OpenClaw : ce que c'est et ce que ça coûte

Fait partie du pilier réduire l'usage des tokens des agents de code IA. Cette page est l'explicatif, avec l'angle coût que la plupart des articles laissent de côté.

Qu'est-ce qu'OpenClaw ?

OpenClaw est un assistant IA personnel que vous hébergez vous-même sur vos propres machines et à qui vous parlez via les messageries que vous utilisez déjà — WhatsApp, Telegram, Discord, iMessage — plutôt que par un terminal ou un IDE. Il est sous licence MIT, écrit en TypeScript, et figure parmi les dépôts les plus étoilés de GitHub. Le cadrage compte, car il détermine tout le reste côté coût. Un agent de code tourne quand vous l'ouvrez et s'arrête quand vous le fermez. OpenClaw est conçu pour être présent : mémoire persistante, système de skills et de plugins, et planification cron/heartbeat qui lui permet d'agir sans qu'on le sollicite. Vous pouvez tout à fait piloter des agents de code avec lui — beaucoup y font tourner Claude Code ou Codex, c'est l'un de ses usages principaux — mais vous le faites à l'intérieur de quelque chose qui tourne en permanence. Petit historique, car les noms sèment la confusion : le projet a démarré en novembre 2025 sous le nom de Clawd, a été renommé Moltbot après un contact juridique d'Anthropic sur le nom, puis est devenu OpenClaw le 29 janvier 2026. Il a été créé par Peter Steinberger, qui a rejoint OpenAI en février 2026 ; la gouvernance est passée à la fondation à but non lucratif OpenClaw Foundation en juin 2026.

Comment l'installer et le lancer ?

Une commande, puis un assistant de configuration.

npm i -g openclaw
openclaw onboard

Il existe aussi un installeur shell (curl -fsSL https://openclaw.ai/install.sh | bash), une installation depuis les sources, et des applications Companion pour macOS (binaire universel) et Windows (x64/ARM64). L'onboarding connecte un fournisseur de modèle et au moins un canal de messagerie. Ensuite, vous lui écrivez comme à un contact.

Quels modèles peut-il utiliser ?

Plus de 60 fournisseurs, y compris locaux — et il accepte la connexion par abonnement autant que les clés API. La liste couvre OpenAI, Anthropic, Google, Azure, Groq, Perplexity, DeepSeek, Qwen et Moonshot, plus les runtimes locaux : Ollama, vLLM et LM Studio. Ce dernier groupe compte pour quiconque est nerveux à l'idée d'un assistant toujours actif branché sur une API facturée. L'option abonnement est la plus intéressante. OpenClaw peut se connecter avec un compte ChatGPT ou Claude Max plutôt qu'une clé au compteur, ce qui convertit un coût au token en coût mensuel fixe avec limites d'usage. Pour un outil conçu pour tourner en continu, c'est un profil de risque radicalement différent — et c'est la première chose que je configurerais.

Peut-on utiliser OpenClaw comme agent de code ?

Oui, et c'est un usage courant : vous lui écrivez, et il pilote un agent de code sur votre machine. C'est là que le routage multi-agents prend son sens. Les canaux, comptes et interlocuteurs entrants sont routés vers des agents isolés, avec des espaces de travail séparés et des sessions par agent : une tâche de code dans un espace ne contamine donc pas le contexte d'une autre conversation. C'est une conception réellement sensée pour quelque chose qui jongle avec plusieurs travaux à la fois. Le sandbox est disponible et mérite d'être activé : agents.defaults.sandbox.mode: "non-main" fait tourner les sessions non principales en sandbox, avec Docker comme backend par défaut (SSH et OpenShell sont aussi supportés). Pour un assistant capable d'agir selon un planning sans que vous regardiez, ce n'est pas une hygiène optionnelle — c'est ce qui sépare un assistant proactif d'un processus non surveillé avec accès au shell.

Combien coûte OpenClaw à faire tourner ?

Le logiciel est gratuit. Les tokens ne le sont pas, et c'est la conception « toujours actif » qui rend la facture différente. Il n'y a pas de tarif produit : sous licence MIT et auto-hébergé, vous payez ce que facture votre fournisseur de modèle, ou rien du tout si vous le pointez sur un runtime local. La différence structurelle avec un agent de code est celle-ci : avec Claude Code ou Cursor, vous ne générez du coût que pendant que vous travaillez. OpenClaw dispose d'une planification heartbeat et cron, donc il peut se réveiller, vérifier des choses et agir de lui-même. Chacun de ces réveils transporte du contexte — mémoire, descriptions de skills, historique de conversation — à travers un modèle. Un outil par session facture par salves que vous déclenchez ; un assistant toujours actif facture selon un planning que vous avez configuré une fois et probablement oublié. Ce n'est pas une critique de la conception, qui est tout l'intérêt du produit. C'est un avertissement sur le modèle mental par défaut. Si vous avez l'habitude de raisonner le coût d'un agent en « coût par session », ce cadre ne se transpose pas. OpenClaw offre de la visibilité via une commande de chat — /usage off|tokens|full — réellement utile pour voir ce qu'une conversation a consommé. Ce que je n'ai pas trouvé dans la documentation, c'est un plafond de dépense ou une primitive d'enforcement de budget. La visibilité n'est pas une limite, et sur un outil qui agit sans sollicitation, cet écart mérite d'être connu avant de le laisser tourner.

