Un assistant classique fait une requête par question. Un agent fait une boucle : il réfléchit, appelle un outil, lit le résultat, réfléchit à nouveau. Chaque tour traîne tout ce qui précède, donc le contexte grossit et le coût du dixième tour n’a rien à voir avec celui du premier. C’est pourquoi les estimations bâties sur une seule requête sont très en dessous de la réalité.
En un coup d’œil
| Ce qui se passe | L’historique est renvoyé à chaque tour de boucle |
| Effet | Le coût croît plus vite que le nombre d’étapes |
| Comment le mesurer | Par tâche terminée, pas par requête |
| Leviers | Élaguer l’historique, plafonner les étapes, descendre de modèle dans la boucle |
D’où vient le coût
Trois choses s’additionnent. D’abord l’historique : au tour N, le modèle relit les N-1 précédents. Ensuite les descriptions d’outils, qui voyagent dans toutes les requêtes même si l’agent en utilise deux sur quinze. Enfin les reprises : une étape qui échoue est refaite et payée deux fois.
Résultat : la dépense d’une tâche agentique n’est pas linéaire par rapport aux étapes. Doubler la longueur de la conversation peut plus que doubler la facture.
Mesurer par tâche, pas par requête
La bonne unité n’est pas la requête, c’est la tâche terminée. Un agent qui résout le cas en quatre étapes avec un modèle cher peut revenir moins cher qu’un autre qui fait vingt tours avec un modèle bon marché, et le prix au million de tokens ne vous le dira pas. C’est exactement ce que mesure le coût par tâche.
Ajoutez une deuxième colonne : la part des tâches qui se terminent correctement. Un agent bon marché qui échoue une fois sur quatre oblige à recommencer, et cette reprise se paie aussi.
Où le freiner
Élaguez l’historique. Tout ce qui s’est passé huit étapes plus tôt n’est pas nécessaire à la neuvième. Résumer l’ancien et garder le récent intact coupe la croissance à la racine.
Réduisez les outils. Ne montrez à l’agent que ceux qu’il peut utiliser à ce point du flux, pas le catalogue entier.
Plafonnez les étapes. Un agent sans limite est une facture sans limite. Mieux vaut qu’il abandonne et signale le cas plutôt qu’il fasse quarante tours.
Descendez de modèle dans la boucle. Décider de l’étape suivante est souvent plus simple que résoudre la tâche. Beaucoup de boucles fonctionnent aussi bien avec un petit modèle pour naviguer et le grand seulement pour l’étape difficile, comme dans choisir le modèle par tâche.
Mettez en cache la partie fixe. Les instructions système et les descriptions d’outils ne changent pas d’un tour à l’autre : c’est le cas d’école du prompt caching.
Questions fréquentes
Combien un agent coûte-t-il de plus qu’un assistant normal ? Cela dépend du nombre de tours, mais il est courant qu’une tâche agentique coûte un ordre de grandeur de plus qu’une seule requête équivalente.
Vaut-il la peine de plafonner les étapes ? Oui. Le plafond protège des cas rares, ceux qui mangent le budget, et il ne touche généralement qu’une très petite fraction des tâches.
Comment savoir si mon agent tourne trop ? Regardez la distribution des étapes par tâche. Si la longue traîne concentre l’essentiel de la dépense, vous avez un problème de boucle, pas de prix.
Chez e-ficient, nous mesurons le coût par tâche d’entreprises qui exploitent déjà l’IA en production et vous disons combien vous économiseriez avec chaque levier à votre volume réel. Le premier audit est gratuit si vous souscrivez un forfait avec un engagement de trois mois et rend un diagnostic sous 72 heures.