Imaginons une entreprise de services de quinze personnes qui teste un agent IA. Il lit les demandes reçues par email, retrouve le client dans le CRM et prépare une réponse qu'un salarié relit. En test, sur quelques dizaines de demandes, la consommation de l'API passe inaperçue. Le risque apparaît quand l'agent traite tout le flux : la facture mensuelle du fournisseur de modèle peut alors dépasser nettement ce que le dirigeant avait en tête.
L'écart viendrait rarement du prix affiché, plutôt de ce que personne n'a compté : les appels au modèle par demande, le contexte relu à chaque étape, les relances, les exécutions de l'outil d'automatisation, le temps de vérification.
Voici comment se décompose le coût d'un agent IA en production, d'après les grilles publiques des éditeurs, et comment l'estimer puis le surveiller.
De quoi se compose le coût d'un agent IA en production
La dépense mensuelle compte cinq postes :
- Les tokens du modèle. Chez Mistral comme chez Anthropic, la plupart des modèles sont facturés par million de tokens, entrée (ce que vous envoyez) et sortie (ce que le modèle génère) séparément (tarifs Mistral, tarifs Claude).
- L'orchestration. L'outil qui déclenche l'agent et enchaîne les étapes, par exemple n8n.
- Les outils payants. La recherche web de l'API Claude coûte 10 $ pour 1 000 recherches, tokens non compris (tarifs Claude). L'OCR de Mistral est facturé par tranche de 1 000 pages.
- La surveillance. Journaux, alertes et le temps pour les lire.
- La revue humaine. Le temps passé à valider et corriger.
Les deux derniers ne figurent sur aucune facture d'éditeur.
Pourquoi un agent consomme plus de tokens qu'un chatbot
Un chatbot simple fait un appel par question. Un agent travaille en boucle, que la documentation d'Anthropic décrit ainsi : le modèle demande un outil, votre application l'exécute, puis envoie une nouvelle requête contenant les messages d'origine, la réponse du modèle et le résultat de l'outil.
À chaque étape, instructions, description des outils, demande initiale et résultats précédents sont donc refacturés en entrée. Une tâche en cinq étapes paie cinq fois le début de la conversation.
Trois facteurs alourdissent la note : des résultats d'outils trop longs (une fiche CRM complète quand trois champs suffisaient), trop d'outils déclarés (leurs descriptions partent avec chaque requête) et des étapes inutiles. Dans n8n, l'option Max Iterations du noeud AI Agent (nombre de tours avant arrêt) vaut 10 par défaut.
Dernier piège : sur Claude Haiku 5.5, au-delà de 100 000 tokens de prompt, le prix par million de tokens est multiplié par cinq, en entrée comme en sortie (tarifs Claude, 13 novembre 2026). Un historique qui gonfle peut franchir ce seuil sans bruit.
Estimer la facture mensuelle avant le lancement
La formule tient en une ligne :
coût mensuel des tokens = tâches par mois x (tokens d'entrée par tâche x prix d'entrée + tokens de sortie par tâche x prix de sortie)
Les tokens par tâche additionnent toutes les étapes. Je recommande de les mesurer sur une vingtaine de tâches réelles, cas difficiles compris, avec les champs d'usage que l'API renvoie à chaque réponse.
Exemple chiffré. Hypothèses illustratives, à remplacer par vos mesures. Seuls les prix sont sourcés : Claude Sonnet 5.5 à 2 $ par million de tokens en entrée et 10 $ en sortie (tarifs Claude, 13 novembre 2026).
- 1 500 demandes par mois, 5 appels au modèle par demande.
- Partie fixe (instructions et définitions des outils) : 6 000 tokens. Demande du client : 1 500 tokens.
- Chaque étape ajoute 300 tokens générés et 1 000 tokens de résultat d'outil. Réponse finale : 600 tokens.
Les cinq appels envoient 7 500, 8 800, 10 100, 11 400 puis 12 700 tokens : 50 500 tokens d'entrée et 1 800 de sortie par demande. Sur un mois, 75,75 millions en entrée (151,50 $) et 2,7 millions en sortie (27 $), soit environ 178,50 $.
