Les agents d’IA consommeraient désormais plus de tokens que les utilisateurs humains sur OpenRouter, marquant un basculement dans la manière dont la demande d’inférence des modèles est générée et monétisée. Ce changement est important, car les systèmes d’IA produisent de plus en plus du travail pour d’autres systèmes d’IA, au lieu de servir uniquement des requêtes humaines directes.

Selon un article de The Decoder, citant l’analyste d’OpenRouter Peter Walker, le 6 février 2026 pourrait avoir été le dernier jour sur la plateforme où les humains consommaient plus de tokens que les agents. L’usage de tokens par les agents a été multiplié par 14 depuis lors, tandis que l’usage humain a été multiplié par 2,8.

Ces chiffres pointent vers une classe de charges de travail en expansion rapide dans laquelle un modèle en appelle un autre, fonctionne plus longtemps ou lance des processus d’IA supplémentaires. Ils ne signifient toutefois pas que les dépenses d’inférence ont augmenté dans les mêmes proportions. Une grande partie de l’usage mesuré consiste en contexte répété servi depuis des prompts mis en cache, moins coûteux.

Ce que montrent les chiffres d’OpenRouter

Le point de données central est une comparaison entre la consommation de tokens par usage piloté par des humains et par usage piloté par des agents sur OpenRouter. The Decoder a rapporté que les agents avaient dépassé les humains en consommation totale de tokens après le 6 février, sur la base de l’analyse de Walker. Le rapport ne fournit ni le graphique sous-jacent, ni les totaux absolus de tokens, ni une définition détaillée de la manière dont OpenRouter classe le trafic agentique.

Les taux de croissance rapportés restent néanmoins importants. Une hausse de 14x de l’usage agentique contre une croissance de 2,8x de l’usage humain suggère que les workflows autonomes ou semi-autonomes se développent plus vite que les interactions classiques de chatbot sur la plateforme.

Le résultat doit être lu comme un signal de plateforme, et non comme une mesure complète du marché de l’IA. Le trafic d’OpenRouter serait fortement orienté vers les modèles open-weight, que The Decoder dit généralement moins efficaces en tokens que les modèles d’OpenAI ou d’Anthropic. Les utilisateurs de ces modèles peuvent donc générer davantage de tokens pour des tâches comparables, ce qui rend le mix de la plateforme différent de celui des fournisseurs de modèles fermés.

La croissance des tokens n’est pas la même chose que la croissance des coûts

Près de 70 % de la consommation de tokens des agents proviendrait de prompts mis en cache. Le cache permet de facturer des instructions ou du contexte répétés à des tarifs nettement inférieurs à ceux d’une entrée nouvellement traitée, si bien que le volume brut de tokens peut augmenter beaucoup plus vite que les coûts réels d’inférence.

Cette distinction est importante pour les équipes produit qui planifient des déploiements d’agents. Un workflow qui semble coûteux lorsqu’on le mesure uniquement en tokens peut avoir une facture gérable si la majeure partie de son contexte est réutilisée efficacement. À l’inverse, les équipes qui considèrent le cache comme une garantie pourraient être exposées à des coûts plus élevés lorsque les prompts changent fréquemment, que les taux de cache hit diminuent ou que les agents génèrent de grandes quantités de nouvelles sorties.

Les données mettent aussi en évidence un problème de mesure. Les comptages de tokens indiquent combien de contexte du modèle est traité, mais pas nécessairement quelle quantité de travail utile est réellement accomplie. Un agent qui revient sans cesse sur les mêmes instructions ou appelle plusieurs modèles avant d’aboutir à une réponse peut générer une consommation importante sans amélioration proportionnelle de la qualité.

Pourquoi les agents tirent la demande

Les workflows d’agents consomment généralement plus de tokens que les conversations en un seul tour, car ils conservent l’état, inspectent les résultats intermédiaires, appellent des outils et révisent les plans. Ils peuvent aussi déléguer des sous-tâches à des instances de modèle distinctes. Chaque étape peut ajouter du contexte, des sorties d’outils, des traces de raisonnement ou des instructions à la requête suivante.

The Decoder a relié l’augmentation au fait que des agents travaillent de manière autonome pendant de plus longues périodes et déclenchent des processus d’IA supplémentaires. Ce comportement est cohérent avec un mouvement plus large allant des interfaces de chat vers des systèmes qui exécutent des tâches multi-étapes, même si les éléments disponibles n’établissent pas quelles applications ou quels secteurs précis expliquent la croissance d’OpenRouter.