Que coûtent en permanence les skills et la mémoire ?

C'est la part que vous payez à chaque interaction, que vous vous en serviez ou non — et contrairement à une session de code, cela n'a pas de fin naturelle. OpenClaw dispose d'un système de skills et de plugins, avec un catalogue communautaire (ClawHub) depuis lequel installer. Le mécanisme est le même que chez Claude Code : pour que l'assistant puisse choisir un skill, il faut qu'il sache qu'il existe, donc la description de chaque skill installé occupe le contexte dès le premier message. Le contenu complet ne se charge qu'à l'invocation — conception sensée, et le coût permanent par skill est faible. Sauf que « faible » multiplié par un planning ne l'est plus. Sur un agent de code, vous payez ce coût de description une fois par session que vous lancez. Sur un assistant avec heartbeat, vous le payez à chaque réveil, indéfiniment. Installez trente skills depuis ClawHub parce qu'ils avaient l'air intéressants et vous avez discrètement ajouté une ligne récurrente à quelque chose qui tourne que vous soyez à votre bureau ou endormi. La mémoire persistante amplifie l'effet. C'est elle qui donne l'impression que l'assistant vous connaît, et elle fonctionne en transportant du contexte accumulé. C'est le produit qui fonctionne correctement — c'est aussi, mécaniquement, une charge de contexte qui grossit. En pratique : élaguez vos installations ClawHub comme vous élagueriez des extensions de navigateur, et considérez « à quelle fréquence il se réveille » comme le multiplicateur de tout ce qui précède.

Le reçu à 1,3 million de dollars, correctement attribué

Le chiffre célèbre est réel mais régulièrement mal décrit, et les détails comptent si vous en tirez des leçons. En mai 2026, Steinberger a publié la capture d'une facture API sur 30 jours : 1 305 088,81 $, 603 milliards de tokens sur 7,6 millions de requêtes. Ce qui l'a produite, ce sont environ 100 instances Codex tournant dans le cloud, opérées par son équipe, travaillant sur le projet OpenClaw — revue de pull requests, analyse de commits, etc. Trois corrections à la version qui circule. Ce n'était pas une personne seule, mais une équipe. Ce n'étaient pas des agents OpenClaw qui brûlaient les tokens, mais des instances Codex faisant du développement. Et les chiffres exacts proviennent de cette capture, pas d'une déclaration publiée — la presse affirme qu'OpenAI a couvert la dépense, ce que son propre post ne dit pas. Sa justification est la partie réellement intéressante : il explorait délibérément la façon dont on construirait du logiciel si les tokens ne coûtaient rien. C'est une expérience légitime. Ce n'est pas une référence de ce que coûte un usage normal, et elle est citée comme si elle l'était.

Comment cela s'articule avec l'optimisation des tokens ?

Les leviers sont les mêmes que pour n'importe quel agent, parce que le mécanisme sous-jacent est identique. Le modèle est sans état. Chaque tour renvoie la conversation précédente plus ce qui a été lu — fichiers, sorties de commandes, définitions d'outils. OpenClaw ajoute à cette charge permanente la mémoire et les descriptions de skills, ainsi qu'un planning qui le déclenche sans vous. Les leviers restent donc ce qu'ils ont toujours été : récupérer au lieu de lire des fichiers entiers, filtrer les sorties bruyantes, lire la structure avant les corps, et ne pas transporter de manifestes d'outils jamais appelés. Tokenade fonctionne avec OpenClaw, aux côtés de Claude Code, Cursor, Codex, Copilot, Windsurf, opencode, Cline, Roo Code, Aider et Hermes — il se place entre l'agent et ses outils et applique ces leviers automatiquement. Sur le benchmark ouvert des optimiseurs de tokens, il réduit le coût de session de 39 % sur les longues sessions par rapport à l'absence d'outil. Pour un assistant toujours actif, je ferais toutefois deux choses avant de sortir le moindre outil : se connecter par abonnement plutôt qu'avec une clé au compteur, et vérifier ce que fait réellement le planning heartbeat. Ces deux décisions pèseront plus que tout le reste.

Check-list de mise en place

Préférez la connexion par abonnement (ChatGPT ou Claude Max) à une clé API si vous comptez le laisser tourner. Un coût fixe vaut mieux qu'un compteur ouvert sur un outil qui agit seul.
Activez le sandbox — sandbox.mode: "non-main" avec le backend Docker. Un assistant avec accès au shell et un planning a besoin d'une frontière.
Auditez la configuration cron et heartbeat. C'est le premier levier sur le coût permanent, et celui qu'on configure une fois sans jamais y revenir.
Utilisez /usage full régulièrement pour voir ce que consomment vos conversations. Il n'y a pas de plafond de dépense : le contrôle vous revient.
Envisagez un runtime local (Ollama, vLLM, LM Studio) pour les tâches routinières et sans enjeu. La liste de fournisseurs le permet, et ça supprime le compteur.

À lire aussi :

Meilleurs outils d'IA pour coder — le panorama complet
Alternatives à Claude Code — si vous choisissez l'agent de code à piloter
La facture de tokens à 1,3 M$ de Peter Steinberger — l'étude de cas complète
Réduire l'usage des tokens des agents de code IA — les leviers indépendants de l'outil