En un seul appel, façon chatbot (7 500 tokens en entrée, 600 en sortie), la même demande reviendrait à environ 31,50 $ par mois. L'entrée pèse 85 % de la facture de l'agent : c'est elle qu'il faut réduire d'abord.
Les leviers documentés par les éditeurs
Le cache de prompt
Le cache de prompt d'Anthropic permet à l'API de reprendre un début de requête déjà traité (outils, instructions système, messages). En mode automatique, un seul champ cache_control suffit et le point de cache avance avec la conversation, ce qui convient à une boucle d'agent.
L'écriture en cache coûte 1,25 fois le prix d'entrée pour une durée de 5 minutes, 2 fois pour une heure. La lecture coûte 0,1 fois le prix d'entrée, 0,05 fois sur Opus 5.5 et Sonnet 5.5. Le cache dure 5 minutes par défaut et se prolonge sans frais à chaque utilisation. Sous une taille minimale (512 tokens sur Sonnet 5.5), rien n'est mis en cache, sans erreur : vérifiez que cache_read_input_tokens n'est pas à zéro dès le deuxième appel. Le cache exige aussi un début de requête identique : gardez instructions et outils stables, mettez ce qui change à la fin.
Dans l'exemple, la facture tombe à environ 80 $ si les cinq appels d'une demande tiennent dans la fenêtre de 5 minutes. Chaque demande écrit alors 12 700 tokens en cache (le premier appel, puis les 1 300 tokens ajoutés à chaque étape) et en relit 37 800, à 2,50 $ le million écrit et 0,10 $ le million lu. Par prudence, rien n'est réutilisé d'une demande à l'autre. Mistral annonce jusqu'à 90 % de réduction sur les tokens d'entrée en cache pour des prompts répétés (tarifs Mistral).
Le traitement par lots
La Message Batches API facture tout l'usage à 50 % du prix standard. La plupart des lots se terminent en moins d'une heure, mais un lot peut prendre jusqu'à 24 heures et expire au-delà. La remise se cumule avec le cache, et la documentation conseille le cache d'une heure pour les lots à contexte partagé, un lot pouvant durer plus de 5 minutes. Chaque requête d'un lot étant un appel isolé, les lots servent aux tâches en un appel sans urgence, comme enrichir des fiches CRM la nuit, pas aux boucles d'agent où chaque étape attend un résultat d'outil. Mistral affiche aussi 50 % de réduction sur le traitement par lots.
Un petit modèle pour trier
Anthropic destine Claude Haiku 5.5 aux tâches à fort volume (classification, extraction, routage), à 0,10 $ par million de tokens en entrée et 0,50 $ en sortie sous 100 000 tokens de prompt. En tête du workflow, il écarte publicités, réponses d'absence et doublons. Pour comparer avec un modèle européen ou ouvert, voir modèle d'IA ouvert ou propriétaire et une journée de tests avec Mistral AI.
| Scénario (hypothèses de l'exemple) | Tokens par mois, estimation |
|---|---|
| Agent Sonnet 5.5 sans optimisation | environ 178,50 $ |
| Avec cache de prompt | environ 80 $ |
| Avec cache, et 40 % des demandes écartées par un tri Haiku 5.5 | environ 48,50 $ |
| Pour comparaison, un seul appel par demande | environ 31,50 $ |
Troisième ligne : le tri lit les 1 500 demandes (1 800 tokens d'entrée et 50 de sortie chacune, environ 0,30 $ par mois) et l'agent avec cache n'en traite plus que 900. Le taux de 40 % est arbitraire : mesurez le vôtre.
Plafonner les étapes et la longueur des réponses
Le paramètre max_tokens limite la sortie de chaque appel. Atteint, il arrête la boucle avec le motif max_tokens, que votre workflow doit traiter. Dans n8n, réglez Max Iterations sur le nombre d'étapes nécessaire.
Orchestration : n8n Cloud ou auto-hébergé
Selon la page tarifs de n8n (13 novembre 2026), n8n Cloud est facturé au nombre d'exécutions mensuelles. Starter coûte 20 € par mois en facturation annuelle pour 2 500 exécutions, Pro 50 € par mois pour 10 000. Avec vos propres clés d'API, le fournisseur du modèle facture les tokens à part. La même page mentionne aussi des modèles d'IA utilisables sans clé d'API et des "Gateway credits" inclus sur Starter et Pro : vérifiez comment cet usage est décompté avant de bâtir votre budget dessus.
