Si vous facturez votre agent de codage IA au token, la chose la plus utile à savoir est de loin quel type de travail dépense l'argent. Une complétion en ligne vous coûte quelques centaines de tokens ; le même modèle exécutant une tâche agentique sur le même dépôt peut en brûler un à trois millions et demi par tâche. Ce n'est pas une erreur d'arrondi — c'est la différence entre une erreur d'arrondi et une vraie facture. Je conçois des outils de réduction de tokens pour vivre, et la surprise récurrente pour les équipes est toujours la même : le travail qui semble coûteux (longues réponses, gros fichiers) est rarement là où passent les tokens. Les tokens partent dans le contexte que l'agent relit à chaque tour, dans les schémas d'outils transportés sur des appels qui ne les utilisent jamais, et dans la taxe de boucle des tâches multi-étapes. Cette page rassemble les chiffres par type de tâche issus de sources réelles pour que vous puissiez raisonner sur votre propre facture au lieu de deviner. Tous les chiffres sont cités à la mi-2026 et devraient être revérifiés à la source primaire avant tout usage commercial.

Points clés

Coût en tokens par type de tâche, en un coup d'œil

•La complétion en ligne est la tâche la moins chère : 550–2,500 tokens au total. [1]
•Une seule tâche agentique coûte 1M–3.5M tokens — trois ordres de grandeur de plus qu'une complétion. [1]
•Les tâches agentiques consomment 1,000× plus de tokens que le code reasoning ou le code chat, les input tokens — pas l'output — pilotant le coût global. [2]
•Sur un workflow en production, 82–83 % des input tokens étaient des cache reads — l'agent relisant le contexte, pas réfléchissant. [3]
•La même tâche agentique peut varier de jusqu'à 30× en total de tokens d'un run à l'autre, donc budgétiser par tâche est intrinsèquement bruité. [2]

1. Combien de tokens utilise une seule complétion de code en ligne ?

Une seule complétion en ligne tourne autour de 550–2,500 tokens au total — quelques centaines en input, quelques centaines en output — selon les profils de coûts par cas d'usage 2026 d'Iternal. [1] C'est le plancher du codage IA. La complétion est un prompt court (le code environnant) et une réponse courte (les quelques lignes suivantes), elle reste donc bon marché même à haute fréquence. Le piège, c'est le volume : un développeur qui accepte des suggestions toute la journée en déclenche des milliers, et les éditeurs envoient souvent une nouvelle context window à chaque pause de frappe. Le coût par événement est dérisoire ; l'agrégat quotidien ne l'est pas. Si la complétion représente l'essentiel de votre usage, le levier est de mettre en cache le préfixe de fichier stable, pas de raccourcir les réponses — l'output est déjà minuscule. Pour l'unité de base, voir le glossaire sur le token et la context window.

2. Combien coûte une explication ou une revue de code ?

Une explication de code tourne autour de 800–4,000 tokens et une revue de code mono-fichier de 2,500–12,000 tokens, selon les mêmes profils 2026. [1] Ce sont encore des tâches « lire quelque chose de borné, écrire une réponse bornée », elles se situent donc un ordre de grandeur au-dessus de la complétion mais nulle part près du territoire agentique. Le facteur de coût ici, c'est la quantité de code que vous fourrez dans le prompt : passez en revue tout le fichier et vous payez pour tout le fichier à chaque tour. Le code, soit dit en passant, se tokenize moins bien que la prose — environ 1.5–2.0 tokens par mot contre environ 0,75 pour la prose, à cause des crochets, des identifiants et de la ponctuation. [1] Un fichier de 1 000 lignes pèse environ 10 000 tokens avant que le modèle ne dise quoi que ce soit. Pourquoi ce ratio survient relève du tokenizer, pas du modèle.

