La facture de tokens à 1,3 M$ en un mois de Peter Steinberger

1 305 088,81 $, et une capture d'écran

La plupart d'entre nous prennent une capture d'écran de notre facture d'API quand elle dépasse les trois chiffres et qu'on cherche un peu de compassion. Peter Steinberger a pris la sienne quand elle a dépassé 1 305 088,81 $. Un mois. Un projet open source. Une équipe de trois personnes. Il a publié le dashboard d'utilisation sur X, et internet a fait ce qu'internet fait — un peu d'émerveillement, quelques personnes faisant tout haut le calcul du « vous auriez pu embaucher des ingénieurs pour ça », et beaucoup de gens recalculant discrètement leurs propres dépenses d'agents. Le nombre en lui-même est presque ce qu'il y a de moins intéressant. Ce qui en fait une étude de cas plutôt qu'une frime, c'est que toute la facture est détaillée, que le protagoniste a expliqué exactement comment elle s'est produite, et qu'une précision qu'il a apportée ensuite vous dit précisément où l'argent est passé — et où la plus grande partie n'avait pas à passer.

Ce qu'achètent 603 milliards de tokens

Steinberger est le créateur d'OpenClaw, un projet qui est devenu l'un des dépôts les plus étoilés de GitHub, et il a rejoint OpenAI en février 2026. Son équipe de trois personnes fait tourner environ 100 instances Codex dans le cloud, en continu, sur la base de code. Elles ne se contentent pas de générer du code. Les agents relisent les pull requests, scannent les commits à la recherche de failles de sécurité, dédupliquent les issues GitHub, écrivent des correctifs, ouvrent de nouvelles PR et signalent les régressions de benchmark dans un canal Discord. C'est, en somme, l'équivalent du travail répétitif de toute une grande organisation d'ingénierie, tournant sur trois humains et une flotte d'agents. Le reçu de tout ça, sur 30 jours : 1,3 million de dollars, 603 milliards de tokens répartis sur 7,6 millions de requêtes, avec GPT-5.5 comme modèle principal. OpenAI, son employeur, règle l'addition — la dépense est traitée comme une recherche sur une question à laquelle Steinberger revient sans cesse : « Comment construirions-nous des logiciels à l'avenir si les tokens n'avaient pas d'importance ? » C'est une magnifique question à poser quand c'est quelqu'un d'autre qui tient la carte de crédit. Pour tous ceux qui lisent et qui tiennent la leur, la version honnête est : les tokens comptent, et cette facture est la leçon publique la plus claire sur quels tokens comptent.

La phrase qui vend la mèche

Après que le post est devenu viral, Steinberger a ajouté une précision qui, pour moi, résume toute l'étude de cas en une seule ligne. Le chiffre de 1,3 million de dollars reflète la tarification du « Fast Mode » de Codex, qui consomme des crédits à un rythme bien plus élevé que l'exécution standard — et désactiver le seul Fast Mode réduirait la facture d'environ 70 %, à à peu près 300 000 $ par mois. Relisez ça. Soixante-dix pour cent d'une facture à sept chiffres tenaient à un réglage de vitesse. Pas plus de travail accompli, pas plus de code livré — les mêmes 603 milliards de tokens, exécutés sur un palier d'exécution plus rapide et plus cher. Le travail était identique ; c'est l'emballage autour de lui qui était la partie coûteuse. C'est la forme récurrente de chaque facture d'agent qui explose que j'ai examinée. Le chiffre du titre est rarement « nous avons fait pour un million de dollars de réflexion utile ». C'est « nous avons fait un peu de réflexion utile, enveloppée dans des couches — paliers d'exécution, contexte réenvoyé, output d'outils verbeux — qui ont chacune pris leur part ».

Où les tokens sont réellement passés

Retirez le Fast Mode et il reste quand même 603 milliards de tokens à expliquer. Voici le mécanisme, de la part de quelqu'un qui construit de l'outillage de tokens pour vivre. Une centaine d'agents tournant en continu sur une grande base de code, c'est la charge de travail la plus gourmande en tokens qui soit, à cause de la manière dont fonctionne l'agentic coding sous le capot. Chaque tour d'une boucle d'agent — lire un fichier, lancer une commande, vérifier l'output, décider de l'étape suivante — réenvoie toute la context window au modèle. L'API est sans état ; chaque appel démarre à froid. Un agent faisant 20 itérations sur une seule tâche peut envoyer plus de 200 000 input tokens sans produire plus de quelques centaines de lignes de code. Maintenant, faites tourner ce schéma 100 fois en parallèle, 24 heures sur 24, et empilez par-dessus les amplificateurs habituels :

• Les mêmes fichiers réingérés à chaque tour — un module de 500 lignes relu à neuf itération après itération
• Des scans d'orientation sur tout le répertoire au début de chaque session
• L'output d'outils verbeux replié en bloc dans le prompt suivant — diffs bruts, stack traces complètes, logs de tests entiers
• Aucun élagage entre les étapes, de sorte que la fenêtre grandit au lieu de rétrécir à mesure qu'une tâche traîne en longueur

Voilà pourquoi les charges de travail agentiques sont si déséquilibrées vers les input tokens. Sur une flotte comme celle-ci, le modèle passe l'essentiel de sa facture à relire des choses qu'on lui avait déjà dites. J'ai écrit sur pourquoi cela se produit et comment le réduire — la version courte, c'est que le token coûteux n'est presque jamais celui qui produit votre code.