Une exécution dure au plus 5 minutes sur Starter, 40 minutes sur Pro, et Starter limite à 5 exécutions simultanées. Selon la FAQ de n8n, un workflow planifié toutes les 5 minutes représente à lui seul environ 8 600 à 8 900 exécutions par mois. Les 1 500 demandes de l'exemple, déclenchées par un événement, tiennent dans Starter, mais pas si l'agent interroge en plus une boîte mail toutes les 5 minutes.
L'édition Community, auto-hébergée, est gratuite, mais l'hébergement ne l'est pas : au serveur s'ajoutent les mises à jour, les sauvegardes, la garde de la clé de chiffrement et la surveillance de la machine. Je la déconseille si personne ne sait administrer et sécuriser un serveur. Exemple d'installation : la stack self-hosted avec Hetzner, Coolify et n8n.
Les coûts cachés : relances, validation humaine, surveillance
Les relances. Chaque nouvelle tentative est une requête facturée avec tout son contexte. Dans n8n, l'option Retry On Fail, par exemple sur le noeud HTTP Request, relance jusqu'au nombre fixé dans Max Tries (documentation n8n). Un agent peut aussi réessayer de lui-même après une erreur d'outil : dans l'exemple, une demande qui va jusqu'à 10 itérations envoie 133 500 tokens d'entrée au lieu de 50 500. Je recommande de réserver les relances automatiques aux erreurs techniques passagères et d'envoyer les erreurs métier à une personne.
La validation humaine. Souvent le poste le plus lourd : minutes de vérification par tâche x tâches relues x coût horaire de la personne. Pour décider ce qui doit être relu, voir où mettre la validation humaine.
La surveillance. n8n Cloud conserve les journaux d'exécution 7 jours sur Starter, 30 jours sur Pro. Enregistrez l'usage de chaque exécution dans une table et comptez le temps passé sur les alertes (voir la gestion des erreurs n8n).
Surveiller les coûts après le lancement
Un espace de travail par agent. Dans la Claude Console, chaque workspace peut recevoir une limite de dépense mensuelle et des limites de débit par modèle. La limite de dépense ne peut pas être posée sur le workspace par défaut : créez-en un pour l'agent, avec sa propre clé d'API. Cette limite sert de garde-fou sans être un plafond exact : selon la documentation des lots, un lot peut la dépasser légèrement. Chez Mistral, le tableau de bord de Mistral Studio détaille usage et coûts par service.
Le coût par tâche plutôt que le total. Un total qui monte peut refléter plus de demandes. Un coût par tâche qui monte signale une boucle, des résultats d'outils plus longs ou un cache cassé par une modification du prompt. Un workflow quotidien peut le calculer et prévenir une personne nommée au-delà d'un seuil fixé d'après les premières semaines. Chaque mois, comparez la facture à l'estimation de départ.
Checklist avant de mettre un agent en production
- Tokens par tâche mesurés sur des tâches réelles, prix vérifiés sur la grille du jour.
- Cache actif, tâches sans urgence en lots, tri par un petit modèle.
- Max Iterations,
max_tokenset relances bornés. - Plan n8n choisi d'après les exécutions réelles, workflows planifiés compris.
- Un workspace, une clé et une limite de dépense pour l'agent.
- Alerte quotidienne sur le coût par tâche, temps de revue attribué.
Un budget qui se lit en coût par tâche
Le coût d'un agent IA se pilote tâche par tâche : appels, tokens relus, relances, minutes de relecture, tous mesurables pendant les tests. Pour choisir par quel usage commencer, voir comment choisir un premier chantier IA. Chez Kirako, nous concevons des agents IA et des automatisations avec n8n en intégrant ces coûts dès la conception.
Sources
Consultées le 13 novembre 2026 :
- Anthropic : tarifs Claude, tarifs détaillés de l'API, prompt caching, batch processing, fonctionnement de l'utilisation d'outils, workspaces
- Mistral AI : tarifs
- n8n : tarifs et FAQ, Tools Agent, noeud HTTP Request, Retry On Fail
Existe aussi : Lire en anglais