La philosophie d'économie dans l'ère de l'IA : comment dépenser chaque Token à bon escient

Auteur : Sleepy.md

Dans l’époque du Telegram facturé à la ligne, la plume valait de l’argent. On avait l’habitude de comprimer des milliers de mots en leur forme la plus extrême : « allez au plus vite » valait une longue lettre, et « soyez en sécurité » était la mise en garde la plus lourde.

Plus tard, le téléphone est entré dans la maison, mais la communication longue distance se facturait à la seconde. Les appels longue distance de mes parents étaient toujours brefs et directs : l’essentiel dit, ils raccrochaient aussitôt. Dès que la conversation s’étirait un peu, l’idée de la facture téléphonique coupait net toute froide politesse à peine lancée.

Encore plus tard, l’Internet haut débit a envahi la maison. On se connectait à l’heure, et les gens fixaient le minuteur à l’écran : une page s’ouvre puis se ferme, la vidéo ne se télécharge qu’avec prudence. Le streaming était alors un verbe de luxe. À chaque barre de progression atteignant sa fin, il y avait en filigrane le désir de « se connecter au monde », et la crainte de « solde insuffisant ».

Les unités de facturation ont changé encore et encore, mais l’instinct d’économiser, lui, est immuable depuis toujours.

Aujourd’hui, Token est devenu la monnaie de l’ère de l’IA. Pourtant, la plupart des gens n’ont pas encore appris à optimiser les dépenses dans cette ère, parce que nous n’avons pas encore appris à calculer les gains et les pertes au sein d’algorithmes invisibles.

Quand ChatGPT est apparu en 2022, presque personne ne se souciait de ce qu’était un Token. C’était l’époque du « grand pot » de l’IA : tous les mois, 20 dollars, et vous pouviez discuter autant que vous vouliez.

Mais depuis que les AI Agent se sont récemment enflammés, les dépenses en Token sont devenues une affaire que chaque personne utilisant un AI Agent doit surveiller.

Contrairement aux conversations simples « question-réponse », derrière un flux de tâches il y a des centaines, voire des milliers d’appels d’API. La réflexion indépendante d’un Agent a un coût : chaque auto-correction, chaque appel d’outil, correspond au saut des chiffres sur la facture. Puis vous réalisez que l’argent que vous avez rechargé n’est soudainement plus suffisant, et vous ne savez même pas ce que l’Agent a fait.

Dans la vie réelle, tout le monde sait comment économiser. Au marché pour acheter des légumes, on sait trier et nettoyer les feuilles abîmées avec de la terre avant de les peser ; en taxi pour aller à l’aéroport, le conducteur connaît les autoroutes en évitant les heures de pointe.

La logique d’économie dans le monde numérique est la même, sauf qu’on ne parle plus de « jin » et de « kilomètres », mais de Token.

Dans le passé, l’économie venait de la rareté ; et à l’ère de l’IA, économiser, c’est économiser avec précision.

Nous voulons, grâce à cet article, vous aider à mettre en place une méthode d’économie adaptée à l’ère de l’IA, pour que chaque centime soit dépensé là où il faut.

Avant de monter sur la balance, triez les feuilles abîmées

À l’ère de l’IA, la valeur de l’information n’est plus déterminée par sa largeur, mais par sa pureté.

La logique de facturation de l’IA est basée sur le nombre de mots qu’elle lit. Que vous nourrissiez l’IA de véritables insights ou de vaines formules sans intérêt, du moment qu’elle les lit, vous devez payer.

Donc, la première façon de réduire les Token, c’est d’« ancrer le ratio signal/bruit » dans l’inconscient.

Chaque mot, chaque image, chaque ligne de code que vous donnez à l’IA vous coûte de l’argent. Avant de confier quoi que ce soit à l’IA, pensez donc à vous poser : combien de tout cela l’IA a-t-elle vraiment besoin ? Et combien ressemble à des feuilles abîmées avec de la terre ?

Par exemple, des ouvertures longues et verbeuses du type « Bonjour, pouvez-vous… », des présentations d’arrière-plan répétées, ou des commentaires de code non nettoyés, sont tous des feuilles abîmées avec de la terre.

