Voici TokenEconomizer : le plugin de Microsoft qui réduit jusqu'à 30,9 % les coûts des agents de code
Des chercheurs de Microsoft Research et de l'université UC Berkeley ont publié TokenEconomizer, un contrôleur de coûts open source pour les agents de code. Ce plugin apprend des sessions précédentes menées dans un dépôt afin de réduire le gaspillage lors des suivantes. Il fonctionne avec Claude Code, Codex, GitHub Copilot CLI et Pi, sans toucher ni aux poids du modèle ni au code de l'agent. Distribué sous forme de paquet Python utilisant uniquement la bibliothèque standard (Python 3.10 minimum, sans GPU ni clé d'API propre), il repose sur trois mécanismes activables séparément. Sur 277 tâches SWE-Bench, il abaisse le coût moyen de 18,4 % à 30,9 % selon cinq configurations agent-modèle, et se montre moins cher dans les 30 combinaisons dépôt-configuration testées. Le meilleur résultat, une baisse de 30,9 %, est obtenu avec Claude Code et Opus 4.8 (33,2 % en combinaison avec RTK), mais au prix d'un recul d'un point du Pass@1, de 74,0 à 73,0. Les coûts mesurés incluent tous les appels du contrôleur, sur trois essais par configuration. Le Pass@1 progresse dans quatre configurations sur cinq, par exemple de 75,0 à 77,6 avec Copilot CLI et Sonnet 5, où l'économie est de 18,4 %.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
Ces chiffres comptent parce que le coût des agents de code devient un poste budgétaire majeur pour les équipes qui les déploient. Chaque tour facture à nouveau le prompt système, tous les schémas d'outils chargés et l'historique complet. En profilant 60 tâches SWE-Bench sur six dépôts avec Claude Code et Opus 4.8, les chercheurs ont identifié trois sources de gaspillage. Une fois cinq tâches passées, 30 % des appels d'outils répètent une action antérieure. Sur 23 schémas d'outils chargés à chaque tour, 16 ne sont jamais appelés et trois couvrent 98 % des usages. Enfin, dix exécutions en échec, soit 17 % des tâches, absorbent 32 % des dépenses totales. Réduire l'effort de raisonnement économise aussi de l'argent, mais coûte entre 1,8 et 10,3 points de Pass@1, ce que TokenEconomizer évite. Les stratégies fixes comme RTK, Serena ou RepoMap d'Aider ne sont pas fiables : toutes font baisser la facture sur Django et la font monter sur SymPy, RTK seul l'augmentant dans 12 des 30 cellules et RepoMap dans 15.
Le système traite l'agent comme une boîte noire et conserve un état par dépôt, construit à partir des traces des tâches terminées. Les micro-compétences sont des faits d'une ligne, comme la commande de test fonctionnelle, proposés par un LLM et vérifiés par des détecteurs à expressions régulières. Un fait n'entre dans le prompt qu'après trois confirmations sur des tâches modifiant des fichiers distincts, et une contradiction en vaut cinq. L'élagage des outils masque ceux qui restent inutilisés pendant trois tâches consécutives et rétablit le catalogue complet toutes les cinq tâches ; sur Django avec Claude Code, la première requête de la tâche 2 passe de 43 351 à 16 295 tokens. L'intervention sur les boucles d'échec fixe un budget de tours égal à 1,25 fois le 90e centile des exécutions réussies, puis un juge LLM décide si l'agent est bloqué, avec une redirection puis un arrêt si la boucle persiste. Isolément, l'élagage économise 13,2 % à 17,7 %, les micro-compétences 11,8 % à 14,3 % et le garde-fou 5,4 % à 7,1 %. Les gains s'accumulent : la plupart des dépôts coûtent plus cher au départ, mais tous deviennent moins chers dès la sixième tâche. Les résultats tiennent hors SWE-Bench, avec 16,0 % à 21,2 % de baisse sur Web-Bench et 16,5 % à 19,6 % sur CredData, mais seulement 6,4 % à 9,3 % sur ReposVul, dont les exécutions plus courtes laissent moins à retrancher.
Pas d'impact direct sur la France/UE