Le rapport place aussi cette tendance aux côtés de l’essor des modèles de raisonnement. Ces systèmes peuvent utiliser davantage de traitement interne avant de fournir une réponse, augmentant la consommation de tokens même lorsque la demande de l’utilisateur est courte. The Decoder a qualifié cela de source d’« inflation des tokens », mais les éléments disponibles ne montrent pas quelle part de la croissance des agents sur OpenRouter provient des modèles de raisonnement par rapport à une orchestration de plus longue durée.

Implications pour les concepteurs et les acheteurs d’entreprise

Pour les concepteurs d’IA, la leçon immédiate est que le seul choix du modèle ne déterminera pas les coûts d’exploitation. L’architecture des agents devient tout aussi importante. Les équipes devront surveiller les taux de cache hit, la taille du contexte, la fréquence des appels d’outils, le comportement de retry et le nombre d’appels au modèle nécessaires par tâche achevée.

La fiabilité est un autre sujet de préoccupation. Les agents à exécution longue créent davantage d’occasions pour qu’une hypothèse erronée, un appel d’outil échoué ou une boucle inutile se multiplient. Un système bon marché par requête peut malgré tout devenir coûteux lorsqu’il fonctionne sans limites strictes. Les budgets, les délais d’exécution, les étapes d’approbation et des conditions d’arrêt claires compteront probablement autant que la qualité du prompt.

Les acheteurs d’entreprise devraient demander aux fournisseurs des indicateurs au niveau des workflows plutôt que des prix de modèles mis en avant. Parmi les questions utiles : combien d’appels un agent effectue-t-il par tâche, quelle part du trafic bénéficie du cache, comment l’usage est-il mesuré entre agents délégués, et les clients peuvent-ils imposer des limites de dépenses ou d’exécution ?

L’implication de marché est également notable. Si l’IA génère de plus en plus de demande pour l’IA, les fournisseurs de modèles vendent peut-être non seulement à des utilisateurs humains, mais aussi à des systèmes logiciels qui consomment continuellement de l’inférence. Cela pourrait soutenir des volumes d’usage élevés, tout en augmentant la pression sur les fournisseurs pour améliorer le cache, l’orchestration, la latence et la transparence des prix.

Ce qu’il faut surveiller ensuite

Le premier signal à surveiller est de savoir si d’autres grandes plateformes de modèles signalent un basculement similaire entre usage humain et usage des agents. Le trafic d’OpenRouter, fortement orienté vers les modèles open-weight, constitue une preuve utile, mais pas une référence définitive à l’échelle du marché.

Ensuite, les concepteurs devraient rechercher des données de coûts plus complètes. Le chiffre de 70 % de prompts mis en cache explique pourquoi la croissance des tokens peut surestimer les dépenses, mais il ne révèle ni le chiffre d’affaires total, ni le coût moyen par tâche, ni la part de la sortie non mise en cache. Ces mesures montreraient si les agents étendent réellement l’inférence payante ou s’ils augmentent surtout le traitement de contexte à faible coût.

Troisièmement, les affirmations d’adoption devraient être confrontées à l’achèvement des tâches et à la rétention. La hausse des tokens peut refléter un travail autonome productif, un prompting inefficace, ou les deux. Des preuves sur les taux de réussite des tâches, l’intervention humaine et l’usage répété seraient plus parlantes que le volume seul.

Enfin, la réaction des fournisseurs de modèles comptera. Des améliorations du cache de contexte, des modèles spécialisés plus petits et un raisonnement plus efficace pourraient réduire le coût de la croissance des agents. Dans le même temps, les fournisseurs pourraient introduire des tarifs et des contrôles conçus spécifiquement pour la demande de logiciel à logiciel.

Perspective Creati.ai

Les chiffres rapportés par OpenRouter traduisent un changement important dans l’économie de l’IA : l’utilisateur à la croissance la plus rapide d’un modèle peut être un autre modèle. Mais les éléments restent un signal propre à une plateforme, fondé sur des commentaires d’analystes, et non un recensement indépendamment vérifié de l’activité des agents à l’échelle du secteur.

Pour les équipes qui déploient des agents IA, la priorité pratique est de mesurer le travail utile par dollar, et pas seulement les tokens. La croissance des agents peut élargir le marché adressable de l’inférence, mais un déploiement durable dépendra du contrôle des boucles, de la démonstration de la fiabilité des tâches et de la compréhension du moment où le cache réduit réellement le coût de l’exécution autonome.