Cloudflare a rendu ses revues de code par IA moins coûteuses et plus rapides en supprimant du travail inutile et en ajustant ses modèles. L'entreprise a pourtant retenu un effort d'analyse plus élevé pour la qualité du code, parce que ses résultats justifiaient le surcoût.
Environ deux centimes de dollar supplémentaires par revue : c'est le prix que Cloudflare a choisi de payer pour que l'un de ses agents IA examine plus attentivement la qualité du code. L'entreprise cherchait pourtant à réduire sa facture. Mais ce petit supplément produisait davantage de signalements suivis de modifications par les développeurs.
Ce choix n'a pas empêché l'économie globale. Dans son bilan publié le 19 octobre 2026, le fournisseur d'infrastructures Internet annonce un coût moyen passé de 2,43 à 0,77 dollar par revue, soit environ 68% de moins par rapport à ses deux semaines les plus coûteuses. Le réglage plus exigeant est déjà compris dans le montant final.
Pour une entreprise qui paie ses agents à l'usage, ce résultat déplace la question. Avant de chercher un modèle moins cher, il vaut la peine de regarder ce qu'on lui fait faire, refaire et vérifier. Cloudflare en donne un exemple très concret.
Des agents payés pour essayer une action interdite
Avant qu'une modification informatique soit adoptée, plusieurs agents spécialisés l'examinent : l'un s'intéresse à la qualité du code, d'autres à ses performances ou à sa sécurité. Ces logiciels peuvent consulter des fichiers et enchaîner des actions pour mener leur analyse.
Or certains avaient accès à la description d'un outil qu'ils n'avaient pas le droit d'utiliser : celui qui publie le commentaire final. Ils essayaient de s'en servir, recevaient un refus, puis devaient reprendre leur travail. Retirer cet outil de leur champ d'action a supprimé un détour facturé. À l'autre bout du processus, une fois la revue publiée, le modèle était encore sollicité pour rédiger un résumé que personne ne voyait. Cloudflare a également supprimé ce dernier tour.
Ces corrections éclairent un point souvent moins visible que le prix affiché d'un modèle : une automatisation peut payer du travail dont son utilisateur ne reçoit aucun bénéfice. Quand un assistant consulte un document, tente une action ou prépare une nouvelle réponse, l'ensemble de ces étapes peut alourdir le traitement. La bonne configuration commence donc aussi par les outils qu'on lui laisse utiliser et par le moment où l'on considère sa mission terminée.
Ne plus recommencer le même dossier à chaque demande
Le gaspillage se cachait également dans la préparation. Les agents de Cloudflare recevaient des consignes communes, mais celles-ci étaient regroupées avec des informations variables, comme le projet examiné et la date. Ce mélange empêchait de réutiliser efficacement les calculs déjà réalisés sur la partie commune.
Cloudflare a séparé ces éléments. Les consignes stables pouvaient alors être préparées une fois, puis réutilisées pour d'autres revues grâce au cache. Le principe décrit dans la documentation d'Anthropic consiste à conserver le calcul correspondant au début identique d'une requête. L'ordre compte : le dossier commun précède ce qui change à chaque demande.
Imaginez un assistant chargé de répondre à des clients à partir des mêmes conditions de vente. La partie répétée est ce cadre de travail, pas la question du client. Réutiliser sa préparation ne revient donc pas à ressortir une ancienne réponse : l'assistant doit toujours traiter la nouvelle demande. Les lectures du cache restent facturées, mais cette organisation évite de recommencer le même calcul.
L'intérêt ne se limite pas à la dépense. Avec l'ensemble de ses changements, Cloudflare a ramené la durée médiane d'une revue de 4 minutes 09 à 1 minute 32. L'enjeu pour le développeur est concret : attendre moins longtemps le retour de cette vérification avant de poursuivre.
Le réglage le plus économique n'est pas le même pour chaque tâche
Reste une autre façon de réduire la facture : demander au modèle un effort de raisonnement moins élevé. Ici, on touche à l'examen lui-même. Une baisse du nombre d'alertes peut signifier que l'agent cesse de signaler des détails sans intérêt, ou qu'il ne repère plus certains problèmes importants.
Pour savoir ce qui disparaissait, Cloudflare a regardé les modifications apportées au code après les alertes et fait évaluer des échantillons de signalements, à l'aveugle, par d'autres modèles IA. C'est cette comparaison qui a justifié les deux centimes supplémentaires : sur la qualité du code, le réglage à effort élevé conservait un nombre comparable de détections jugées importantes, avec moins de remarques mineures et d'alertes dont la gravité était exagérée. À effort moyen, le nombre de signalements suivis de modifications était nettement inférieur.
Pour la performance, qui cherche notamment ce qui pourrait ralentir un logiciel, le passage à un nouveau modèle réglé sur un effort moyen s'accompagne d'environ 64% de détections jugées importantes en moins par revue que la configuration précédente. Pour la sécurité, les données restent trop incertaines pour trancher. L'évaluation interne repose sur de petits groupes d'alertes et, pour la configuration finale, sur une seule journée.
L'enseignement pratique est de régler l'agent sur ce qu'il doit réussir, plutôt que d'appliquer partout le niveau le moins cher. Pour notre assistant de service client, cela demanderait de comparer des réponses à des demandes courantes, mais aussi à des cas délicats : une réponse rapide devient-elle un brouillon à reprendre longuement, ou évite-t-elle réellement du travail au salarié qui la valide ?
C'est à cette échelle que l'économie prend son sens. Supprimer une action inutile réduit la dépense sans retirer une vérification attendue. Réduire l'effort d'analyse exige, lui, de regarder le résultat obtenu. Les deux centimes conservés par Cloudflare rappellent qu'une bonne optimisation laisse parfois une petite ligne de coût en place, parce qu'elle rend le reste du travail plus utile.