.jpg?w=1024)
Les agents IA n’utilisent pas Internet comme les humains — et leur appétit pour les ressources informatiques commence à se faire sentir.
Selon une analyse récente d’Andreessen Horowitz fondée sur les données d’OpenRouter, les charges de travail autonomes de l’IA consomment environ cinq fois plus de tokens de LLM que les usages pilotés par des humains. Une grande partie de cette consommation concerne des entrées mises en cache, dont le coût peut être nettement inférieur à celui du retraitement répété du même contexte depuis zéro.
Ces chiffres donnent un aperçu d’un Internet de plus en plus utilisé non seulement par les humains, mais aussi par des logiciels capables d’appeler continuellement des modèles, d’accéder à des services et d’accomplir des tâches de manière autonome.
Cette évolution commence également à influencer la manière dont les infrastructures Internet sont conçues. En mai 2025, Coinbase a présenté x402, un protocole de paiement fondé sur le code d’état HTTP 402 « Payment Required », longtemps resté inutilisé, et conçu notamment pour permettre aux agents IA de payer automatiquement des services numériques.
Ce que disent les données
Andreessen Horowitz a fondé son analyse sur des données d’OpenRouter, un service qui achemine des requêtes de LLM à travers des centaines de modèles.
Les chiffres indiquent que les charges de travail pilotées par des agents consomment environ cinq fois plus de tokens que les usages pilotés par des humains. Cette différence s’explique par le fonctionnement des agents : au lieu d’envoyer une seule requête et d’attendre une réponse, les systèmes autonomes peuvent appeler les modèles à répétition pour planifier leurs actions, utiliser des outils, évaluer les résultats et poursuivre leur travail vers un objectif.
Cependant, le volume brut de tokens ne se traduit pas directement par une hausse équivalente des coûts. Selon les données citées par a16z, environ 85 % de l’utilisation concerne des entrées mises en cache.
À titre de comparaison, le dernier modèle de pointe d’OpenAI, GPT-5.6 Sol, coûte actuellement 4,00 dollars US par million de tokens d’entrée pour une fenêtre de contexte standard, et seulement 0,40 dollar US pour les entrées mises en cache. Cette réduction de 90 % des coûts rend l’utilisation agentique à haute fréquence plus facilement extensible.
La tendance concernant l’utilisation des agents apparaît parallèlement à une évolution plus générale des investissements technologiques. L’analyse d’A16z souligne également l’intérêt croissant des investisseurs pour l’IA, l’énergie nucléaire, l’espace, la défense et les infrastructures, l’IA représentant une large part des investissements thématiques actuels.
Ces flux de capitaux illustrent à quel point l’essor de l’IA est désormais lié aux infrastructures physiques nécessaires pour répondre à la hausse de la demande en puissance de calcul.
Par ailleurs, l’IA représente environ 50 % des investissements thématiques actuels. Ces investissements massifs dans l’IA peuvent expliquer l’expansion considérable des centres de données et la croissance qui en découle de l’utilisation des LLM.
Autre détail intéressant : OpenRouter — l’entreprise dont les données sont utilisées par a16z — a été récemment rachetée par le géant des paiements Stripe pour un montant annoncé de 7,5 milliards de dollars US.
La valeur stratégique croissante d’OpenRouter illustre également l’expansion de la couche d’infrastructure entourant les agents IA. Stripe aurait racheté l’entreprise d’acheminement de modèles pour 7,5 milliards de dollars US, ajoutant à son portefeuille une activité située directement entre les applications, les agents et les modèles qu’ils appellent.
Les enseignements pour les entreprises
Les données d’a16z suggèrent que les entreprises devront peut-être repenser leur manière de mesurer la consommation d’IA à mesure que les agents autonomes se généraliseront.
Un salarié humain peut envoyer une poignée de requêtes au cours d’une tâche. Un agent IA peut effectuer des appels répétés à des modèles pendant qu’il planifie, récupère des informations, invoque des outils et évalue ses propres progrès. La consommation de tokens peut donc augmenter rapidement, même si le nombre de salariés utilisant l’IA reste inchangé.
La mise en cache peut réduire ces coûts, mais les organisations qui utilisent des systèmes agentiques devront tout de même assurer la visibilité sur l’utilisation des tokens, les appels aux modèles et les flux de travail de longue durée. Les contrôles budgétaires conçus autour de sessions individuelles de chatbot ne s’appliquent pas nécessairement facilement à des logiciels autonomes capables de fonctionner en continu.
L’évolution la plus importante est que les entreprises pourraient de plus en plus concevoir leurs produits pour deux types d’utilisateurs : les humains qui interagissent directement avec les logiciels et les agents IA qui interagissent avec des services en leur nom.
Autres actualités : Google envisagerait un accord de plus de 1,5 milliard de dollars US pour la technologie et les talents de Mechanize, alors qu’il intensifie ses efforts dans le domaine du codage autonome par l’IA.