L'AUDIT HEBDO DE VOS AGENTS IA
Comment je me suis fait piéger par mes propres config
Ce matin, j’ai découvert que mes tokens Ollama étaient à 90 %.
Pas à cause d’une grosse session de travail. Pas à cause d’un render en cours. À cause de deux petits cron jobs d’auto-save qui tournaient toutes les 15 minutes, 24 heures sur 24, 7 jours sur 7.
Cron jobs : Des actions planifiées que l’IA exécute à un intervalle que l’on définit ou à l”heure que l’on définit.
Le réveil brutal
Deux jobs auto-save :
“Auto-save Hermes state” — toutes les 15 min
“auto-save-skill-draw” — toutes les 15 min
Résultat : 192 exécutions par jour, soit environ 1 300 sessions LLM par semaine, la plupart du temps pour constater qu’il n’y avait rien à sauvegarder.
C’est un excellent exemple de ce que j’appelle la dette silencieuse de l’IA : des configurations qui coûtent sans produire, parce qu’on les a oubliées.
J’ai désactivé le job skill-draw et repassé l’autre à toutes les 6 heures. Passage de 192 à 4 exécutions par jour. La facture va s’effondrer.
Pourquoi un audit hebdo est nécessaire
Les outils IA s’améliorent vite. Les modèles changent. Les prix changent. Et surtout, nos habitudes restent figées.
On continue d’utiliser un modèle parce qu’il était le meilleur il y a trois mois. On garde un skill parce qu’on l’a configuré une fois. On laisse tourner un cron parce qu’on ne sait plus pourquoi on l’avait créé.
Une fois par semaine, ou toutes les deux semaines, prenez 20 minutes pour faire le point. L’économie en tokens ( et en argent ) est souvent spectaculaire.
Niveau 1 : Vous utilisez l’IA dans un chat (ChatGPT, Claude, Kimi...)
Ouvrez votre projet en cours. Demandez-vous :
Quel modèle suis-je en train d’utiliser ?
Est-il le plus adapté à la tâche ?
Un modèle récent et moins cher ne ferait-il pas aussi bien ?
Exemple concret : si vous utilisez encore Claude Opus 4.7 ou 4.8 pour du code, testez Claude Sonnet 5. Pour beaucoup de tâches agentiques et de coding assisté, il donne des résultats proches à un tarif bien inférieur.
Le coût n’est pas le seul critère. Mais il est souvent le plus facile à optimiser sans perdre en qualité.
Niveau 2 : Vous utilisez des skills et des configurations agentiques
C’est mon cas avec Hermes Agent. J’ai des skills qui spécifient des modèles pour certaines tâches et des contextes qui datent, que je mets à jour.
Questions à se poser :
Les modèles mentionnés dans mes skills sont-ils toujours les meilleurs pour cette tâche ?
Le contexte system prompt est-il à jour ?
Mes sous-agents utilisent-ils le bon modèle au bon moment ?
J’ai par exemple découvert que certains skills pointaient encore vers des modèles coûteux alors que des versions plus récentes et plus efficaces existaient. Mettre à jour une ligne dans un fichier de configuration peut diviser par deux le coût d’une tâche récurrente.
Niveau 3 : Vous travaillez avec des agents autonomes (Hermes, OpenClaw, Paperclip, orchestrateurs...)
C’est le niveau le plus risqué en termes de consommation. Un agent autonome qui tourne en arrière-plan peut vider un budget en quelques heures sans que vous le voyiez.
Questions à se poser :
Quels agents tournent actuellement ?
Quels modèles utilisent-ils par défaut ?
Quel a été leur résultat concret cette semaine ?
Méritent-ils encore leur place dans ma stack ?
Avec Hermes, j’ai des cron jobs, des processus en arrière-plan, des serveurs de preview. Sans surveillance, ils consomment des tokens et des ressources invisibles.
Mon protocole d’audit en 3 questions
Pour chaque outil IA actif, je me demande :
Qu’est-ce que cela m’a apporté cette semaine ?
Si la réponse est floue, c’est un candidat à la suppression.
Quel modèle utilise-t-il ?
Est-ce le meilleur ratio qualité/prix pour la tâche ?
Puis-je le rendre plus silencieux ?
Moins de logs, moins d’auto-save, moins de notifications inutiles.
Ce que j’ai changé aujourd’hui
Suppression du cron “auto-save-skill-draw”
Passage du cron “Auto-save Hermes state” de 15 min à 6 heures
Vérification des modèles dans mes skills
Nettoyage des processus de preview inactifs
Résultat estimé : -98 % d’exécutions d’auto-save. Et une conscience aiguë du fait que l’IA économique ne se fait pas qu’en choisissant le bon modèle, mais aussi en éliminant le bruit.
---
À retenir
L’IA abordable n’est pas seulement une question de prix au million de tokens. C’est une question d’hygiène numérique. Une purge hebdomadaire de vos configurations, modèles et agents inactifs peut vous faire économiser plus qu’un changement de fournisseur.
Prenez le temps. Vos tokens et votre portefeuille vous remercieront.