Vos ingénieurs ont choisi leurs agents de code. Personne n'a choisi les réglages sur lesquels ces agents tournent — et ce sont ces réglages qui décident quel modèle répond, quelle part de la conversation est renvoyée au prix plein, et combien de sous-agents se lancent derrière une seule frappe. Un preprint d'Accenture Responsible AI a retarifé environ 10 000 sessions d'agents réelles issues de jeux de données publics et constate que déplacer le travail vers le modèle capable le moins cher, sans perturber aucune conversation en cours, récupère 13 à 21 % des dépenses de modèles agentiques (Kwartler, Aqrawi et Abbasi, 2026).
Le chiffre transposable n'est pas le pourcentage. C'est le dénominateur qui se trouve en dessous : 41 dollars par ingénieur et par jour actif.
Le produit qui exécute vos agents de code est une décision d'achat que personne n'a prise
Le terme employé par l'article pour désigner le produit qui exécute un agent est le harness — Claude Code, Codex, et dix-neuf autres que les auteurs cartographient dans une matrice de couplage construite à partir de fichiers de licence et de documents de configuration. Presque aucune entreprise n'en construit un. Elles adoptent celui que le fournisseur du modèle livre avec les licences, avec ses réglages par défaut.
C'est là que l'argent se décide. Un harness choisit quel modèle répond à un tour donné, quelle quantité de contexte ce modèle lit, comment le cache de prompts est utilisé et quels sous-agents tournent. Dans la formulation des auteurs, il choisit donc le tarif sur la grille de prix et fixe le volume acheté à ce tarif. Les deux moitiés de la facture, choisies par un fichier de configuration que personne n'a relu.
Comparez cela à la façon dont la même organisation traite une ligne logicielle de 30 000 euros : revue du fournisseur, questionnaire de sécurité, responsable nommé. Le harness des agents est arrivé par un budget d'outils de développement et déplace désormais un montant d'un ordre de grandeur supérieur, sans aucun responsable.
Ce que la retarification a trouvé
Les auteurs ont construit un routeur, l'ont placé entre le harness et le point d'accès du modèle, et ont émulé une entreprise de 10 000 postes en utilisant des comportements mesurés sur des sessions réelles — corrections, pauses et lancements de sous-agents compris.
| Mesure | Résultat |
|---|---|
| Dépenses annuelles de modèles en l'état, 10 000 postes | 24,4 M$, soit 41 $ par ingénieur et par jour actif |
| Récupéré par le routage préservant le cache | 13 à 21 %, soit 3,3 à 5,1 M$ par an |
| Sessions réelles longues moins chères sur le modèle haut de gamme que sur le palier inférieur | 51 à 80 % |
| Part de l'économie totale provenant de ce seul croisement | environ trois quarts |
Lisez la fourchette attentivement, car ce n'est pas un intervalle de confiance. Les 3,3 M$ correspondent à ce que le classifieur réel des auteurs produit ; les 5,1 M$ à ce que produirait un classifieur parfait. L'écart entre ces deux nombres, c'est la qualité de vos décisions de routage, pas du bruit statistique.
Une ligne de leurs résultats rend le mécanisme concret : une modification d'une seule ligne au sein d'une longue session de code passe de 0,90 $ à 0,36 $. Non pas parce que le modèle est devenu moins cher. Parce que la requête a cessé de traîner une conversation entière derrière elle.
Un tiers de la facture est de la reprise, pas du travail
Le résultat qui a le plus de chances de survivre à une retarification dans votre propre entreprise n'a rien à voir avec le routage.
Dans l'émulation, les corrections — les tours où quelqu'un dit à l'agent qu'il s'est trompé et où celui-ci réessaie — représentent plus d'un tiers de la facture en l'état. Retirez-les et la dépense mensuelle tombe de 2,03 M$ à 1,31 M$. Les corrections sont aussi la raison la plus fréquente pour laquelle les gens interrompent un agent de code : 32 % des interruptions dans l'échantillon du fournisseur que citent les auteurs.
