Idée principale
Deux flux traversent un skill et ils n'ont pas le même tarif. Ce qu'on donne à lire au modèle — fichiers, bases, instructions — se compte à l'unité. Ce qu'il produit — analyses rédigées, fiches, récapitulatifs — se compte environ cinq fois plus cher.
Un skill qui lit 100 000 tokens et en génère 20 000 ne dépense donc pas 120 000 unités mais 200 000 : la moitié de sa consommation tient aux 20 000 qu'il a écrits. L'audit de competitor_analyze montre le même renversement à l'échelle réelle — 206 000 tokens lus contre 38 000 générés, et pourtant la génération pèse près de la moitié des 478 000 unités du total.
Le volume brut de tokens et le coût ne classent donc pas les étapes dans le même ordre.
Pourquoi c'est important
Cela change l'ordre des soupçons quand on cherche où part un quota : on regarde d'abord ce que l'agent rédige, avant ce qu'on lui donne à lire. Une étape de génération courte peut coûter plus qu'une lecture massive.
Cela rend aussi comparables des opérations de natures différentes — ouvrir des fichiers, écrire un rapport, appeler un script — dans une seule unité.
Nuances et limites
Le rapport de cinq est une moyenne tarifaire, exacte pour certains modèles à une date donnée. Les grilles bougent, et un contrat particulier peut en avoir une autre.
Et la pondération ne dit rien de la latence : l'étape la plus chère n'est pas nécessairement celle qui fait attendre.
Questions ouvertes
- Comment pondérer une entrée dont une partie est mise en cache et facturée moins cher que le reste ?