3. Combien de tokens utilise un prompt de débogage ?

Un prompt de débogage one-shot coûte 1,500–7,000 tokens, mais une session de débogage complexe avec un modèle frontière peut en consommer 500,000+. [1] C'est ici que la comptabilité par type de tâche devient glissante. « Débogue ça » comme question unique est bon marché. « Débogue ça » comme agent qui lit dix fichiers, lance les tests, lit l'échec et réessaie est une autre bête — c'est la boucle, pas le prompt, qui fixe le coût. Le bond de 7K à 500K n'est pas le modèle qui devient verbeux ; c'est le nombre de tours, chacun renvoyant le contexte accumulé. Ce renvoi est exactement ce qu'attaquent l'output filtering et la context compression : garder le signal dont l'agent a besoin d'un tour à l'autre, jeter le reste.

4. Combien de tokens brûle une tâche d'agentic coding ?

Une tâche d'agentic coding de la classe SWE-bench consomme en moyenne 1 000 000 à 3 500 000 tokens par tâche, retries et boucles d'autocorrection compris. [1] Une étude systématique de 2026 sur huit LLM frontières sur SWE-bench Verified rend l'écart encore plus saisissant : les tâches agentiques consomment 1,000× plus de tokens que le code reasoning et le code chat, et ce sont les input tokens — pas l'output — qui pilotent la facture. [2] C'est le poste qui compte. Trois ordres de grandeur séparent une complétion d'une tâche agentique, et cet écart est structurel : chaque tool call expédie son schéma, chaque tour relit le contexte, chaque mauvais chemin coûte un aller-retour complet. Les input tokens dominent — dans les charges agentiques ils dépassent largement les output tokens, donc le prix de ce que le modèle lit est le prix de la session. C'est le mécanisme sur lequel je reviens sans cesse dans l'agentic coding : la facture est un problème de gestion du contexte déguisé en problème de raisonnement.

5. De combien la même tâche agentique varie-t-elle d'un run à l'autre ?

La tâche agentique identique peut varier de jusqu'à 30× en total de tokens d'un run à l'autre, selon l'étude 2026 de huit LLM frontières sur les trajectoires SWE-bench Verified. [2] Point crucial : une consommation de tokens plus élevée ne se traduit pas par une précision plus élevée : la précision culmine souvent à un coût intermédiaire et sature, voire décline, à des coûts plus élevés. L'équipe d'ingénierie de GitHub a signalé le même schéma en production : un workflow qui se termine normalement en quatre tours LLM en prend occasionnellement dix-huit, et un même run peut traiter un correctif de cinq lignes là où le suivant traite une pull request de 200 lignes — le nombre brut de tokens suivant le chemin emprunté par l'agent, pas la difficulté du problème. [3] La conséquence pratique : les budgets par tâche sont intrinsèquement bruités, donc le gain durable consiste à réduire le plancher par tour (moins de contexte, moins de schémas d'outils) plutôt qu'à courir après un chiffre par tâche net qui n'existe pas.

6. Quelle part de la dépense agentique en tokens n'est que de la relecture de contexte ?

Sur un workflow GitHub en production, 82–83 % des input tokens étaient des cache reads — collecte de données déterministe, pas inférence — et retirer les outils inutilisés de la config MCP de l'agent a économisé 8–12 Ko de contexte par appel sans changement de comportement. [3] C'est le chiffre le plus actionnable de la page. Un serveur MCP à 40 outils peut ajouter 10–15 Ko de schéma à chaque tour, et dans l'un des workflows de GitHub un seul outil inutile a été appelé 342 fois — 58 % de tous les tool calls — pour une tâche qui ne faisait que scanner des fichiers locaux. [3] Les correctifs qui ont marché étaient sans gloire : élaguer la boîte à outils, sortir les lectures déterministes de la boucle de l'agent, et basculer les tours bon marché vers des modèles moins chers. Le rapport complet de GitHub quantifie des réductions soutenues de 62%, 43%, 59%, 37%, et 19% sur cinq workflows de production différents après exactement ces changements. [3] Un constat parallèle venu de la recherche : sur SWE-bench Verified, un simple observation masking — omettre du contexte les observations anciennes plutôt que les résumer — divise par deux le coût par rapport à l'agent brut tout en égalant le taux de résolution des approches de résumé par LLM plus complexes. [4] Les mêmes leviers — chargement MCP paresseux et semantic code search au lieu de relectures en masse — sont ceux que je décris dans réduire la consommation de tokens d'un agent de codage IA.