C'est la même forme que le résultat sur le coût des agents publié par QuantumBlack de McKinsey plus tôt dans l'année : pour un agent de service client bancaire, les coûts de jetons représentent 20 à 25 % du coût variable d'exploitation d'un agent, tandis que la supervision humaine en représente 70 à 75 % (McKinsey QuantumBlack, 2026). Charge de travail différente, méthode différente, même conclusion : la partie coûteuse d'un agent est celle où un humain doit repasser sur sa production.
Un signal de qualité pointe dans la même direction. L'analyse par GitClear de 623 millions de modifications de code entre 2023 et 2026 relève une duplication de blocs en hausse de 81 %, le copier-coller au sein d'un même commit en hausse de 41 %, les constructions masquant les erreurs en hausse de 47 %, et les déplacements de lignes liés au refactoring en baisse de 70 % (GitClear, 2026). Leur néologisme pour ce résultat mérite d'être emprunté : des composants perpétuellement en V1 — du code qui part en production et n'est jamais consolidé, parce que personne ne refactorise ce qu'un agent peut régénérer.
La reprise, vous la payez deux fois : une fois sur la facture, une fois dans le code.
Le prix au jeton n'est pas le coût à la tâche
Le résultat du croisement est le contre-intuitif, et c'est celui qui brise l'instinct de tout responsable des opérations soucieux des coûts.
Sur les sessions longues et riches en appels d'outils, le modèle le plus cher coûte moins par session que le palier en dessous — dans 51 à 80 % des sessions réelles coûtant 100 $ ou plus. Le mécanisme est le cache : un modèle haut de gamme qui lit le contexte en cache à la moitié du tarif du palier inférieur gagne sur toute session qui relit son historique un nombre suffisant de fois, et le travail agentique relit en permanence. L'article est net sur cette dépendance : retirez le modèle de pointe et l'économie entière s'effondre de 13 % à 3,1 %, car le croisement en a besoin.
Donc « nous avons basculé tout le monde sur le modèle pas cher » n'est pas un programme de réduction des coûts. C'est un pari sur le fait que vos sessions sont courtes.
Le cache est le compteur caché
Trois détails de configuration de l'article valent plus, pour une entreprise de 200 personnes, que le pourcentage en une.
Premièrement, la durée de vie du cache. Le cache d'un agent de code survit une heure sur un abonnement grand public mais cinq minutes sur des clés API et des fournisseurs cloud — c'est exactement la manière dont une passerelle d'entreprise se connecte. Anthropic documente les deux options et tarife le cache d'une heure au double des jetons d'entrée de base en écriture (Anthropic, 2026). Dans deux corpus publics de sessions réelles, 17 à 27 % des tours utilisateur sont arrivés après une pause de plus de cinq minutes. Chacun de ces tours reconstruit le cache à froid au prix plein. Le TTL plus long n'est pas gratuit, mais il est presque certainement moins cher que ce que le réglage par défaut vous fait subir.
Deuxièmement, la passerelle elle-même. Si le proxy entre le harness et le modèle retire les marqueurs de cache ou les en-têtes beta, le fournisseur facture la conversation entière comme entrée non mise en cache à chaque tour. C'est une perte silencieuse et totale du cache, causée par un élément d'infrastructure réseau qui fonctionne correctement.
Troisièmement, les réglages de contexte par rôle. Dix mille retours à froid sur un historique de 300 000 jetons coûtent 18 750 $ simplement pour le renvoyer ; l'élaguer d'abord à 30 000 jetons coûte 1 875 $. Un ingénieur au milieu d'une tâche peut réellement avoir besoin de tout l'historique. Un marketeur qui révise un brouillon n'a pas besoin du raisonnement derrière la version précédente. Un seuil unique pour tous est une décision tarifaire déguisée en réglage par défaut.
L'objection honnête
Quatre limites, énoncées simplement.
C'est un preprint, et la version compte. arXiv 2609.28919 a été déposé le 24 septembre 2026 et révisé le 26 septembre. La révision a fait passer le chiffre phare de 14-21 % à 13-21 %, l'économie de 5,0 à 5,1 M$, et a changé le titre de l'article. Il n'a pas achevé son évaluation par les pairs. Si vous avez vu les chiffres antérieurs cités ailleurs, ce sont ceux de la v1.