En plus de cela, le gaspillage le plus courant, c’est de jeter directement un PDF ou des captures d’écran de pages à l’IA. Certes, pour vous, cela vous simplifie la vie, mais à l’ère de l’IA, « se simplifier la vie » signifie souvent « payer plus cher ».

Un PDF au format complet, en plus du contenu du corps, contient aussi l’en-tête, le pied de page, les annotations des tableaux, des filigranes cachés et une grande quantité de codes de mise en forme. Tout cela n’aide en rien l’IA à comprendre votre problème, mais tout est facturé.

La prochaine fois, pensez à convertir d’abord le PDF en texte Markdown propre, puis à le donner à l’IA. Lorsque vous transformez un PDF de 10 Mo en un texte propre de 10 Ko, vous économisez non seulement 99 % de l’argent, mais vous faites aussi tourner le cerveau de l’IA beaucoup plus vite qu’avant.

Les images sont un autre gouffre.

Dans la logique des modèles visuels, l’IA ne se soucie pas de la beauté de vos photos ; elle se soucie de la surface en pixels que vous lui donnez.

Prenons comme exemple la logique de calcul officielle de Claude : consommation de Token d’une image = largeur en pixels × hauteur en pixels ÷ 750.

Une image de 1000×1000 pixels consomme environ 1334 Token ; converti au tarif de Claude Sonnet 4.6, cela revient à environ 0.004 dollar par image ;

Mais si vous compressez la même image à 200×200 pixels, elle consomme seulement 54 Token, et le coût tombe à 0.00016 dollar : c’est 25 fois de différence.

Beaucoup de gens envoient directement à l’IA des photos haute définition prises au téléphone ou des captures d’écran en 4K, sans se rendre compte que les Token consommés par ces images pourraient suffire à permettre à l’IA de lire une bonne partie d’un roman court. Si la tâche consiste seulement à reconnaître le texte dans l’image ou à faire un jugement visuel simple — par exemple demander à l’IA d’identifier le montant sur une facture, de lire le texte d’un mode d’emploi, ou de déterminer s’il y a des feux rouges/verts — alors la résolution 4K n’est que du pur gaspillage : compresser l’image à la résolution minimale utilisable suffit.

Mais la raison la plus facile d’économiser des Token à l’entrée ne tient pas tant au format du fichier qu’à une manière de parler inefficace.

Beaucoup de gens traitent l’IA comme un voisin humain, et ont l’habitude de communiquer avec des bavardages sociaux à répétition : ils envoient d’abord « écris-moi un site web », puis attendent que l’IA crache un brouillon à moitié fait, puis ils ajoutent des détails, puis reprennent et tirent encore. Cette conversation à « extraction de pâte dentaire » fait que l’IA génère du contenu à répétition : chaque tour de modification s’additionne à la consommation de Token.

Les ingénieurs de Tencent Cloud ont observé, en pratique, que pour un même besoin, dans une conversation à plusieurs tours de type « extraction de pâte dentaire », la consommation finale de Token est souvent 3 à 5 fois celle d’une explication unique claire.

La vraie façon d’économiser, c’est d’abandonner ces tâtonnements sociaux inefficaces : explique en une seule fois clairement les exigences, les conditions limites et les exemples de référence. Expliquez moins ce qu’il ne faut pas faire, car les phrases de négation entraînent souvent un coût de compréhension plus élevé que les phrases affirmatives. Dites directement comment faire, et fournissez un exemple correct et clair.

Et en même temps, si vous savez où vous voulez aller, dites-le clairement à l’IA : ne la laissez pas jouer aux détectives.

Quand vous commandez à l’IA « cherchez du code lié à l’utilisateur », elle doit effectuer une analyse et des suppositions à grande échelle en arrière-plan ; mais quand vous lui dites directement « allez voir le fichier src/services/user.ts », la consommation de Token est radicalement différente. Dans le monde numérique, l’égalité de l’information est la plus grande forme d’économie.

Ne payez pas pour la « politesse » de l’IA

La facturation des grands modèles a une règle implicite que beaucoup de gens ne réalisent pas : les Token de sortie coûtent généralement 3 à 5 fois plus cher que les Token d’entrée.

Autrement dit, ce que l’IA dit vous coûte beaucoup plus cher que ce que vous lui dites. Prenons comme exemple la tarification de Claude Sonnet 4.6 : pour chaque million de Token en entrée, seulement 3 dollars, alors que pour la sortie, on grimpe soudain à 15 dollars : un écart de prix de 5 fois.

