Coût d'un agent IA en production : la facture mensuelle détaillée

Un agent IA en production coûte entre 500 et 1 200 euros par mois à 500 exécutions, entre 2 000 et 5 000 euros à 5 000 exécutions, et entre 11 000 et 28 000 euros à 50 000 exécutions, tous postes confondus. Les tokens ne pèsent que 1 à 10 % de ce total : ce qui fait la facture, c'est la supervision humaine des cas escaladés, puis la maintenance.

On laisse de côté le coût de développement et le retour sur investissement, traité dans le guide de calcul du ROI d'un agent IA. Ici, uniquement le run, avec les grilles officielles des fournisseurs consultées en septembre 2026.

Combien coûte un agent IA en production chaque mois, poste par poste ?

Six lignes reviennent sur toute facture mensuelle d'agent. Le tableau les chiffre pour trois profils de volume, avec les hypothèses d'un agent métier classique : 6 000 tokens en entrée par exécution (instructions, contexte, résultats d'outils), 800 tokens en sortie, deux appels d'outils, un modèle de milieu de gamme, un taux d'escalade vers un humain de 5 à 15 %.

Les grilles des fournisseurs sont en dollars, reportées ici en euros sans conversion. L'écart de change est plus petit que l'incertitude sur vos volumes réels.

Que facturent réellement les fournisseurs de modèles ?

Les trois grands fournisseurs facturent au million de tokens, avec un prix d'entrée, un prix de sortie cinq à six fois plus élevé, et un prix de lecture du cache dix fois moins cher que l'entrée. Chez Anthropic, la grille publique du 21 septembre 2026 affiche Claude Sonnet 5 à 2 dollars le million de tokens en entrée, 10 dollars en sortie, 0,20 dollar en lecture de cache, et Claude Haiku 4.5 à 1 dollar en entrée et 5 dollars en sortie. Les modèles haut de gamme (Opus 5 à 5 et 25 dollars, Fable 5.1 à 10 et 50 dollars) coûtent cinq fois plus que Sonnet à volume égal.

Chez OpenAI, la page de tarifs donne GPT-5.6 Terra à 2 dollars en entrée, 0,20 dollar en entrée mise en cache et 12 dollars en sortie, et GPT-5.6 Luna à 0,20 dollar en entrée et 1,20 dollar en sortie. Chez Mistral, la grille API affiche Mistral Large à 0,50 dollar en entrée et 1,50 dollar en sortie, ce qui en fait l'option la moins chère des trois pour un agent hébergé en Europe. Les trois appliquent une remise de 50 % en traitement par lot (batch) quand l'agent n'a pas besoin de répondre en temps réel, par exemple pour un tri nocturne de courriels.

Concrètement, à 6 000 tokens en entrée et 800 en sortie, une exécution sur Sonnet 5 coûte environ 0,02 dollar sans cache et 0,013 dollar avec deux tiers du contexte en cache. À 50 000 exécutions, cela fait 650 à 1 000 dollars. Sur Haiku 4.5 ou Luna, on descend sous 300 dollars. Sur Fable 5.1, on monte à 5 000. On déconseille de démarrer sur le plus gros modèle « pour être sûr » : le plus souvent, un modèle de milieu de gamme bien outillé fait le même travail, et on ne monte en gamme que sur les étapes où le jeu de tests le justifie.

Comment lire une facture de fournisseur de modèle ?

Une facture de fournisseur se lit en quatre colonnes : tokens d'entrée non mis en cache, tokens d'entrée lus depuis le cache, tokens d'écriture en cache, tokens de sortie. La colonne à surveiller est la première. Si elle représente plus de 40 % des tokens d'entrée, votre cache ne fonctionne pas, en général parce que les instructions de l'agent changent d'un appel à l'autre (une date, un identifiant de session injecté au début du prompt) et cassent le préfixe commun.

Ce qu'on vérifie ensuite sur une facture mensuelle :

• Le ratio sortie sur entrée. Un agent métier tourne entre 8 et 15 % de tokens de sortie. Au-dessus de 25 %, l'agent raisonne à voix haute dans la réponse au lieu d'un champ caché.
• Le nombre d'appels par exécution. Un agent qui appelle le modèle sept fois par tâche au lieu de trois a probablement une boucle d'outils mal bornée. Le fournisseur ne le montre pas, votre journalisation oui.
• La part de traitement par lot. Si elle est nulle alors qu'une partie des tâches n'est pas urgente, vous payez le double sur cette partie.

Les leviers techniques sont détaillés dans l'article sur l'optimisation du coût des LLM par tokenisation et batching.

Combien pèsent l'hébergement, la base vectorielle et la journalisation ?

Entre 30 et 1 400 euros par mois selon le volume, rarement plus. Un agent qui interroge un ERP et une base documentaire tient sur une petite instance ou une fonction serverless, une base Postgres managée avec pgvector et un outil de traces. À 500 exécutions, la journalisation est couverte par le palier gratuit d'un Langfuse ou d'un équivalent auto-hébergé.

