La relecture : le poste que personne ne regarde

En charge agentique, votre facture n'est pas dominée par ce que le modèle écrit. Elle est dominée par ce qu'il relit.

Un agent IA de codage ne fonctionne pas comme un chatbot. À chaque tour, il renvoie l'intégralité de son historique — le prompt système, les fichiers lus, les résultats d'outils, tous les échanges précédents — puis génère quelques centaines de tokens. Le rapport typique est de plusieurs milliers de tokens lus pour chaque millier généré.

Facturée au token, cette relecture est refacturée en entier, à chaque tour. Une session qui atteint 100 000 tokens de contexte et fait cinquante tours n'a pas coûté 100 000 tokens d'entrée : elle en a coûté plusieurs millions, parce que le même historique a été retraité cinquante fois.

Or le coût réel de cette lecture est faible. L'entrée se traite en parallèle — un serveur en avale des centaines de milliers de tokens par seconde — tandis que la sortie se génère un token à la fois, chacun exigeant de relire le modèle au complet. Sur un serveur dédié, le coût marginal de l'entrée tourne autour de 0,09 $ CAD par million de tokens. Les fournisseurs à l'usage la facturent entre 20 et 45 fois ce montant.

C'est pour ça qu'on ne facture pas l'entrée. Pas par générosité : parce que la facturer reviendrait à vendre très cher la ressource la moins rare de la machine. On facture le débit de génération, qui est la vraie contrainte physique, et on inclut le reste.

Conséquence pratique : plus vos agents IA travaillent longtemps sur un même contexte, plus l'écart se creuse en votre faveur. C'est exactement l'inverse de ce que produit la facturation à l'usage, qui pousse à tronquer l'historique, à compacter trop tôt, et à brider les agents IA pour contenir la facture.