Les phrases d’ouverture polies du type « D’accord, j’ai parfaitement compris votre demande, je commence maintenant à vous répondre… », et les fins polies du type « J’espère que ce qui précède vous sera utile » : dans une conversation humaine, ce sont des formules de politesse sociales. Mais sur la facture API, ces échanges de politesse sans accroissement d’information doivent aussi être payés par vous.

Le moyen le plus efficace de résoudre le gaspillage côté sortie est de fixer des règles à l’IA. Dites-lui clairement via des instructions système : pas d’échauffement, pas d’explication, pas de reformulation de la demande, donne directement la réponse.

Ces règles n’ont besoin d’être définies qu’une seule fois, et s’appliquent à chaque conversation suivante : une vraie stratégie financière « investissement unique, bénéfice durable ». Mais quand on établit des règles, beaucoup de gens tombent dans un autre piège : empiler des instructions avec un langage naturel trop long.

Les données mesurées par les ingénieurs montrent que l’efficacité des instructions ne dépend pas du nombre de mots, mais de leur densité. En compressant une invite système de 500 mots à 180 mots, en supprimant des formules de politesse sans intérêt, en fusionnant des instructions répétées, et en restructurant le tout en une liste d’éléments concis, la qualité de sortie de l’IA varie presque à la marge, mais la consommation de Token par appel chute d’environ 64 %.

Il existe aussi un moyen de contrôle plus direct : limiter la longueur de sortie. Beaucoup de gens ne fixent jamais de limite de sortie et laissent l’IA s’exprimer librement. Ce laxisme sur le droit d’expression conduit souvent à une perte de contrôle totale des coûts. Vous n’avez peut-être besoin que d’une phrase brève « pour faire un point », mais l’IA, pour montrer une forme de « bonne foi intellectuelle », génère sans discuter un petit essai de 800 mots.

Si ce que vous recherchez, c’est uniquement des données pures, vous devriez forcer l’IA à renvoyer un format structuré, plutôt qu’une description en langage naturel longue. À quantité d’information équivalente, la consommation de Token d’un format JSON est bien plus faible que celle de paragraphes éparpillés. C’est parce que les données structurées éliminent tous les connecteurs redondants, les mots de ton et les modifications explicatives, ne conservant que le cœur logique à haute densité.

À l’ère de l’IA, vous devez comprendre lucidement que ce qui vaut votre paiement, c’est la valeur du résultat, pas ces explications inutiles et auto-justificatives de l’IA.

En plus de cela, le « sur-raisonnement » de l’IA ronge aussi de façon frénétique le solde de votre compte.

Certains modèles avancés ont un mode « extension de réflexion » : avant de répondre, ils réalisent une énorme inférence interne. Cette inférence est aussi facturée, et elle est évaluée au prix de la sortie : c’est extrêmement cher.

Ce mode est essentiellement conçu pour des « tâches complexes nécessitant un support logique approfondi ». Mais la plupart des gens choisissent aussi ce mode pour des questions simples. Pour les tâches qui ne requièrent pas de réflexion profonde, dites clairement à l’IA « pas besoin d’expliquer le raisonnement, donne juste la réponse », ou désactivez manuellement l’extension de réflexion : vous économiserez beaucoup d’argent.

Ne laissez pas l’IA ressasser le passé

Les grands modèles n’ont pas de mémoire réelle ; ils ne font que ressasser frénétiquement l’historique.

C’est un mécanisme de couche bas que beaucoup de gens ignorent. À chaque fois que vous envoyez un nouveau message dans une fenêtre de conversation, l’IA ne commence pas à comprendre à partir de cette seule phrase. Elle relit l’ensemble de ce que vous avez déjà échangé : toutes les manches de conversation, chaque segment de code, chaque document cité, puis seulement ensuite elle répond.

Sur la facture en Token, ce « revoir pour apprendre » n’est évidemment pas gratuit. À mesure que le nombre de tours augmente, même si vous ne posez qu’une question simple, le coût de relire tout l’ancien dossier pour l’IA grimpe de façon exponentielle. Ce mécanisme signifie que plus l’historique de conversation est lourd, plus chaque question que vous posez coûte cher.

