Combien coûte l'exécution d'un agent IA ? Coût par tâche en 2026

Une exécution d'agent avec outils coûte entre environ cinq cenes et cinquant cenes par tâche sur les modèles API grand public actuels, et une longue exécution de 30 étapes coûte entre environ 28 cenes et cinq dollars. En utilisant un prompt système de 4000 tokens plus les définitions d'outils, des résultats d'outils de 1500 tokens et 300 tokens de sortie par étape, une exécution de 12 étapes coûte $0.054 sur DeepSeek V4.1 Flash ($0.30/$1.20 par 1M), $0.14 sur Gemini 3.8 Flash ($0.75/$3.75), $0.37 sur Claude Sonnet5 ($2/$10) et $0.47 sur GPT-5.4 ($2.50/$15). Tous les prix sont en USD par 1M de tokens de notre catalogue, mis à jour le 2026-09-11. DeepSeek V4.1 Flash, nom d'API deepseek-flash, a remplcé V4 Flash, que DeepSeek a retiré. Les lignes DeepSeek utilisent les tarifs de pointe; les heures creuses coûtent moitié moins. Tarifs DeepSeek vérifié s le 2026-10-27 sur api-docs.deepseek.com. Ces chiffres supposent aucune mise en cache des prompts. Avec la mise en cache, les mèmes exécutions reviennent à environ $0.12 (Sonnet5), $0.15 (GPT-5.4) et $0.06 (Gemini3.8 Flash). Le reste de ce guide montre d'où vient chaque token afin que vous puissiez reconstruire l'estimation pour votre propre agent; le guide des LLM les moins chers pour les agents IA classe 30 modèles sur la mème trace.

Un agent est une boucle. Chaque itération envoie le prompt système, les schémas d'outils, la tâche utilisateur, chaque tour précédent de l'assistant et chaque résultat d'outil précédent, puis lit un court tour de l'assistant qui contient généralement un appel d'outil. Le modèle ne se souvient jamais de la dernière étape ; vous la renvoyez.

La trace de référence utilisée dans ce guide :

• Prompt système plus définitions d'outils : 4 000 tokens, envoyés à chaque étape
• Résultat d'outil ajouté après chaque étape : 1 500 tokens
• Sortie de l'assistant par étape (raisonnement plus appel d'outil) : 300 tokens
• Contexte à l'étape k = 4 000 + (k - 1) × 1 800 tokens

Ainsi, l'étape 1 envoie 4 000 tokens, l'étape 12 envoie 23 800 et l'étape 30 envoie 56 200. Somme sur une exécution :

• 5 étapes : 38 000 tokens d'entrée, 1 500 tokens de sortie
• 12 étapes : 166 800 tokens d'entrée, 3 600 tokens de sortie
• 30 étapes : 903 000 tokens d'entrée, 9 000 tokens de sortie

Une exécution de 30 étapes ne produit jamais que 49 000 tokens de matériel unique (4 000 système plus 30 × 1 500 résultats) mais facture 903 000 tokens d'entrée. Ce multiplicateur de 18× résume toute l'histoire du coût des agents.

Coût = tokens d'entrèe × tarif d'entrèe + tokens de sortie × tarif de sortie. Pour Claude Sonnet5 à 12 étapes: 166800 × $2/1M = $0.3336, plus 3600 × $10/1M = $0.036, total $0.3696. La mème arithmétique sur chaque modè le:

Deux chosses ressor tent. Pass er de 12 à 30 étapes multiplie le coût par environ 5×,pas 2.5×, car la croissnce du contexte est quadratique avec le nombre d'étapes. Et les tokens de sortie sont presque irre levants: sur Sonnet5, l'exécution de 30 étapes dépense $1.806 en entrée et $0.09 en sortie. "Garder les réponses courtes" à peine affecte la facture de l'agent; c'est garder le contexte court qui le fait. Par étape sur Sonnet5, l'étape 1 coûte $0.011 et l'étape 12 coûte $0.051, cinq fois plus pour la même quantité de nouveau travail.

Dans la trace de 12 étapes, 166 800 des 170 400 tokens facturés (98 %) sont des entrées, et la plupart sont identiques à ceux envoyés une étape plus tôt. La mise en cache du prompt existe exactement pour ce cas : le fournisseur stocke le préfixe traité et facture un tarif réduit lorsque vous le renvoyez.

Les lectures du cache coûtent environ 10 % du tarif d'entrée catalogue chez Anthropic et OpenAI, et environ 25 % chez Gemini. Anthropic facture également environ 125 % du tarif catalogue pour l'écriture initiale du cache. Ce sont des multiplicateurs approximatifs, pas des lignes de catalogue, donc prenez les chiffres ci-dessous comme des estimations :

Avec la mise en cache, l'exécution de 30 étapes sur Sonnet 5 passe de $1.90 à environ $0.40, soit une réduction de 79 %, car seuls les 1 800 tokens les plus récents par étape sont facturés au tarif plein. La mise en cache fonctionne sur un préfixe, donc tout ce qui change tôt dans le prompt (un horodatage, une liste d'outils réordonnée) la désactive silencieusement ; vérifiez le nombre de tokens mis en cache dans l'objet d'utilisation à chaque appel. Notre comparaison des coûts de mise en cache du prompt couvre les règles par fournisseur.