Ce que la facture dit du prix

La tarification rend ce déséquilibre douloureux. GPT-5.5 est affiché à 5 $ par million d'input tokens et 30 $ par million d'output tokens, et notre propre analyse des prix des tokens d'API LLM suit la même forme chez tous les fournisseurs : l'output coûte plus cher par token, mais sur des flottes d'agents le volume est massivement de l'input — du contexte réenvoyé à chaque tour — donc c'est sur l'input que les dollars s'accumulent. Il y a un détail dans la tarification d'OpenAI elle-même qui compte énormément ici : l'input mis en cache sur GPT-5.5 bénéficie d'une remise de 90 %. Quand le même préfixe — system prompt, contenu de fichiers, contexte antérieur — est renvoyé, la portion en cache coûte un dixième. C'est le prompt caching, et sur une charge de travail définie par le réenvoi du même contexte 7,6 millions de fois, ce n'est pas un confort optionnel. C'est le levier le plus important du plateau. Pour l'ampleur de ce que les équipes dépensent désormais par ingénieur, voyez nos données sur le coût en tokens des agents de coding IA.

Ce qu'une vraie couche d'efficacité aurait changé (une estimation)

Permettez-moi d'être prudent ici, car les règles que j'écris s'appliquent aussi à moi : les chiffres ci-dessous sont une estimation étiquetée, pas une affirmation que nous avons audité le compte de Steinberger. Il ne paie rien — OpenAI prend en charge — donc pour lui c'est purement théorique. Mais pour les milliers d'équipes qui lisent son reçu et y voient leur propre avenir, le calcul est bien réel. Prenez la base honnête, pas le chiffre du titre. Coupez le Fast Mode, comme le dit Steinberger, et vous êtes à environ 300 000 $/mois pour les mêmes 603 milliards de tokens. Sur une flotte d'agents en continu, l'input domine généralement — disons ≈85 % du volume de tokens sur ce genre de charge de travail (un chiffre conservateur vu la quantité de contexte réenvoyé à chaque tour). Deux leviers agissent sur cet input :

• Le prompt caching, qu'OpenAI lui-même tarife à 90 % de réduction sur l'input en cache. Sur une charge de travail réenvoyant les mêmes préfixes des millions de fois, une grande part de l'input est cacheable.
• La réduction de contexte — envoyer des squelettes plutôt que des fichiers entiers, filtrer l'output des outils, élaguer la fenêtre — qui réduit l'input qui doit être envoyé tout court, avant même que le caching ne s'applique.

Si une couche d'efficacité en tokens rabote l'input réenvoyé de 40 à 60 % de façon conservatrice sur ces ≈85 %, la facture post-Fast-Mode chute d'environ 100 000 à 150 000 $ par mois, sans aucun changement dans ce que les agents accomplissent réellement. C'est une estimation, liée à un levier réel — le côté input à partir duquel cette facture est construite — utilisant les prix publiés par OpenAI eux-mêmes. Elle reste délibérément bien en deçà des 70 % que le seul Fast Mode représentait, parce que je préfère sous-promettre plutôt qu'égaler un chiffre que je ne peux pas auditer. Le point n'est pas le chiffre exact. C'est la direction : le plus gros poste d'une facture d'agent qui s'emballe est presque toujours le contexte réenvoyé, et le contexte réenvoyé est la chose la plus réductible de tout le système.

La leçon n'est pas « faire tourner moins d'agents »

L'expérience de Steinberger est réellement utile — faire du développement logiciel comme si les tokens étaient gratuits nous apprend quelque chose sur la direction que prend l'outillage. Mais la leçon pour le reste d'entre nous est l'inverse de sa question. Les tokens comptent bel et bien, et la facture qui le prouve est détaillée : une prime de 70 % sur le palier de vitesse, par-dessus une charge de travail dont le coût dominant est les mêmes fichiers, lus encore et encore. On ne corrige pas ça en faisant moins de vibe coding ou en ayant peur des agents. On le corrige en plaçant une couche d'efficacité entre vos agents et l'API — mettre en cache les préfixes répétés, envoyer des squelettes au lieu de fichiers entiers, filtrer l'output verbeux des outils avant qu'il ne devienne l'input du tour suivant. Le travail reste le même. Le volume de tokens, non. C'est exactement ce que fait Tokenade : il se place devant vos agents de coding et coupe le contexte réenvoyé et l'output d'outils bruyant qui font gonfler des factures comme celle-ci — généralement une forte réduction côté input, qui, comme le montre le reçu de Steinberger, est là où est l'argent. Avant de décider de ce que valent vos agents, il vaut la peine de savoir ce qu'ils coûtent réellement : essayez le calculateur de coût en tokens LLM sur vos propres chiffres. Vous ne verrez probablement jamais une capture d'écran à 1,3 M$. Mais le mécanisme qui l'a construite tourne, en silence, dans chaque boucle d'agent que vous lancez. Commencez gratuitement et découvrez quelle part de votre facture n'est que du contexte que vous avez déjà envoyé.