Quelqu’un a suivi 496 conversations réelles contenant plus de 20 messages, et a constaté que le 1er message a en moyenne été lu en 14,000 Token, coûtant environ 3.6 centimes par message ; au 50e message, l’IA lit en moyenne 79,000 Token, et le coût par message est d’environ 4.5 centimes, soit 80 % plus cher. En outre, le contexte devient de plus en plus long : au 50e message, le contexte que l’IA doit retraiter est 5.6 fois celui du 1er message.

La solution la plus simple à adopter, c’est : une tâche, une fenêtre de conversation.

Quand un sujet est terminé, démarrez franchement une nouvelle conversation. Ne traitez pas l’IA comme une fenêtre de chat qui ne s’éteindra jamais. Cette habitude semble facile, mais beaucoup de gens n’y arrivent pas : ils pensent toujours « au cas où on aurait encore besoin du contenu précédent ». En réalité, la plupart du temps, ce « au cas où » ne se produit jamais ; et pour ce « au cas où », vous avez déjà payé plusieurs fois plus cher à chaque nouveau message.

Si la conversation doit vraiment être prolongée, mais que le contexte devient trop long, on peut utiliser des fonctions de compression de certains outils. Claude Code dispose d’une commande /compact, qui peut condenser un long historique de conversation en un court résumé, pour vous permettre de faire un tri cybernétique « coupez, triez, retirez le superflu ».

Il existe aussi une logique d’économie appelée Prompt Caching (mise en cache des invites). Si vous réutilisez plusieurs fois la même invite système, ou si à chaque conversation vous devez citer le même document de référence, l’IA met une partie de ce contenu en cache. Lors de l’appel suivant, vous payez seulement de faibles frais de lecture du cache, au lieu d’être facturé plein pot à chaque fois.

Les tarifs officiels d’Anthropic indiquent que le prix des Token quand le cache est atteint est de 1/10 du prix normal. Le Prompt Caching d’OpenAI peut aussi réduire le coût d’entrée d’environ 50 %. Un article publié en janvier 2026 sur arXiv a testé des tâches longues sur plusieurs plateformes d’IA et a constaté que la mise en cache des prompts réduit les coûts API de 45 % à 80 %.

Autrement dit, pour le même contenu : la première fois, vous payez le plein tarif ; puis, à chaque appel suivant, vous payez seulement 1/10. Pour les utilisateurs qui doivent réutiliser chaque jour un même ensemble de documents de norme ou des invites système, cette fonctionnalité permet d’économiser énormément de Token.

Mais Prompt Caching a une condition : le contenu et l’ordre de vos invites système et de vos documents de référence doivent rester identiques, et ils doivent se trouver tout au début de la conversation. Dès qu’il y a la moindre modification du contenu, le cache devient invalide et vous êtes facturé au plein tarif à nouveau. Donc, si vous avez un ensemble fixe de normes de travail, figez-le : ne le modifiez pas arbitrairement.

Enfin, le dernier conseil de gestion du contexte : charger seulement quand il le faut. Beaucoup de gens aiment bourrer toutes les normes, documents et consignes dans l’invite système d’un bloc, « au cas où ».

Mais le prix de cela, c’est que même pour une tâche très simple, vous êtes forcé de charger des règles de plusieurs milliers de mots, et de gaspiller une énorme quantité de Token pour rien. La documentation officielle de Claude Code recommande de garder CLAUDE.md à moins de 200 lignes, de séparer les règles spécialisées pour différents scénarios en fichiers de compétences indépendants, et de charger uniquement les règles du scénario utilisé. Conserver un contexte absolument pur, c’est un respect pour la puissance de calcul au plus haut niveau.

Allez acheter des légumes avec une Porsche ?

Les différents modèles d’IA n’ont pas des écarts de prix énormes.

Claude Opus 4.6 : 5 dollars par million de Token en entrée, 25 dollars en sortie. Claude Haiku 3.5 : 0.8 dollar en entrée, 4 dollars en sortie. Cela fait presque 6 fois d’écart. Faire faire au modèle le plus haut de gamme des tâches pénibles comme collecter des informations et mettre en forme, ce n’est pas seulement lent : c’est aussi très cher.

