L’essentiel
- Sur OpenRouter, la consommation de tokens des agents est passée de 510 à 7 300 milliards depuis février 2026, une multiplication par 14 ; l’usage humain n’a progressé que de 2,8 fois sur la même période.
- D’après Peter Walker, analyste de la plateforme, le 6 février 2026 aurait été le dernier jour où les humains ont consommé plus de tokens que les agents.
- Près de 70 % des tokens dépensés par les agents proviennent de prompts mis en cache, facturés à tarif réduit : la dépense monte beaucoup moins vite que le volume.
Un développeur lance un agent sur un bug, referme son ordinateur portable et part déjeuner. Pendant l’heure qui suit, le programme appelle un modèle de langage, lit ce qu’il renvoie, relance, recommence. Plus personne ne tape la moindre question, et la consommation de tokens (les unités de texte que les modèles facturent) continue de grimper. Sur OpenRouter, la plateforme qui distribue les requêtes vers des centaines de modèles, ce trafic sans humain au clavier a dépassé le nôtre au mois de février.
Un client qui ne dort jamais
Personne ne valide chaque tour de la boucle : l’agent décide seul de relancer le modèle ou de s’arrêter. Il ouvre au besoin des processus annexes qui, eux aussi, appellent des modèles.
Comparez les débits. Un humain motivé enchaîne quelques dizaines de requêtes dans sa journée, entre deux réunions. Un agent lancé sur une tâche de refactoring (réécrire du code sans changer son comportement) en produit autant en quatre minutes, et ne s’arrête que sur une condition de sortie.
Les chiffres d’OpenRouter suivent exactement cette pente : de 510 milliards de tokens en février à 7 300 milliards en août pour les usages agentiques, quand les usages humains n’ont pas tout à fait triplé. Peter Walker, qui analyse ces données pour la plateforme, situe le croisement des deux courbes au 6 février 2026.
Vingt itérations, vingt fois le même contexte facturé
Cette pente ne vient pas d’un afflux d’utilisateurs. Elle vient d’une propriété des modèles de langage : ils ne gardent aucune mémoire entre deux appels. À chaque tour de boucle, l’agent doit renvoyer au modèle l’intégralité du contexte : les instructions système, la description de ses outils, l’historique de ce qu’il a déjà tenté, le contenu des fichiers qu’il a lus.
Vingt itérations sur une même tâche, et ce contexte a été facturé vingt fois. Imaginez un stagiaire amnésique à qui vous remettez le dossier complet, première page comprise, avant chaque nouvelle question. La tâche avance ; le dossier, lui, est relu en boucle.
S’y ajoute l’inflation venue des modèles de raisonnement, qui produisent une phase de réflexion avant de répondre, y compris sur des questions qui ne la justifient pas. Un agent construit sur un tel modèle paie ce supplément à chaque tour.
Sept tokens sur dix sortent du cache
Le contexte relu vingt fois est en grande partie identique d’un tour à l’autre. Les fournisseurs l’ont compris : ils conservent le calcul déjà effectué sur ce préfixe stable et le facturent à tarif cassé. C’est le cache de prompt, et il représente près de 70 % des tokens consommés par les agents sur la plateforme.
Tous ne le facturent pas de la même façon : chez Anthropic, une lecture de cache coûte 10 % du tarif d’entrée, mais l’écriture se paie 1,25 à 2 fois le plein tarif selon la durée de rétention retenue. Chez OpenAI, la mise en cache s’applique automatiquement, sans surcoût à l’écriture, avec une remise sur l’entrée qui varie de 50 à 90 % selon le modèle.
La conséquence est comptable. Un volume multiplié par quatorze ne donne pas des factures multipliées par quatorze, ni des revenus d’inférence en hausse du même ordre. La partie chère, celle qui exige un calcul neuf, croît nettement moins vite que le total affiché.
Deux réserves de méthode s’imposent. OpenRouter surpondère les modèles à poids ouverts, moins économes en tokens que ceux d’OpenAI ou d’Anthropic : la mesure amplifie donc probablement le phénomène. Et la plateforme ne voit pas le trafic qui passe en direct chez les grands laboratoires. La direction du mouvement, elle, ne dépend pas de ces réserves.
Le pilotage de la boucle devient le poste critique
Pour une équipe qui construit sur ces API (les interfaces de programmation par lesquelles on interroge un modèle), la conséquence est directe. Si le token abondant et mis en cache devient la matière première bon marché, la ressource contrainte se déplace du modèle vers la logique qui décide quand l’appeler, lequel appeler, et quand s’arrêter.
Une boucle mal bornée consomme sans produire. Un agent qui échoue silencieusement puis retente trois fois affiche des volumes flatteurs et zéro tâche terminée. Un préfixe de prompt réordonné à chaque tour fait sauter le cache et fait exploser la part chère de la facture, à volume constant.
La même prudence vaut pour les annonces à venir. Un fournisseur qui publie des milliers de milliards de tokens servis mesure surtout l’activité des boucles branchées sur lui, pas l’adoption par des humains ni son chiffre d’affaires.
Un agent bien conçu se juge à ses appels évités
En production, trois réglages font la différence :
- Suivre le coût par tâche terminée, pas le coût par million de tokens. La seconde métrique baisse pendant que la facture monte.
- Ordonner le prompt du plus stable au plus volatil, pour que le préfixe mis en cache tienne le plus longtemps possible dans la boucle.
- Plafonner le nombre d’itérations et réserver le mode raisonnement aux étapes qui en ont besoin, plutôt qu’à tous les tours par défaut.
L’industrie a passé trois ans à comparer la puissance des modèles. Elle va passer les prochains mois à compter les appels que ses boucles auraient pu s’épargner.
Mon avis
Le volume de tokens servis est en train de devenir la métrique de vanité de cette industrie, ce que les téléchargements d’applications ont été pour le mobile. Un fournisseur qui communique sur ses milliers de milliards de tokens sans donner la part mise en cache ni le nombre de tâches abouties raconte l’agitation de ses clients, pas la valeur qu’il crée. Je m’attends à ce que les plateformes sérieuses publient d’ici la fin de l’année un indicateur de tokens facturés au plein tarif, parce que les acheteurs commencent à faire la différence. Et je vois l’avantage passer aux équipes qui appelleront leurs modèles le moins souvent : ce sont elles qui livreront les agents les plus fiables.
