Optimisation des coûts de Codex en pratique : comment économiser des tokens sans perdre le cap

Même tâche, mais la quota disparaît plusieurs fois plus vite que prévu. Un long thread relit le contexte toute la journée. multi_agent est activé par défaut. AGENTS.md fait plusieurs milliers de lignes. Même les petites tâches tournent avec le modèle le plus cher. Si vous voulez savoir où part l’argent et comment le réduire systématiquement, voici la lecture claire.

1. Où va l’argent: comment fonctionne la facturation

Le coût de Codex vient de quatre sources: relire le contexte, faire durer les sessions, lancer des sous-tâches parallèles et utiliser des niveaux de raisonnement élevés. Le mécanisme de base est la facturation token/credit: chaque bloc de input, cached input et output consomme le crédit correspondant. Les différents types de tokens ont des tarifs différents. cached input coûte moins cher que le input normal, et c’est la base de l’économie via le prompt cache. Les tarifs exacts doivent être lus dans la rate card officielle.

Codex ne fonctionne pas avec une simple limite mensuelle mais avec une fenêtre glissante. Quand la fenêtre est pleine, le rate limit s’active. Les plans Plus et Pro disposent de rate-limit reset banking, et la fenêtre se réinitialise après sa période. Les API keys sont facturées séparément au token et ne dépendent pas du quota du plan Codex.

Pour voir l’usage, utilisez /status pour l’état du thread courant, ou ouvrez le usage dashboard dans les paramètres Codex pour l’usage global de l’équipe.

La relecture du contexte est la source de coût la plus facile à oublier. À chaque tâche, Codex relit AGENTS.md, la documentation du projet et l’historique du thread. Si AGENTS.md fait plusieurs milliers de lignes, que la documentation est énorme et qu’un thread tourne pendant des dizaines de tours, chaque relecture ajoute des tokens. Les longues sessions sont cumulatives: plus le thread est long et plus il lit, plus cela coûte. Avec multi_agent, chaque agent actif consomme son propre quota, donc le coût augmente avec le parallélisme. Les modèles plus puissants comme GPT-5.5/5.4 coûtent plus cher que GPT-5.4 mini, et les niveaux de raisonnement Low/Medium/High/Extra High influencent également la facture.

Voici la comparaison entre économies et compromis:

Mesure d’économie	Effet attendu	Compromis
Choisir un modèle moins cher	Réduit la consommation de 30-60%	Raisonnement plus faible; moins bon sur les tâches complexes
Nettoyer le contexte à temps	Réduit la consommation de 20-40%	Plus de nouveaux threads; historique perdu
Raccourcir AGENTS.md	Réduit la consommation de 10-20%	Plus de découpage documentaire; maintenance plus lourde
Utiliser le prompt cache	Réduit la consommation de 15-30%	Le contexte doit rester stable
Réduire multi_agent	Réduit la consommation de 20-50%	Moins de parallélisme; exécution plus lente

Économiser n’est pas être pingre. Un modèle moins cher peut réduire la facture de 30-60%, mais les tâches complexes peuvent en souffrir. Nettoyer le contexte à temps peut économiser 20-40%, mais il faut ouvrir plus souvent de nouveaux threads. Raccourcir AGENTS.md peut économiser 10-20%, mais demande une meilleure structure documentaire. Le vrai critère, c’est la tâche. Ne sacrifiez pas la capacité centrale pour une petite économie.

Suivi de l’usage

Dans la ligne de commande, /status permet de voir l’état du thread, y compris la taille du contexte et le quota consommé. Dans le usage dashboard des paramètres Codex, on voit la consommation de l’équipe et l’état de la fenêtre de quota. Tenez un suivi régulier pour comparer l’effet réel des mesures d’économie.

2. Niveaux de modèle et de raisonnement: ne prenez pas toujours le plus cher

Le choix du modèle a un impact direct sur le coût. Codex propose quatre niveaux de raisonnement: Low, Medium, High et Extra High. Low est rapide et étroit, idéal pour les tâches simples. Medium et High conviennent aux tâches plus complexes ou au debugging. Extra High est destiné aux longues tâches agentic. Côté modèles, GPT-5.5 et GPT-5.4 sont les frontier, tandis que GPT-5.4 mini est la version légère; 5.3-Codex et 5.2 sont déjà obsolètes.

