Vue d'ensemble

L'agentic coding — donner une tâche à un LLM et le laisser itérer en autonomie à travers des outils, des lectures de fichiers, des exécutions de tests et de la récupération d'erreurs — consomme des tokens à une échelle qui prend la plupart des équipes au dépourvu. Le mécanisme est simple : chaque appel API rejoue tout l'historique de la conversation en input. Une session de 50 tours accumule du contexte à la manière d'une stack trace ; la facture s'envole en conséquence. Cette page rassemble des chiffres réels et publiquement documentés sur ce que cela coûte, quels modèles sont les plus efficaces sur des benchmarks rigoureux, et où vont réellement les tokens.

Pourquoi les agents coûtent tellement plus cher que le chat

Dans une requête de code en un seul coup, les input tokens sont à peu près égaux au prompt. Dans une session agentique, on remet au modèle tout son historique — system prompt, chaque extrait de fichier qu'il a lu, chaque sortie d'outil, chaque diff — ré-encodé en input à chaque tour. L'analyse de Vantage sur les sessions d'agentic coding met un chiffre concret là-dessus : une session typique de 50 tours consomme environ 1 million d'input tokens et 40 000 output tokens — un ratio input/output de 25:1. Au tour 30, le modèle transporte déjà 25 000 à 35 000 tokens de contexte accumulé sur chaque requête. Cela signifie que :

C'est le prix de l'input, pas celui de l'output, qui pilote la facture.
Un écart de prix de 10x entre les modèles s'applique à chaque tour à mesure que le contexte grandit.
Le prompt caching (Anthropic facture environ 10 % de l'input de base pour les cache reads) est le levier de coût à plus fort effet disponible aujourd'hui.

Référence de tarification des modèles (juin 2026)

Tous les chiffres proviennent de la page de tarification officielle d'Anthropic :

Modèle	Input ($/MTok)	Output ($/MTok)	Cache read
Claude Opus 4.8	$5.00	$25.00	env. $0.50
Claude Sonnet 4.6	$3.00	$15.00	env. $0.30
Claude Haiku 4.5	$1.00	$5.00	env. $0.10

Le mode fast de Opus 4.8 est tarifé à $10/$50 par MTok. L'écart entre Haiku 4.5 et Opus 4.8 est de 5x sur l'input — appliqué sur une session d'un million de tokens, cela représente une différence de $4 par session, soit environ $80/jour pour un utilisateur intensif faisant tourner 20 sessions.

Benchmark : coût vs précision sur SWE-bench Verified

SWE-bench Verified est le benchmark rigoureux de référence pour les agents de coding : 500 vraies issues GitHub, vérifiées par des humains pour confirmer qu'elles sont résolubles et ont des critères d'acceptation non ambigus. Le leaderboard suit le taux de réussite et, pour de nombreuses entrées, le coût approximatif par tâche. Points de données clés en juin 2026 :

Claude Haiku 4.5 atteint 35,9 % sur Verified dans des scaffolds légers — un taux de réussite par dollar exceptionnellement bon vu sa tarification de $1/$5. Cela en fait le modèle que la plupart des équipes devraient évaluer avant de payer pour du calcul plus lourd.
Claude Sonnet 4.6 obtient environ 77 %, à peu près cinq points de pourcentage devant Haiku 4.5 dans des configurations plus lourdes, à 3x le prix de l'input.
Le contexte s'accumule de façon quadratique à mesure que l'historique de conversation grandit : chaque appel de modèle renvoie tout le contexte antérieur, donc le coût croît de manière non linéaire avec la profondeur de la session, quel que soit le modèle.

Sources : leaderboard officiel SWE-bench, analyse Caylent de Haiku 4.5, tracker Epoch AI SWE-bench Verified.

Recherche : où vont les tokens

arXiv:2601.14470 — "Tokenomics: Quantifying Where Tokens Are Used in Agentic Software Engineering" (janvier 2026, arxiv.org/abs/2601.14470) a analysé 30 tâches SDLC passées dans le framework multi-agents ChatDev sur un modèle de raisonnement GPT-5. Conclusions clés :

L'étape itérative de code-review représente 59,4 % de toute la consommation de tokens — plus que la génération de code initiale, la conception et la documentation réunies.
Les input tokens constituent 53,9 % de la consommation, fournissant la preuve empirique que c'est le replay du contexte, et non la génération, qui est le coût dominant.