Les briques managées se paient à l'usage. Sur la grille Amazon Bedrock, une base de connaissances managée coûte 5 dollars par Go de données brutes et par mois, plus 1 dollar par tranche de 1 000 requêtes de récupération. Deux recherches par tâche à 50 000 exécutions font 100 dollars par mois, plus le stockage. C'est ce socle qu'on a retenu pour les quatre agents livrés à SuperHote en 12 jours ouvrés sur AWS Bedrock, du 19 au 31 janvier 2026, aujourd'hui commercialisés dans le produit. Avec du managé, la facture d'infrastructure suit le nombre de clients actifs, pas la taille de l'équipe technique.

Le poste qui surprend, c'est la journalisation à fort volume : tracer chaque appel et chaque outil à 50 000 exécutions produit plusieurs centaines de milliers d'événements, facturés à l'unité par les outils SaaS. Prévoyez 200 à 600 euros, ou auto-hébergez à partir de 10 000 exécutions.

Résumé de la vidéo : trois membres de l'équipe Anthropic (octobre 2025, en anglais) expliquent comment la plateforme de développement fait tourner des agents en production, avec un passage sur l'observabilité des appels et des outils. Le lecteur y voit pourquoi la journalisation n'est pas une option et ce qu'un fournisseur expose, ou non, sur la consommation réelle d'un agent.

Pourquoi la supervision humaine devient le premier poste à partir de 5 000 exécutions ?

Parce qu'un agent bien conçu escalade vers un humain tout ce qu'il ne sait pas traiter avec certitude, et que cette relecture se paie en heures. À 10 % d'escalade et quatre minutes par cas relu, 5 000 exécutions donnent 500 cas et 33 heures de travail, soit 1 500 euros au coût chargé d'un gestionnaire. À 50 000 exécutions, ce sont 333 heures, l'équivalent de deux personnes à temps plein. Aucun autre poste n'atteint ce niveau.

Le copilote conversationnel de SuperHote donne l'échelle : il traite 95 % de 2 millions de messages mensuels, avec transfert humain sous un seuil de confiance. Les 5 % restants font 100 000 messages par mois à absorber par l'équipe support. Ce dimensionnement se calcule avant la mise en service, pas après. Quand on saute cette étape, les cas escaladés s'empilent, quelqu'un relève le seuil de confiance pour vider la pile, et la qualité chute là où l'agent devait être prudent.

Ne budgétez jamais la supervision à zéro sous prétexte que « l'équipe est déjà là » : si elle est déjà là, elle a déjà un travail. Et suivez le taux d'escalade chaque semaine : il commande la moitié de la facture.

Qu'est-ce qui fait varier la facture du simple au triple ?

Trois paramètres, tous de conception : la longueur du contexte envoyé à chaque appel, le nombre d'outils appelés par tâche, et le taux d'escalade. Passer de 6 000 à 18 000 tokens de contexte en injectant tout l'historique de conversation triple le poste tokens. Appeler cinq outils au lieu de deux multiplie d'autant les appels au modèle, puisque chaque résultat d'outil repart dans un nouvel appel. Un taux d'escalade à 30 % au lieu de 10 % triple le poste supervision, qui est déjà le plus lourd.

Les deux autres lignes, TMA et réévaluation, bougent moins avec le volume mais elles ne sont jamais nulles. Les fournisseurs retirent des modèles du catalogue à échéance régulière, et chaque changement de modèle impose de rejouer le jeu de tests, de comparer les résultats et de réajuster les instructions. Comptez une à quatre journées par mois selon le nombre d'outils connectés, et lisez ce qui se passe quand on ne le fait pas dans l'article sur la maintenance d'un agent IA et sa performance dans le temps. Gartner l'a dit en juin 2025 : plus de 40 % des projets d'agents IA seront annulés d'ici fin 2027, dérive des coûts en première cause. Ce ne sont pas les tokens qui dérivent, ce sont les lignes absentes du budget.

Pour savoir dans quel profil du tableau vous tombez, les exemples d'agents IA métier en PME donnent les volumes typiques par fonction (support, comptabilité, achats).

Ce que JUWA chiffre avant de mettre un agent en production

Avant toute mise en service, on produit le tableau ci-dessus avec vos volumes réels : exécutions attendues par mois, longueur de contexte mesurée sur un échantillon, taux d'escalade observé sur le pilote, coût horaire chargé des relecteurs. Le résultat est une facture mensuelle prévisionnelle révisée après le premier mois de production. La validation humaine sous seuil de confiance est en place dès la première version, avec un suivi du taux d'escalade, et le passage en production tient en 4 à 8 semaines.

Si vous n'avez pas encore d'agent en service et que vous voulez savoir lequel de vos processus rentre dans un budget de run donné, le diagnostic de maturité IA chiffre les cas d'usage candidats avec cette même grille, volume par volume, avant d'engager un développement.