Les prix par token vous indiquent ce qu'une exécution coûte, pas ce qu'une tâche terminée coûte, et la tâche terminée est ce qu'un acheteur doit optimiser. Coût par tâche réussie = coût par exécution ÷ taux de succès, plus ce que coûte une exécution échouée en réessais ou revue humaine.

Un exemple pratique avec des taux de succès supposés (mesurez les vôtres; ce sont des illustrations):

• DeepSeek V4.1 Flash: $0.054 par exécution à 50% de succès = $0.11 par succès
• Gemini 3.8 Flash: $0.139 par exécution à 75% = $0.185 par succès
• Claude Sonnet5: $0.370 par exécution à 92% = $0.40 par succès

Le modèle bon marché gagne toujours sur les dépenses API seules. Il cesse de gagner dès qu'un échec coûte quelque chose: cinq minutes du temps d'une personne par exécution échouée dépasse les $0.32 économisés. Il cesse également de gagner lorsque le modèle plus faible prend plus d'étapes. Une exécution Gemini 3.8 Flash qui erre pendant 30 étapes ($0.71) côte presque deux fois plus qu'une exécution Sonnet5 qui termine en 12 ($0.37). Suivez le nombre d'étapes jusqu'à la réalisation par modèle; il prédit le coût mieux que le taux par token. Le schéma pratique est d'orienter d'abord vers le modèle bon marché, de valider et d'escalader les échecs; le guide des LLM les moins chers pour les agents IA contient le code de routage.

Pour un agent bien spécifié avec des schémas d'outils stricts et un validateur sur chaque appel d'outil, Gemini 3.8 Flash ($0.75/$3.75) et GPT-5.4 mini ($0.75/$4.50) sont les modèles les moins chers que nous ferions fonctionner sans surveillance : les deux coûtent environ $0.14 pour la trace de 12 étapes, suivent les schémas JSON de manière cohérente et ont rarement besoin de plus d'étapes qu'un flagship pour un travail de routine. DeepSeek V4.1 Flash à $0.054 par exécution est une option authentique pour les boucles à haut volume et faible enjeu (classification, enrichissement, scraping) où une relance est gratuite.

Payez pour Claude Sonnet5 ou GPT-5.4 lorsque la tâche est ouverte, lorsqu'un appel d'outil erroné a des effets secondaires (envoi d'email, édition de code, déplacement d'argent), ou lorsque le nombre d'étapes du modèle bon marché explose. Payez pour Claude Opus5 ($5/$25, $0.92 par exécution de12 étapes) ou GPT-5.5 ($5/$30, $0.94) seulement pour le rôle de planificateur dans une configuration multi-agents ou lorsqu'un seul échec coûte plus d'un dollar. La plupart des équipes obtiennent le meilleur coût par tâche d'un planificateur flagship déléguant à des travailleurs bon marché. Les guides de coût des agents Claude, OpenAI et Gemini détaillent chaque famille.

Les agents échouent de manière coûteuse lorsqu'ils bouclent. Quatre contrôles, par ordre de fréquence d'économies :

• Max steps : arrêt brutal de la boucle à N appels d'outil. Pour la plupart des types de tâches, 15 est généreux ; si une exécution nécessite 30, elle est généralement bloquée.
• max_tokens par appel : le plus grand appel d'outil plausible plus une courte explication, typiquement 1 000 à 4 000 pour les tours d'agent. Cela arrête les monologues incontrôlés, pas la croissance du contexte.
• Conditions d'arrêt : terminer sur un appel d'outil final_answer, un appel d'outil identique répété (une signature de boucle), ou un résultat d'outil vide deux fois de suite.
• Un budget USD par exécution calculé à partir de l'utilisation : après chaque appel, ajoutez input_tokens × rate_in + output_tokens × rate_out (les lectures de cache au tarif réduit) à un total cumulé et abandonnez au-delà de votre plafond.

Un budget de $0.50 par exécution sur Sonnet 5 permet environ 14 étapes non mises en cache du trace de référence, ou environ 35 étapes mises en cache. Pour un travail qui n'est pas sensible à la latence, les endpoints batch réduisent les prix catalogue d'environ 50 % chez Anthropic et Google ; utiles pour les backfills de nuit, inutiles pour une boucle qui a besoin du résultat de chaque étape avant la suivante. Voir la tarification des API batch LLM.

Insérez vos propres chiffres dans la formule. Avec S = tokens système plus outils, R = tokens de résultat d'outil moyens, O = tokens de sortie moyens par étape et N = étapes :

• Total input tokens = N × S + (R + O) × N × (N - 1) ÷ 2
• Total output tokens = N × O
• Run cost = input tokens × rate_in ÷ 1,000,000 + output tokens × rate_out ÷ 1,000,000

Divisez ensuite par votre taux de succès mesuré et ajoutez le coût du chemin d'escalade. Trois réductions à essayer avant de changer de modèle : résumer ou supprimer les résultats d'outils une fois qu'ils sont obsolètes de quelques étapes (cela attaque directement le terme quadratique), réduire les schémas d'outils pour que S soit plus proche de 2 000 que de 6 000, et activer la mise en cache pour que le contexte renvoyé soit facturé au tarif réduit. Le calculateur de coûts IA prend les volumes de tokens mensuels ; multipliez le coût par exécution par le nombre d'exécutions par mois pour une ligne budgétaire, et consultez le guide API vs abonnement si un outil d'abonnement est envisagé.