La règle de base est simple: frontier pour réfléchir, mini pour le travail routinier. Choisissez le niveau de raisonnement selon la difficulté réelle. N’utilisez pas systématiquement la configuration la plus chère. Garder le niveau maximum par défaut brûle le quota, sans forcément améliorer les petites tâches.

La répartition est la suivante:

Type de tâche	Niveau de raisonnement recommandé	Scénario typique
Recherche simple, conversion de format	Low	Mise en forme de documents, petits correctifs
Refactor, développement de fonctionnalité	Medium	Refactor d’un fichier, intégration API
Debugging, logique complexe	High	Bugs sur plusieurs fichiers, tuning de performance
Longues tâches agentic	Extra High	Automatisation multi-étapes, développement exploratoire

Pour les requêtes simples et les conversions de format, utilisez Low + mini. Pour les refactors et le développement de fonctionnalités, utilisez Medium + mini ou Medium + GPT-5.4. Pour le debugging et la logique complexe, utilisez High + GPT-5.4/5.5. Pour les longues tâches agentic, utilisez Extra High + GPT-5.5. Choisissez selon la difficulté réelle, pas selon le confort.

FAQ: comment choisir un modèle moins cher?

Pour les tâches de réflexion, prenez les modèles frontier (GPT-5.5/5.4); pour les petites tâches, mini (GPT-5.4 mini). Le niveau de raisonnement doit suivre la difficulté. Recherche simple: Low. Debugging complexe: High. Longue tâche agentic: Extra High.

3. Gestion des sessions: ne laissez pas un thread tourner toute la journée

Une longue session peut tourner toute la journée en relisant le contexte encore et encore. Les tokens partent vite. Codex relit le thread à chaque exécution, et plus le thread est long et plus il lit, plus le coût augmente. La solution est simple: garder les sessions courtes. Un thread, une tâche.

Concrètement: AGENTS.md fait plusieurs milliers de lignes, la documentation projet est énorme, et les allers-retours se répètent des dizaines de fois. Une seule relecture peut coûter quelques tokens, mais des dizaines de tours finissent en dizaines de milliers. Plus le thread s’allonge, plus Codex risque de se tromper, et plus le résultat se dégrade.

Commande	But	Quand l’utiliser
/compact	Compresser le contexte initial	Quand un thread devient long (Codex le fait aussi automatiquement)
/clear	Effacer le thread courant	Quand la tâche est terminée
/resume	Reprendre un thread précédent	Quand il faut continuer une tâche passée
/fork	Créer une branche	Quand une exploration en branches est nécessaire
/agent	Passer à un agent parallèle	Quand multi_agent est nécessaire
/status	Vérifier l’état du thread	Quand on veut surveiller l’usage

Bonnes pratiques de session

Quand une tâche est finie, utilisez /clear immédiatement ou ouvrez un nouveau thread pour éviter l’accumulation de contexte. Dans les longues sessions, utilisez /compact pour compresser la partie initiale et économiser des tokens. N’utilisez /resume que si vous devez vraiment continuer la tâche précédente. Ne mélangez pas correction de bug, ajout de fonctionnalité, refactor et déploiement dans un seul thread. Le contexte devient confus et les tokens sont gaspillés. Pour des branches d’exploration, utilisez /fork, mais souvenez-vous que chaque branche consomme son propre quota.

FAQ: comment gérer les longues sessions?

Quand la tâche est terminée, utilisez /clear ou ouvrez un nouveau thread. En cours de longue session, utilisez /compact. Un thread, une tâche.

4. AGENTS.md raccourci: éviter la limite des 32 KiB

AGENTS.md grossit vite et prend du contexte. Il peut aussi être tronqué. project_doc_max_bytes est fixé par défaut à 32 KiB. Dès qu’AGENTS.md atteint cette limite, l’ajout s’arrête et le contenu est coupé. Une troncature fait perdre des instructions et gaspille du contexte.

