Si t’es arrivé ici depuis ma vidéo sur Opus 4.8, c’est probablement que cette phrase t’a accroché : je ne travaille jamais avec un seul modèle. Et c’est exactement le sujet ici — comment je fais collaborer plusieurs IA pour ne pas exploser ma conso de tokens.
📌 En bref
L’IA agentique brûle des tokens à une vitesse folle : un agent qui boucle, lit des fichiers et lance des sous-tâches consomme dix fois ce que tu crois.
Ma parade : un mode hybride où chaque tâche tourne sur le modèle le moins cher capable de la faire bien. Le gros modèle orchestre, les petits exécutent. Résultat : ~80 % de mes tokens passent par des modèles légers.
Le vrai problème : l’agentique, c’est un gouffre à tokens
Quand tu discutes avec une IA dans une fenêtre de chat, tu envoies un message, elle répond. Une question, une réponse. La conso est lisible, presque rassurante.
L’IA agentique, c’est une autre planète. Tu donnes un objectif, et l’agent boucle tout seul : il lit des fichiers, lance des commandes, analyse les résultats, recommence, se corrige. Chaque tour réinjecte tout le contexte précédent. Un seul « fais-moi ça » peut déclencher quarante allers-retours.
Et c’est là que la facture dérape. Sur un plan à quota, tu tapes le mur en pleine session. Sur du paiement à l’usage, tu découvres la note à la fin du mois. Dans les deux cas, le coupable est le même : tu fais tourner des tâches triviales sur ton modèle le plus cher.
L’erreur que j’ai faite au début : tout sur le modèle le plus fort
Mon premier réflexe a été le plus naïf : « je prends le meilleur modèle pour tout ». Logique en apparence — pourquoi se priver de la meilleure intelligence ?
Sauf que lister des fichiers, résumer un log ou trier des idées ne demande aucune intelligence de génie. Payer le tarif premium pour ça, c’est comme prendre un taxi pour aller chercher le pain à 50 mètres. Ça marche, mais tu te ruines pour rien — et tu épuises ton quota sur des broutilles au lieu de le garder pour les vrais problèmes.
Ma règle : quel modèle IA pour quelle tâche
Aujourd’hui, je raisonne par niveau d’effort réellement nécessaire, pas par « quel est le meilleur modèle ». Concrètement, je classe chaque tâche dans une de trois catégories, et chacune a son modèle attitré.
| Nature de la tâche | Modèle | Pourquoi |
|---|---|---|
| Lookup, tri, résumé, transformation mécanique | Le plus léger / rapide | Aucune intelligence stratégique requise, juste de l’exécution. 15× moins cher. |
| Rédaction standard, refacto simple, recherche | Le modèle « milieu de gamme » | Bon rapport qualité/prix, suffisant pour 80 % du travail courant. |
| Architecture, arbitrage, débogage complexe, décision sensible | Le modèle le plus puissant | Là, et seulement là, je paie le premium. C’est rentable. |
Cette grille n’a rien de figé : en cas de doute, je monte d’un cran. Mieux vaut payer un peu plus que de relancer trois fois une tâche qu’un petit modèle a ratée — au final, le « pas cher » mal choisi coûte plus cher.
Le vrai secret : laisser le gros modèle déléguer
La vraie bascule, ce n’est pas juste de choisir un modèle par discussion. C’est l’orchestration. Mon modèle principal — le plus intelligent — reste dans la boucle, mais il ne fait pas le sale boulot lui-même : il le délègue à des sous-agents qui tournent sur des modèles plus légers.
« Le cerveau réfléchit et décide. Les bras exécutent. Tu ne paies pas le cerveau pour visser des boulons. »
En pratique : quand j’attaque un gros chantier, le modèle principal découpe le problème, puis envoie chaque sous-tâche atomique au modèle adapté — un agent léger pour aller fouiller le code, un agent milieu de gamme pour rédiger un brouillon. Lui ne garde que l’orchestration et la synthèse finale.
Mon objectif chiffré : environ 80 % des tokens consommés via des sous-agents légers, 20 % seulement sur le modèle principal. La boucle « premium » reste courte et rentable.
Les garde-fous : quand je ne downgrade jamais
Économiser, oui, mais pas n’importe comment. Il y a des tâches où je refuse de descendre en gamme, parce que l’erreur coûterait plus cher que les tokens économisés :
- Du contenu publié (un article, une page qui porte ma marque) — pas de modèle au rabais.
- Un email sortant ou un message qui part chez un client/prospect — irréversible une fois envoyé.
- Toute action qu’on ne peut pas annuler (suppression, déploiement, décision stratégique).
La logique : plus une tâche est irréversible ou visible, plus je remonte en gamme. Le coût d’un token est ridicule comparé au coût d’une bêtise publiée.
Ce que ça change concrètement
Depuis que je bosse comme ça, deux choses ont changé. Un : je ne tape plus le plafond de mon quota en milieu de journée — la conso est étalée sur des modèles légers. Deux : je peux me permettre d’être généreux là où ça compte, sur les tâches complexes, parce que j’ai économisé partout ailleurs.
C’est ça, le mode hybride : pas « le moins cher partout », mais « le juste niveau, tâche par tâche ». Et c’est exactement pour ça qu’une sortie comme Opus 4.8 ne change pas ma façon de faire : même quand un modèle redevient le plus puissant du marché, je continue à alterner.
Pour aller plus loin
[Liens internes à ajouter selon l’arborescence du site — ex. articles « mes outils IA », « comment je structure mes agents », la vidéo Opus 4.8 en embed]
FAQ
Alterner les modèles, ça ne complique pas tout ?
Au début un peu, le temps de poser ta grille. Mais une fois la règle « tâche → modèle » écrite, ça devient un réflexe. Et la plupart des outils agentiques permettent de fixer un modèle par agent, donc c’est paramétré une fois pour toutes.
On économise vraiment beaucoup ?
Oui, parce que l’écart de prix entre un petit modèle et un gros se compte souvent en ordre de grandeur. Déplacer 80 % du volume vers les modèles légers, c’est mécaniquement une grosse baisse de conso — sans perte de qualité sur ce qui compte.
Quel modèle pour quelle tâche, concrètement ?
Modèle léger pour le lookup, le tri et les transformations mécaniques. Milieu de gamme pour la rédaction et la recherche courante. Modèle premium réservé à l’architecture, l’arbitrage et les décisions irréversibles. En cas de doute, monte d’un cran.