Les agents de codage IA brûlent des dizaines de milliers de tokens avant même de lire votre prompt

Avant qu’un agent de codage IA ne lise un seul mot que vous tapez, il a déjà dépensé des milliers de tokens pour se présenter : prompts système, schémas d’outils, rappels d’architecture. Une comparaison indépendante récente de deux environnements d’agents populaires, Claude Code et OpenCode, a mesuré ce surcoût directement à l’aide d’un proxy de logging qui a capturé les payloads JSON exacts envoyés à l’API du modèle. L’écart était assez grand pour changer la manière dont quiconque utilisant ces outils à grande échelle devrait envisager les coûts.

Sur une tâche de base au premier tour avec Claude Sonnet 4.5, Claude Code a envoyé environ 32 800 tokens avant que le prompt réel de l’utilisateur ne soit traité. OpenCode a envoyé environ 6 900 tokens pour la même tâche — soit un facteur 4,7. L’écart se réduit à 3,3x sur les modèles plus récents mais ne disparaît pas. Ce surcoût est invisible en usage normal : vous tapez un prompt, recevez une réponse, et ne voyez jamais le payload envoyé en dessous. Mais il est facturé comme tout le reste, et il se cumule de manière significative dès qu’on dépasse les exemples simplistes.

Où vont réellement les tokens

Le surcoût se décompose en trois composantes mesurables. Les prompts système représentent la plus petite part mais restent réels : le prompt système de Claude Code fait 27 344 caractères (environ 6 500 tokens), contre 9 324 caractères (~2 000 tokens) pour OpenCode. Les schémas d’outils constituent le coût le plus lourd — Claude Code embarque 27 définitions d’outils couvrant environ 99 778 caractères (~24 000 tokens), tandis que l’ensemble plus léger d’OpenCode avec 10 outils pèse 20 856 caractères (~4 800 tokens). Le reste est de l’architecture : Claude Code injecte des blocs de rappel, des catalogues d’agents et un cadrage contextuel avant le message réel de l’utilisateur ; OpenCode n’en ajoute aucun par défaut.

Tout cela n’est pas du gaspillage dans le sens d’inutile — plus d’outils et une architecture plus riche signifient généralement que l’agent peut en faire plus sans poser de questions de clarification. C’est un vrai compromis de conception entre capacité par requête et coût par requête, et c’est un compromis que la plupart des utilisateurs ne voient jamais, encore moins qu’ils ne peuvent choisir.

L’écart s’aggrave avec une configuration réaliste

Les chiffres de base sous-estiment ce que coûtent réellement les configurations de production. Ajoutez un fichier d’instructions de projet typique de 72 Ko (le genre de fichier CLAUDE.md ou AGENTS.md que la plupart des bases de code sérieuses maintiennent désormais) et les deux environnements ajoutent environ 20 000 tokens supplémentaires par requête — cette partie est dictée par la configuration, pas par l’environnement, donc elle touche les deux outils de manière égale. Ajoutez cinq serveurs MCP (Model Context Protocol), une configuration courante pour les équipes qui intègrent Slack, Jira, des bases de données ou des API internes, et chaque serveur ajoute entre 4 900 et 6 967 tokens par requête rien que pour annoncer ses outils disponibles.

Empilez tout cela et une configuration de production réaliste atteint 75 000 à 85 000 tokens avant que l’utilisateur n’ait tapé un seul mot de sa requête effective. Sur une fenêtre de contexte de 200 000 tokens, cela représente plus de 40 % de l’espace disponible consommé par l’architecture avant qu’aucun code ne soit écrit ou lu.

Le comportement de cache est là où la véritable divergence de coût se produit

La différence la plus conséquente n’est pas le nombre de tokens de base — c’est ce qui arrive à ce surcoût au fil d’une session. OpenCode maintient un préfixe de requête identique octet par octet entre les tours, ce qui signifie que le prompt caching fonctionne quasiment à l’idéal : les mêmes tokens sont réutilisés depuis le cache tour après tour avec un minimum de réécritures.

L’architecture de Claude Code, en revanche, est réécrite en milieu de session — nouveaux blocs de rappel, contexte mis à jour, état des outils rafraîchi — ce qui force l’invalidation du cache et sa reconstruction répétée. Le volume mesuré d’écritures en cache pour Claude Code allait de 5,9x à 54x celui d’OpenCode, selon le degré de « chauffe » du cache au moment de la mesure. Les écritures en cache ne sont pas gratuites : elles sont facturées à une prime de 1,25x par rapport au taux d’entrée de base pour un TTL standard de 5 minutes. Un environnement qui réécrit constamment son propre cache paie cette prime bien plus souvent qu’un autre.

Les sous-agents multiplient le problème, pas seulement l’ajoutent

Le chiffre le plus frappant de la comparaison concerne la délégation. Une tâche qui coûtait 121 000 tokens cumulés lorsqu’exécutée directement a coûté 513 000 tokens lorsque le même travail a été réparti entre deux sous-agents — une augmentation d’un facteur 4,2 pour ce qui devrait, en principe, être la même quantité totale de travail divisée. Chaque sous-agent rembourse l’intégralité du surcoût de base (prompt système, schémas d’outils, architecture) de manière indépendante ; la délégation ne mutualise pas ce coût, elle le multiplie par le nombre d’agents créés.

Cela a un impact direct sur la manière dont les équipes doivent architecturer les workflows agentiques. Répartir une tâche entre des sous-agents est souvent présenté comme un pur gain de parallélisme — plus d’agents, moins de temps réel. La comptabilité des tokens raconte une autre histoire : c’est un vrai compromis de coût, et pour les tâches petites ou moyennes, la multiplication des surcoûts peut annuler le temps que vous gagnez.

Que faire concrètement avec cela

Fait intéressant, sur les tâches complexes multi-étapes, les environnements convergent : Claude Code a utilisé 121 000 tokens cumulés sur 3 requêtes (agrégation agressive des appels d’outils), tandis qu’OpenCode a utilisé 132 000 tokens sur 9 requêtes sérialisées. Pour un travail réellement complexe, l’écart de surcoût de base importe moins car il est amorti sur davantage de travail réel par requête.

Les enseignements pratiques : auditez la taille de votre fichier CLAUDE.md/AGENTS.md — cette taxe de 20 000 tokens frappe chaque requête, quel que soit l’environnement. Soyez délibéré sur le nombre de serveurs MCP que vous gardez actifs ; chacun représente un coût fixe par requête, que vous l’utilisiez ou non à un tour donné. Et traitez la délégation à des sous-agents comme une décision de coût, pas seulement une décision de vitesse — réservez-la aux tâches suffisamment grandes pour que le multiplicateur de surcoût de 4x vaille la peine d’être payé pour le parallélisme.