L’utilisation intelligente consiste à appliquer au monde de l’IA la logique de « division des classes et des tâches » si courante dans la société humaine : des tâches de difficulté différente sont confiées à des modèles de gammes de prix différentes.

Comme dans le monde réel : quand vous embauchez des gens pour travailler, vous n’allez pas employer un expert payé un salaire annuel de 4k uniquement pour aller porter des briques sur un chantier.

Pareil pour l’IA. Dans la documentation officielle de Claude Code, il est aussi indiqué clairement : Sonnet gère la plupart des tâches de programmation ; Opus est réservé aux décisions d’architecture complexes et aux inférences en plusieurs étapes ; les sous-tâches simples sont confiées à Haiku.

Un plan d’exécution plus concret consiste à construire un « workflow en deux étapes ». Dans la première phase, utilisez un modèle de base gratuit ou peu coûteux pour faire le travail sale et lourd : collecte d’informations, nettoyage de format, génération d’un premier brouillon, catégorisation et synthèse simples. Puis, dans la deuxième phase, nourrissez le modèle de pointe avec les essentiels raffinés, de haute pureté, pour qu’il réalise la décision centrale et l’affinage profond.

Prenons un exemple : si vous devez analyser un rapport sectoriel de 100 pages, vous pouvez d’abord utiliser Gemini Flash pour extraire les données et conclusions clés du rapport, puis les organiser en un résumé de 10 pages. Ensuite, confiez ce résumé à Claude Opus pour une analyse et une prise de décision approfondies. Ce workflow en deux étapes permet de compresser fortement les coûts tout en garantissant la qualité.

Plus avancé que de simplement traiter en plusieurs segments, c’est une division du travail plus profonde fondée sur la décomposition de la tâche. Une tâche d’ingénierie complexe peut être décomposée en plusieurs sous-tâches indépendantes, chacune assignée au modèle le plus approprié.

Par exemple, pour une tâche qui consiste à écrire du code : vous pouvez demander d’abord à un modèle bon marché d’écrire le cadre et les codes modèles, puis confier au modèle cher uniquement la partie de logique centrale à implémenter. Chaque sous-tâche dispose d’un contexte propre et ciblé : les résultats sont plus précis, et les coûts plus faibles.

Vous n’auriez peut-être pas dû dépenser des Token

Tout ce qui précède vise essentiellement des problèmes tactiques : « comment économiser ». Mais une proposition logique plus fondamentale est souvent ignorée par beaucoup : cette action doit-elle vraiment coûter des Token ?

La forme de l’économie la plus extrême n’est pas l’optimisation algorithmique, mais la « dé-bureautisation » de la décision. Nous avons l’habitude de chercher à l’IA des réponses universelles, mais dans de nombreux scénarios, appeler un grand modèle coûteux revient à tirer un canon antiaérien pour tuer une mouche.

Par exemple, si vous laissez l’IA traiter automatiquement vos emails, elle considérera chaque email comme une tâche indépendante à comprendre, classifier et répondre ; la consommation de Token sera énorme. Mais si vous commencez par passer 30 secondes à jeter un coup d’œil sur votre boîte de réception, en filtrant manuellement les emails évidents qui n’ont pas besoin d’être traités par l’IA, puis en confiant le reste à l’IA, le coût tombe immédiatement à une petite fraction de l’original. La capacité de jugement humaine ici n’est pas un obstacle : c’est le meilleur filtre.

Les gens de l’époque du Telegram le savaient : chaque mot envoyé coûtait plus cher, donc ils pesaient les choses. C’est une perception intuitive de la valeur des ressources. À l’ère de l’IA, c’est pareil : quand vous savez réellement combien coûte chaque phrase de plus de la part de l’IA, vous pèserez naturellement la question de savoir si cela vaut la peine d’être fait, si cette tâche nécessite un modèle de pointe ou un modèle bon marché, et si ce segment de contexte a réellement un intérêt.

Cette pondération est la capacité la plus économique. À une époque où la puissance de calcul devient de plus en plus chère, le moyen le plus intelligent n’est pas de remplacer l’humain par l’IA, mais de faire en sorte que l’IA et l’humain fassent chacun ce qu’ils font le mieux. Quand cette sensibilité aux Token devient un réflexe conditionné, vous redevenez le maître de la puissance de calcul, et non un simple subordonné de la puissance de calcul.