Combien coûte vraiment une exécution d'agent IA ? Cinq garde-fous avant de passer à l'échelle
Par Delos — 2026-11-11
Le coût est l'une des trois raisons avancées par Gartner pour l'abandon des projets agentiques. Voici comment mesurer et plafonner le coût d'une exécution.
Un agent de démonstration ne coûte presque rien. Le même agent, lancé 5 000 fois par jour sur des données réelles, devient une ligne de la revue budgétaire du DAF. Gartner prévoit que plus de 40 % des projets d'IA agentique seront abandonnés d'ici fin 2027, en citant la hausse des coûts, une valeur métier floue et des contrôles de risque insuffisants (Anushree Verma, Senior Director Analyst chez Gartner, citée par IT Brief, juin 2025). Le coût est donc une question de conception, pas une facture que l'on lit après coup. Ce guide propose une façon de le mesurer et de le plafonner.
Pourquoi le coût des agents surprend
Un chatbot répond une fois. Un agent boucle : il planifie, appelle un outil, lit le résultat, décide à nouveau. À chaque passage, la conversation grandissante repart vers le modèle. Deux exécutions de la même tâche peuvent coûter très différemment, car le chemin n'est pas fixé. Cette variance fait l'intérêt d'un agent, et aussi son risque budgétaire.
Ce que coûte vraiment une exécution
Une exécution se décompose en quatre postes, multipliés ou additionnés (voir le schéma) : le nombre d'étapes, les jetons par étape, le prix du modèle, et le coût des outils et de la relecture humaine.
Étapes par exécution
Les boucles et les relances sont le premier multiplicateur. Un agent qui retente cinq fois un appel en échec paie cinq appels pour aucun résultat.
Jetons par étape
Le contexte grossit à chaque étape : consignes, historique, résultats d'outils. Recoller en entier de longs résultats d'outils est un gaspillage classique. Ne renvoyez que les champs utiles. Notre guide sur l'architecture de mémoire des agents explique comment structurer ce qu'un agent conserve et retrouve.
Prix du modèle
Toutes les étapes n'exigent pas le plus gros modèle. Classer un e-mail ou extraire une date peut passer par un modèle plus petit et moins cher. Gardez le gros modèle pour la planification et les jugements difficiles.
Outils et relecture
Les appels d'API externes sont facturés à part, et la vérification humaine a un coût réel en minutes. Intégrez les deux au calcul, sinon le business case est flatteur.
Cinq garde-fous avant de passer à l'échelle
1. Mesurer le coût par exécution sur données réelles. Passez 50 à 100 cas réels, y compris les plus brouillons, et notez la médiane et la pire exécution. La pire exécution est votre risque budgétaire.
2. Fixer une limite d'étapes et un plafond de dépense par exécution. Quand le plafond est atteint, l'agent s'arrête et passe la main à une personne. Pas de dépassement silencieux.
3. Orienter les étapes simples vers un modèle moins cher. C'est souvent le gain le plus rapide, sans toucher à la logique métier.
4. Alerter sur un budget quotidien, avec un responsable nommé. Quelqu'un doit recevoir l'alerte et avoir le droit de suspendre l'agent.
5. Comparer le coût par exécution à la valeur de la tâche. Si une exécution coûte plus que la tâche ne vaut, corrigez la conception avant d'ajouter du volume.
Un exemple chiffré (chiffres illustratifs, hypothèse de notre part)
Imaginons un agent qui trie des factures fournisseurs en 8 étapes, avec une médiane mesurée à 0,12 € par exécution et un pire cas à 1,10 €. À 2 000 exécutions par jour, la médiane donne environ 240 € par jour ; si une exécution sur vingt atteint le pire cas, la facture grimpe nettement. Le plafond du garde-fou 2 transforme cet inconnu en borne. Ces chiffres sont inventés pour montrer le calcul : remplacez-les par vos mesures.
Commencer par la conception la plus simple
Les recommandations d'Anthropic sur la construction d'agents conseillent de chercher d'abord la solution la plus simple et de n'ajouter de complexité agentique que si elle se justifie. Un workflow fixe est moins cher et plus prévisible qu'une boucle ouverte : réservez l'agent aux cas où le chemin ne peut vraiment pas être connu d'avance. Consultez notre comparatif des architectures à agent unique et multi-agents avant d'ajouter une couche d'orchestration.
Ce que changent les Workers Delos
Les Workers Delos fonctionnent avec un périmètre, des droits et un point de contrôle humain définis : un plafond et un responsable font partie de la mise en place, pas d'un ajout tardif. Commencez par un worker, une tâche, mesurés pendant deux semaines. Associez ces contrôles budgétaires au moindre privilège pour les agents pour garder un périmètre explicite à chaque exécution.
Conclusion : mesurez la pire exécution, plafonnez-la, envoyez les étapes simples vers des modèles économiques, nommez un responsable et comparez à la valeur. Posez ces cinq garde-fous avant de passer à l'échelle.