Note : ces pourcentages sont spécifiques au framework (ChatDev multi-agents). L'ordre relatif — la review domine la génération — est cohérent avec d'autres observations rapportées, mais les chiffres exacts varieront selon le scaffold.

Recherche : l'observation masking réduit les coûts de moitié

arXiv:2508.21433 — "The Complexity Trap: Simple Observation Masking Is as Efficient as LLM Summarization for Agent Context Management" (Lindenbauer et al., JetBrains Research, présenté au workshop NeurIPS 2025 DL4Code — arxiv.org/abs/2508.21433) est une comparaison systématique des stratégies de gestion de contexte sur SWE-bench Verified à travers cinq configurations de modèles. Conclusion clé : le simple observation masking — retirer du contexte les observations d'environnement plus anciennes — divise par deux le coût par rapport à la baseline agent brute tout en égalant le taux de résolution de la summarization basée sur LLM (qui est elle-même plus chère que le masking). Pour Qwen3-Coder 480B spécifiquement, l'observation masking atteint un taux de résolution de 54,8 % contre 53,8 % pour la summarization par LLM, avec une dépense de tokens nettement plus faible. L'implication est que les étapes de summarization coûteuses ajoutent de la complexité sans bénéfice de précision mesurable. C'est la preuve publiée la plus claire que la stratégie de gestion de contexte, et non le choix du modèle, est souvent la variable de coût à plus fort effet dans les pipelines d'agentic coding.

Incidents de coût en conditions réelles

Voici des incidents documentés de dépenses API agentiques incontrôlées — des points de repère utiles pour le budget.

1,3 million de dollars en 30 jours — OpenClaw / Peter Steinberger

Peter Steinberger (qui a rejoint OpenAI début 2026) a fait tourner environ 100 agents Codex en autonomie sur son projet OpenClaw. Son dashboard API affichait $1,305,088.81 sur 30 jours, couvrant 603 milliards de tokens à travers 7,6 millions de requêtes. Les agents passaient en revue les pull requests, scannaient les commits pour repérer les problèmes de sécurité, dédupliquaient les issues GitHub et ouvraient des PR de fonctionnalités. OpenAI a couvert le coût. Steinberger a noté que désactiver le « Fast Mode » seul aurait réduit le coût API brut à environ $300,000. Sources : Tom's Hardware, TheNextWeb.

Uber a épuisé tout son budget IA 2026 en 4 mois

Après avoir déployé Claude Code auprès de son organisation de 5 000 ingénieurs en décembre 2025, le CTO d'Uber Praveen Neppalli Naga a confirmé à The Information que l'entreprise avait épuisé l'intégralité de son budget IA 2026 planifié dès avril. En mars, 84 % des ingénieurs étaient classés comme utilisateurs d'agentic coding. Les coûts API mensuels par ingénieur allaient de $500 à $2,000. Environ 70 % du code committé provient désormais de l'IA. Sources : briefs.co, Startup Fortune.

$47,000 pour une boucle d'agents qui a tourné 11 jours

Un système à quatre agents de type LangChain est entré dans une boucle récursive Analyzer-Verifier et a tourné sans être détecté pendant 11 jours. Les agents s'échangeaient en continu des demandes de clarification et des instructions de vérification. La facture a grimpé 7x semaine après semaine avant que quiconque ne s'en aperçoive. La boucle n'était pas un dysfonctionnement — chaque agent faisait exactement ce pour quoi il avait été conçu. Aucune limite d'itération externe ni aucun détecteur d'anomalie de coût n'était en place. Sources : dev.to/waxell, étude de cas earezki.com.

$6,000 pour Claude Code laissé tourner toute la nuit

Un développeur a laissé Claude Code tourner toute la nuit sur une tâche ouverte. Le rapport MakeUseOf a documenté la facture de $6,000 comme exemple à méditer de sessions agentiques non surveillées sans plafonds de dépense stricts.

