Les tokens des agents dépassent ceux des humains

Les tokens des agents sont passés de 510 à 7 300 milliards sur OpenRouter depuis février, quand la consommation humaine n’a été multipliée que par 2,8. La plateforme situe la bascule au 6 février, jour où les machines ont probablement dépassé leurs utilisateurs pour la première fois.

Pour résumer

• La consommation agentique a été multipliée par quatorze depuis le 6 février 2026.
• Les humains progressent 2,8 fois sur la même fenêtre, soit cinq fois moins vite.
• Environ 70 % des tokens agentiques viennent de prompts mis en cache, facturés moins cher.

Le 6 février, la bascule est passée inaperçue

Les relevés publics d’OpenRouter montrent une courbe qui se sépare en deux au début de l’année. Les tokens des agents sont passés de 510 milliards à 7 300 milliards depuis le 6 février, une multiplication par quatorze sur une fenêtre de six mois et demi.

Sur exactement la même période, la consommation humaine a progressé de 2,8 fois. L’écart de pente est le vrai signal, davantage que le niveau absolu, parce qu’il indique que les deux usages ne répondent plus aux mêmes moteurs de croissance.

Peter Walker, analyste chez OpenRouter, a résumé la lecture d’une phrase en publiant les classements de consommation de la plateforme : le 6 février 2026 pourrait bien avoir été le dernier jour où les humains ont consommé plus de tokens que les agents.

Le mécanisme derrière ce décrochage tient à la structure d’un enchaînement agentique. Une requête humaine produit une réponse, là où une tâche confiée à un agent déclenche une série d’appels, d’usages d’outils et d’étapes de raisonnement avant de rendre un résultat.

Une précaution s’impose sur le périmètre. Ces relevés couvrent le trafic routé par une seule plateforme d’agrégation, pas l’ensemble du marché de l’inférence, et rien ne garantit que les appels passés en direct aux interfaces des labs suivent exactement la même trajectoire.

S’y ajoute un effet de démultiplication. Les systèmes autonomes lancent eux mêmes d’autres processus, et chacun consomme à son tour. La croissance ne dépend donc plus du nombre d’utilisateurs connectés mais du nombre de tâches déléguées.

Pourquoi la facture ne suit pas la même pente

Le chiffre brut donne une impression trompeuse sur les coûts. Près de 70 % des tokens des agents proviennent de prompts mis en cache, facturés à un tarif nettement réduit par la plupart des fournisseurs.

La raison est mécanique. Un agent qui répète une tâche renvoie à chaque tour le même contexte système, les mêmes instructions et souvent les mêmes documents de référence, ce qui correspond exactement au profil que le cache est censé absorber.

Pour une équipe technique, la conséquence pratique est que le suivi au volume de tokens perd sa valeur d’alerte. Deux charges identiques en volume peuvent produire des factures très éloignées selon leur taux de réutilisation, un piège que les directions informatiques découvrent en fin de mois.

L’optimisation change donc de nature. Réduire la facture ne consiste plus à écrire des prompts plus courts mais à stabiliser le contexte pour qu’il reste cachable d’un appel à l’autre, une discipline que les guides d’économie de tokens décrivent déjà.

L’écart entre les deux lectures nourrit un malentendu public. La courbe brute circule parce qu’elle est spectaculaire, alors que la seule grandeur qui compte pour un directeur technique reste le coût par tâche terminée, une métrique qu’aucun tableau de bord public ne publie aujourd’hui.

Reste que 70 % de cache signifie aussi 30 % de tokens facturés au plein tarif sur un volume multiplié par quatorze. La dépense absolue grimpe, simplement moins vite que la courbe brute ne le laisse croire.

D’autres articles sur Horizon

• Wan 3.0 fabrique trente secondes de vidéo depuis un PDF
• Test V4-Flash-Vision : DeepSeek convainc sur les agents
• Ox Alpha arrive gratuitement et sans éditeur connu

Les fournisseurs d’inférence changent de client

Si la tendance tient, le client type d’un fournisseur d’inférence n’est plus une personne devant une interface mais un programme qui tourne en continu. Les deux profils n’ont ni les mêmes pics, ni les mêmes exigences de latence, ni la même sensibilité au prix.

Un usage humain suit un rythme de bureau, avec des creux nocturnes et des week-ends calmes. Une flotte d’agents lisse la charge sur vingt quatre heures, ce qui améliore le taux d’occupation des parcs de calcul et rend le dimensionnement plus prévisible.

Côté offre, la conséquence attendue porte sur les grilles tarifaires. Un fournisseur dont la majorité du volume arrive en prompts répétés a intérêt à pousser des remises de cache plus agressives pour capter les charges agentiques avant ses concurrents.

Les labs sont exposés différemment selon leur mix. Un modèle qui domine les usages conversationnels grand public capte une croissance de 2,8 fois, quand un modèle bien placé sur le codage agentique capte la courbe à quatorze.

La position d’agrégateur en sort renforcée. Celui qui voit passer les deux types de trafic dispose d’une vue que ni les labs ni leurs clients n’ont, et cette visibilité vaut autant que la marge prise au passage sur chaque appel routé.

La mesure elle même devient un enjeu. Les tokens des agents et les tokens humains n’ont plus la même valeur économique par unité, et les classements qui les additionnent dans une seule colonne masquent désormais deux marchés distincts.

Affaire à suivre sur Horizon.