Ce qu'il en résulte pour votre facture

Le schéma à travers tous les types de tâches est le même : complétion et explication sont bon marché et bornées, tandis que tout ce qui est agentique est dominé par le contexte que le modèle relit et les schémas d'outils qu'il transporte mais n'utilise jamais. La longueur de l'output est le moindre de vos problèmes.

Tokenade attaque précisément cette partie de la dépense — semantic code search au lieu de lectures de fichiers en masse, output filtering, skeleton compression, et chargement MCP paresseux — et affiche les tokens économisés sur un dashboard pour que vous puissiez voir quels types de tâches il a réellement bougés. Il fonctionne avec Claude Code, Cursor, Codex, Copilot et Windsurf ; le tier gratuit couvre jusqu'à environ 10M tokens par mois, et il est source-available (MIT) pour que vous puissiez auditer ce qu'il fait à votre contexte. Pour la comparaison complète par outil, voir les meilleurs optimiseurs de tokens pour Claude Code.

Notes sur les sources

Les plages de tokens par type de tâche (complétion, explication, revue, débogage, agentique) proviennent du « AI Token Usage Guide » 2026 d'Iternal, une compilation secondaire de profils de coûts 2026 à travers les fournisseurs — utile pour les ordres de grandeur relatifs par type de tâche, moins pour le tarif exact d'un fournisseur donné. Le ratio agentique-vs-chat de 1,000×, la variance d'un run à l'autre allant jusqu'à 30×, et le constat de domination des input tokens proviennent de Bai et al. (arXiv:2604.22750), une analyse primaire de huit trajectoires de LLM frontières sur SWE-bench Verified, co-écrite avec des chercheurs du Stanford Digital Economy Lab et de Microsoft Research. La division par deux du coût par observation masking provient de Lindenbauer et al. (arXiv:2508.21433), présenté à DL4C / NeurIPS 2025. La part de cache reads, le surcoût des schémas MCP, le nombre d'appels d'outils inutilisés, et les résultats d'optimisation de 62%/43%/59%/37%/19% proviennent du blog d'ingénierie de GitHub rapportant sur des workflows agentiques de production — données primaires, de première main, quoique issues d'une seule organisation. Revérifiez tous les chiffres à la source primaire avant toute citation commerciale.

Sources et références

[1]Iternal. "AI Token Usage Guide (2026): 10 Use Case Cost Profiles". iternal.ai, 2026. Link ↗
[2]Bai, Longju; Huang, Zhemin; Wang, Xingyao; Sun, Jiao; Mihalcea, Rada; Brynjolfsson, Erik; Pentland, Alex; Pei, Jiaxin. "How Do AI Agents Spend Your Money? Analyzing and Predicting Token Consumption in Agentic Coding Tasks". arXiv:2604.22750, April 2026. Link ↗
[3]Cox, Landon; Kiefer, Mara (GitHub). "Improving token efficiency in GitHub Agentic Workflows". github.blog, May 7, 2026 (updated May 13, 2026). Link ↗
[4]Lindenbauer, Tobias; Slinko, Igor; Felder, Ludwig; Bogomolov, Egor; Zharov, Yaroslav. "The Complexity Trap: Simple Observation Masking Is as Efficient as LLM Summarization for Agent Context Management". arXiv:2508.21433, Aug 2025 (NeurIPS DL4C 2025). Link ↗

Consommation de tokens en codage IA par type de tâche

Key figures