En bref
Réservez les agents et les modes de recherche approfondie aux tâches qui demandent vraiment de nombreuses étapes, comme explorer un vaste sujet à travers de nombreuses sources, et utilisez un chat ordinaire pour les questions rapides. Les agents appellent un modèle de nombreuses fois par tâche : Anthropic a indiqué que les agents utilisaient environ quatre fois plus de tokens qu'un chat, et les systèmes multi-agents environ quinze fois plus.
Étapes
- Essayez d'abord un chat ordinaire ou une recherche, et n'utilisez un agent que si cela ne suffit pas.
- Donnez à l'agent un objectif clair, un périmètre et un point d'arrêt.
- Indiquez-lui quelles sources ou quels sites utiliser, pour qu'il ne s'égare pas.
- Surveillez la première exécution et arrêtez-la si l'agent commence à se répéter.
- Réutilisez le rapport qu'il produit au lieu de relancer la même recherche.
Les agents sont puissants mais coûteux : briefez-les bien et utilisez-les pour les gros travaux. Un agent d'IA, y compris les modes de « recherche approfondie » (deep research) de nombreux chatbots, planifie, cherche, lit, écrit et vérifie en boucle. Chaque étape est un nouvel appel à un modèle, qui transporte généralement l'historique croissant de la tâche.
Combien les agents consomment-ils de plus ?
Plusieurs fois un chat. Anthropic, en décrivant en 2025 son propre système de recherche multi-agents, a indiqué que les agents utilisaient généralement environ quatre fois plus de tokens que les interactions de chat, et les systèmes multi-agents environ quinze fois plus. Kim, Shin, Chung et Rhu ont constaté que les flux de travail agentiques consommaient nettement plus d'énergie que des réponses uniques, avec des gains de précision décroissants à mesure que davantage de calcul était dépensé.
C'est un échange raisonnable pour une tâche qui vous prendrait des heures. C'est du gaspillage pour quelque chose qu'une seule question suffirait à régler.
Comment bien briefer un agent ?
- Dites à quoi ressemble le résultat attendu : « Un résumé d'une page des cinq études les plus citées depuis 2023. »
- Fixez le périmètre : période, pays, types de sources.
- Indiquez des sources de confiance, si vous en connaissez.
- Demandez un résultat court. Un long rapport coûte plus cher à écrire et à lire.
Erreurs fréquentes
- Utiliser la recherche approfondie pour des questions simples qu'une recherche ou un chat règle en quelques secondes.
- Relancer la même recherche au lieu d'enregistrer et de mettre à jour le premier rapport.
- Laisser continuer un agent bloqué. S'il revient sans cesse sur les mêmes pages, arrêtez-le et reformulez.
Si vous concevez des agents, consultez empêcher les agents d'IA de gaspiller des tokens. Pour la question plus large, lisez l'IA agentique et le gaspillage de tokens.
Sources
- How we built our multi-agent research system, Anthropic (2025)
- The cost of dynamic reasoning: demystifying AI agents and test-time scaling from an AI infrastructure perspective, Kim, Shin, Chung and Rhu, HPCA 2026 (2025)
Voir aussi
Quand faut-il utiliser le mode « réflexion » ou de raisonnement d'une IA ?
Quand un mode de raisonnement ou de « réflexion » d'une IA en vaut la peine, quand un modèle standard suffit, et pourquoi le raisonnement peut consommer bien plus d'énergie.
Comment empêcher les agents d'IA de gaspiller des tokens ?
Des garde-fous pour les agents d'IA : conditions d'arrêt, limites d'étapes et de tokens, détection des boucles, contexte allégé, petits modèles.
L'IA agentique et le gaspillage de tokens
Pourquoi les agents d'IA peuvent consommer bien plus de tokens et d'énergie qu'un chat, comment les boucles les gaspillent, et les garde-fous utiles.