Comment estimer la taille d’AGENTS.md:

Taille de AGENTS.md	Impact	Solution
< 16 KiB	Aucun effet notable; faible coût de contexte	Le garder tel quel
16-32 KiB	Charge moyenne; à surveiller	Séparer ce qui n’est pas essentiel
> 32 KiB	Risque de troncature; certaines instructions disparaissent	Décomposer en dossiers imbriqués

Étapes pour raccourcir AGENTS.md

Gardez un seul AGENTS.md léger et stable sous 32 KiB, et n’y mettez que les instructions centrales et les règles communes. Si vous dépassez cette limite, déplacez les règles supplémentaires dans des dossiers imbriqués comme docs/.agents, et gardez les détails dans des fichiers .md dédiés à la tâche. Utilisez l’override par proximité pour que le AGENTS.md local dans un sous-dossier prenne le dessus.

Pour un guide plus détaillé, voyez AGENTS.md Best Practices.

---

5. Prompt Cache: rendre le contexte stable moins cher

cached input coûte moins cher que input normal, et c’est la raison principale d’utiliser le prompt cache. Si le contexte reste stable, Codex peut le facturer au tarif cached input. Gardez AGENTS.md et la documentation projet stables pour que le cache joue pleinement.

Le mécanisme est simple: Codex stocke les blocs de contexte stables comme AGENTS.md et la documentation projet. Au prochain passage, ils sont facturés en cached input. Si vous les modifiez souvent, le cache saute et vous retombez sur la tarification input normale. Un bon taux de cache peut réduire le coût d’une exécution de 15-30%.

La règle pratique: garder AGENTS.md court et stable, mettre les règles durables à un endroit fixe, et déplacer le contenu volatile dans un dossier temporaire ou une doc spécifique à la tâche. N’empilez pas tout dans le prompt.

Coûts et bénéfices du cache:

Levier de cache	Effet attendu	Compromis
AGENTS.md stable	Taux de cached input plus élevé	Demande une préparation; moins de changements
Documentation projet stable	Moins de tokens relus	Le cache saute si la doc change
Éviter les modifications fréquentes	Taux de hit plus stable	Moins de flexibilité

FAQ: comment le prompt cache économise-t-il de l’argent?

Gardez AGENTS.md et la documentation projet stables pour profiter de cached input. cached input coûte moins cher que input normal, et la différence exacte est définie dans la rate card officielle.

6. Parallélisme et plan mode: ne les activez que si nécessaire

multi-agent v2 est facturé par exécution active. Chaque agent actif consomme du quota, donc le parallélisme coûte plus cher qu’un agent seul. Pour l’instant, multi_agent reste expérimental; la bonne attitude par défaut est donc la retenue. Activez-le seulement si vous en avez vraiment besoin.

Le calcul est simple: un agent exécute une tâche et consomme X. Si multi_agent lance trois agents en parallèle, chaque agent actif consomme X et le total devient 3X. Plus il y a d’agents, plus cela coûte. En plus, chaque agent relit le contexte, raisonne et produit une sortie, ce qui s’additionne.

Mode de parallélisme	Effet sur le coût	Scénario typique
Agent unique	Coût de base	Une tâche, exécution séquentielle
multi_agent (parallélisme léger)	+20-30%	Exploration parallèle nécessaire
multi_agent (parallélisme fort)	+50-100%	Longues tâches agentic

multi_agent a du sens quand la tâche demande vraiment une exploration parallèle, par exemple modifier plusieurs fichiers en même temps, synchroniser plusieurs documents ou lancer des workflows agentic longs comme les tests automatisés, le déploiement et le monitoring. Pour un bugfix ponctuel, un refactor pas à pas ou un travail individuel avec budget serré, ce n’est pas l’option idéale. Pour mieux comprendre le coût du parallélisme, voyez Codex Multi-Agent in Practice.

La règle pour multi_agent est simple: off par défaut, on seulement quand il le faut. Gardez peu d’agents actifs et réduisez le parallélisme si le coût grimpe trop vite.

FAQ: le parallélisme multi-agent est-il coûteux?

Oui. multi-agent v2 facture par exécution active, donc chaque agent actif consomme du quota. Laissez-le désactivé par défaut.