Le calcul cumulatif

Le coût d'une session agentique n'est pas linéaire. Si chaque tour ajoute t nouveaux tokens et qu'il y a N tours, le total des input tokens évolue à peu près comme N au carré (chaque tour renvoie tous les tours précédents). Une session qui semble bon marché au tour 5 est 25x plus chère par tour au tour 25 — avant même que le modèle ne produise un seul output token. La décomposition de Vantage le dit clairement : ce sont les input tokens, l'accumulation de contexte et la longueur de session qui pilotent la facture. Le prix de l'output est secondaire. La sélection du modèle et le prompt caching sont les deux molettes qui comptent le plus.

Implications pratiques

Activez toujours le prompt caching. À environ 10 % du prix de l'input de base pour les cache reads (Anthropic), un system prompt lu à chaque tour ne coûte presque rien une fois mis en cache. C'est l'optimisation au meilleur ROI pour tout agent à longue durée d'exécution.
Mesurez le coût par tâche résolue, pas le coût par session. Une session Haiku 4.5 qui prend deux fois plus de tours peut malgré tout revenir moins cher qu'une session Opus 4.8. Suivez le taux de résolution conjointement au coût en tokens.
Posez des limites d'itération strictes. L'incident de la boucle à $47,000 aurait pu être évité avec un plafond de 50 étapes. Les alertes de budget n'imposent pas de limites ; les circuit breakers, si.
La stratégie de gestion de contexte compte plus que le choix du modèle. L'article The Complexity Trap (arXiv:2508.21433) montre que l'observation masking divise le coût par deux sans pénalité de précision. Mettre cela en place avant de passer à un modèle plus cher est la séquence rationnelle.

Notes sur les sources

Tous les chiffres de cette page sont issus de tiers quand c'est possible, de sources primaires quand elles sont disponibles. Aucun n'est une donnée interne Tokenade.

[1] Vantage, "The Hidden Cost Driver in Agentic Coding Sessions in 2026" — vantage.sh/blog/agentic-coding-costs. Source du chiffre de la session 50-tours/1M-tokens et du ratio input/output de 25:1.
[2] Lindenbauer et al., "The Complexity Trap: Simple Observation Masking Is as Efficient as LLM Summarization for Agent Context Management," arXiv:2508.21433 (JetBrains Research, NeurIPS DL4Code 2025) — arxiv.org/abs/2508.21433. Source de la réduction de coût d'environ 52 % grâce à l'observation masking par rapport à la baseline agent brute.
[3] "Tokenomics: Quantifying Where Tokens Are Used in Agentic Software Engineering," arXiv:2601.14470 (janvier 2026) — arxiv.org/abs/2601.14470. Source de la part de 59,4 % de tokens en code-review et de la part de 53,9 % d'input tokens sur 30 tâches SDLC via ChatDev.
[4] Anthropic, tarification de l'API Claude (2026) — platform.claude.com/docs/en/about-claude/pricing. Opus 4.8 $5/$25, Sonnet 4.6 $3/$15, Haiku 4.5 $1/$5 par MTok input/output.
[5] Tom's Hardware, "OpenClaw creator burns through $1.3 million in OpenAI API tokens in a single month" (mai 2026) — tomshardware.com. 603 milliards de tokens, 7,6M de requêtes, 100 agents Codex, 30 jours.
[6] TheNextWeb, "Peter Steinberger's 100 AI agents racked up $1.3 million in OpenAI tokens in 30 days" — thenextweb.com. Rapport corroborant.
[7] Startup Fortune, "Uber burned its entire 2026 AI budget in four months" — startupfortune.com. Confirmation du CTO, 84 % d'adoption d'utilisateurs agentiques, $500–$2,000/ingénieur/mois.
[8] dev.to/waxell, "The $47,000 Agent Loop: Why Token Budget Alerts Aren't Budget Enforcement" — dev.to/waxell. Incident de boucle récursive de 11 jours.
[9] MakeUseOf, "Someone left Claude Code running overnight, and it cost $6,000" — makeuseof.com. Incident de session non surveillée pendant la nuit.
[10] Leaderboard officiel SWE-bench — swebench.com. Données de taux de réussite pour Haiku 4.5 (35,9 %) et Sonnet 4.6 (env. 77 %).
[11] Caylent, "Claude Haiku 4.5 Deep Dive: Cost, Capabilities, and the Multi-Agent Opportunity" — caylent.com. Analyse d'efficacité de coût de Haiku 4.5.

Pour les définitions des unités sous-jacentes, voir les entrées de glossaire token et context window.

Benchmarks de coût de l'agentic coding (2026)

Key figures