C'est une émulation, pas une facture auditée. Les auteurs modélisent une entreprise de 10 000 postes à partir de comportements tirés de corpus publics de sessions, pas de la facture d'une entreprise réelle. Ils reconnaissent franchement que leurs scénarios sous-représentent les tours les plus courts — un quart des requêtes réelles se situent dans des sessions de moins de sept requêtes, contre 3,8 % des leurs — et que des sessions ayant la forme d'un de leurs corpus de référence ramèneraient les 13 % à environ 9 %.
L'arithmétique est arrimée à une seule grille de prix. Tout repose sur les prix catalogue d'Anthropic du 21 septembre 2026. Sous un régime uniforme de lecture de cache, le croisement disparaît et l'économie tombe à 6 %. Les fournisseurs retarifent à court préavis. Ce qui se transpose, c'est la méthode, pas le nombre.
Le routage lui-même est imparfait. Le classifieur n'identifie correctement la complexité que dans 63 % des cas, et 12,5 % des tours qu'il a déplacés étaient des rétrogradations erronées, envoyées sous le palier que le travail exigeait. Desserrer son seuil de 0,8 à 0,5 déplace 46 % de tours en plus et fait tomber l'économie à 10 %, parce que les chaînes de correction coûtent plus que ce que les déplacements font gagner. Le routage agressif, c'est la façon dont on achète de la reprise.
Et la mise en garde la plus large : si le coût des jetons est réellement un quart du coût variable d'exploitation d'un agent, alors récupérer 13 à 21 % de la ligne jetons revient à récupérer quelque chose comme 3 à 5 % de ce que l'agent vous coûte vraiment. Bon à prendre. Pas une stratégie.
Ce qu'il faut changer ce trimestre
Quatre mouvements. Aucun n'est un achat, et un seul est technique.
- Sortez de votre propre facture le chiffre par ingénieur et par jour actif. C'est tout l'exercice. Aux 41 $ de l'émulation, trente ingénieurs sur environ 220 jours actifs approchent 271 000 $ par an ; à la moyenne d'environ 13 $ rapportée par le fournisseur, on approche 86 000 $ — c'est mon arithmétique sur leur unité, pas leur résultat, et cet écart est précisément la raison pour laquelle on mesure au lieu de supposer.
- Donnez à la configuration du harness un responsable nommé, au même niveau que toute autre dépense de cette taille. Pour l'instant, les réglages par défaut appartiennent à celui qui les a livrés.
- Vérifiez trois réglages avant d'envisager le routage : le TTL du cache, le fait que votre passerelle transmette les marqueurs de cache sans les altérer, et le fait que les limites de contexte diffèrent selon le rôle. L'ordre des recommandations de l'article place ces points avant tout routeur, car un routeur derrière une passerelle qui supprime le cache ne fait économiser rien.
- Changez la métrique : passez du coût par jeton ou par poste au coût par tâche vérifiée — l'unité qui inclut la chaîne de correction. C'est la recommandation finale des auteurs et c'est le seul nombre qui bouge quand le travail devient réellement meilleur plutôt que moins cher.
Ce dernier point est plus difficile qu'il n'y paraît, car il exige que le coût d'un morceau de travail d'agent et la trace de son acceptation par un humain vivent au même endroit. Il vaut la peine de regarder comment Scovai structure cela sur sa surface Digital Employees : trois sources de coût délibérément séparées — ce que vous payez sur la facture, ce que mesurent les compteurs de la plateforme, et ce que déclare le fournisseur — avec des plafonds mensuels et par transaction rattachés au poste plutôt qu'à l'outil, et une règle affichée selon laquelle, là où un nombre n'existe pas, la surface le dit au lieu d'afficher un zéro.
La conclusion inconfortable de cet article, c'est que le plus grand coût technologique variable que la plupart des entreprises ajouteront cette décennie est aujourd'hui fixé par un fichier de configuration arrivé avec un outil de développement. Pas par une négociation fournisseur, pas par un budget, pas par la décision de qui que ce soit.
Alors découvrez, avant la clôture du trimestre, ce que vos agents de code coûtent réellement par ingénieur et par jour actif — et qui, nommément, est autorisé à modifier les réglages qui en décident. Si la réponse à la seconde question est personne, vous avez localisé le problème, et ce n'était jamais le prix au jeton.