---

7. Arbitrage du plan mode: à ne pas surutiliser pour les tâches simples

Le plan mode ajoute une étape de planification, donc des tokens supplémentaires. Pour les tâches complexes, cette étape peut éviter du rework. Pour les tâches simples, c’est souvent un coût inutile. Si la tâche est claire, exécutez directement.

Relation entre complexité et plan mode:

Complexité de la tâche	Utiliser plan mode ?	Impact coût
Simple (une étape, claire)	Non	Coût de base
Moyenne (plusieurs étapes, besoin de validation)	Oui	Une ronde de planification en plus, mais moins de rework
Complexe (longue chaîne agentic)	Oui	Une ronde de planification en plus, mais évite un rework plus coûteux

La règle: plan mode pour les tâches complexes, exécution directe pour les simples. C’est l’approche prudente. La décision réelle dépend de la tâche.

FAQ: le plan mode coûte-t-il plus cher?

Oui, il ajoute une ronde de tokens. N’utilisez pas le plan mode pour les tâches simples; gardez-le pour les tâches complexes afin d’éviter le rework.

8. Monitoring et budget: on ne peut pas économiser ce qu’on ne voit pas

Pour savoir si les économies fonctionnent, il faut de la visibilité. Codex donne deux points d’entrée: le usage dashboard et /status. Le usage dashboard se trouve dans les paramètres Codex et montre l’usage global de l’équipe ainsi que l’état de la fenêtre de quota. /status dans la console montre la taille du contexte et le quota consommé par le thread courant.

Étapes de suivi de l’usage

Ouvrez le usage dashboard dans les paramètres Codex pour voir l’usage de l’équipe. Utilisez /status pour inspecter le thread courant. Pour les budgets, on peut utiliser une fourchette issue de la communauté: Plus autour de $20/mois, Pro autour de $200/mois, Business autour de $25-30 par personne et par mois, et les expériences réelles d’équipe autour de $100-200 par personne et par mois (référence seulement, pas officiel). Ces chiffres sont à considérer comme valables en 2026-06; pour les décisions, suivez la tarification officielle.

FAQ: combien par mois environ?

Plus autour de $20/mois, Pro autour de $200/mois. En pratique, on voit souvent une expérience d’équipe autour de $100-200 par personne et par mois. Le vrai chiffre est dans le usage dashboard.

9. FAQ

Q1: Où part l’argent de Codex ?

Dans la relecture du contexte, les longues sessions, le parallélisme multi-agent et les niveaux de raisonnement élevés. Voir la section 1.

Q2: Comment choisir un modèle moins cher ?

Frontier pour réfléchir (GPT-5.5/5.4), mini pour le simple (GPT-5.4 mini). Choisir le niveau de raisonnement selon la difficulté. Voir la section 2.

Q3: Comment gérer les longues sessions ?

Utiliser /clear quand la tâche est finie, ou /compact dans un thread long. Un thread, une tâche. Voir la section 3.

Q4: Comment le prompt cache aide-t-il à économiser ?

Stabiliser AGENTS.md et la documentation projet pour profiter de cached input. cached input coûte moins cher que input normal. Voir la section 5.

Q5: AGENTS.md trop gros est-il un problème ?

Oui, au-delà de 32 KiB il peut être tronqué et il consomme aussi du contexte. Garder le fichier principal léger et déplacer le surplus dans des dossiers imbriqués. Voir la section 4.

Q6: Le parallélisme multi-agent est-il coûteux ?

Oui, car la facturation se fait par exécution active. Le laisser désactivé par défaut. Voir la section 6.

Q7: Le plan mode coûte-t-il plus cher ?

Oui, il ajoute une ronde de tokens. Ne pas l’utiliser pour les tâches simples. Voir la section 7.

Q8: Combien environ par mois ?

Plus autour de $20/mois, Pro autour de $200/mois. Pour les équipes, on parle souvent de $100-200 par personne et par mois. Voir la section 8.

10. Prochaines étapes et lectures complémentaires

Si vous voulez un guide sur les approbations et les erreurs fréquentes, lisez Codex Sandbox and Permission Boundaries. Si vous voulez aller plus loin sur les agents parallèles, lisez Codex Multi-Agent in Practice.