâches courantes de façon économique et demander davantage de tentatives pour une fonctionnalité difficile. Pour savoir si ces tentatives rendent son résultat plus cher que celui d’un autre modèle, mesurez la consommation et le taux de réussite ; son prix par jeton bas ne suffit pas à le conclure.

L’inverse peut aussi arriver : si un modèle léger accomplit la même tâche acceptée pour un tiers du coût, une configuration plus chère ajoute une dépense inutile pour cette tâche. Cette comparaison est conditionnelle : vérifiez la qualité, les tentatives et le coût avant de supposer cet avantage.

Une remarque sur ma propre méthode. Je travaille avec Claude Code et un abonnement ; je n’utilise pas l’API classique au quotidien, car je préfère un montant prévisible à un compteur qui tourne. Un contexte propre et une tâche bien définie peuvent réduire le volume de jetons et améliorer le taux de réussite. Le choix du modèle peut aussi modifier ces deux facteurs, en plus du tarif. Mon expérience ne mesure pas leur importance relative : comparez les mêmes tâches et comptez toutes les tentatives et corrections humaines.

Alors, quel agent coûte le moins cher ?#

Cette illustration n’établit pas un agent universellement le moins cher : le coût par résultat varie selon la charge de travail. Utilisez les prix du forfait ou des jetons applicables, mesurez la consommation et les résultats acceptés, puis comparez les coûts obtenus. Actualisez le calcul lorsque les tarifs ou votre travail changent.

Un dernier point. Le coût par tâche résolue dépend des tarifs du modèle, des jetons consommés lors de toutes les tentatives et de la proportion de tâches réellement réussies. Le contexte et la méthode de travail peuvent modifier le volume et le taux de réussite ; changer de modèle peut aussi les modifier. Les taux illustratifs ci-dessus ne mesurent pas le facteur le plus important. Comparez les modèles sur les mêmes tâches représentatives, comptez les reprises et les corrections humaines, puis choisissez selon le coût mesuré par résultat utilisable.

L’approche complète du vibe coding dépend de la méthode ; l’agent choisi et son prix sont secondaires : un clone d’IA, plus un Second Brain, plus l’ingénierie du contexte. Un contexte propre et un travail structuré influencent le volume de jetons et le taux de réussite, qui déterminent ensemble le coût d’une tâche.

Découvrez Ailoot.