Un agent peut être disponible toute la journée et ne travailler que par moments. Pour l’utilisateur, c’est pratique : il retrouve son contexte, ses fichiers et son travail. Pour l’équipe qui paie l’infrastructure, une autre question arrive vite. Que réserve-t-on pendant qu’il attend ?

Dans une analyse publiée le 16 novembre, Google examine ce problème pour les sessions d’agents de développement sur Kubernetes. Son modèle compare notamment des sessions gardant leurs ressources et des environnements suspendus entre deux sollicitations. C’est une analyse de fournisseur, avec ses hypothèses, pas une mesure des économies de votre équipe.

Le coût des agents IA ne s’arrête pas aux appels du modèle

Une équipe peut suivre très précisément les tokens et laisser de côté la capacité réservée autour de l’agent : exécution des outils, espace de travail, stockage et services nécessaires au fonctionnement. Le montant payé au modèle ne décrit donc pas à lui seul le coût du dispositif.

La distinction utile porte sur la session et son environnement d’exécution. La première représente la continuité du travail et des échanges. Le second mobilise les ressources qui permettent d’effectuer les actions. Maintenir cette continuité ne signifie pas nécessairement conserver la même capacité de calcul en permanence. Mais la dissocier demande de savoir ce qu’il faut sauvegarder, puis restaurer.

Les fichiers, les processus en cours et les connexions ouvertes ne sont pas interchangeables. Une reprise qui retrouve le dossier mais perd un processus important n’est pas équivalente à une session restée active. Avant de discuter du prix, il faut définir ce qu’un utilisateur doit réellement retrouver.

Un exemple de capacité réservée, pas une prévision de facture

Prenons un cas entièrement fictif : 10 sessions disposent chacune d’une capacité réservée de 1 vCPU pendant 8 heures. Cela représente 80 vCPU-heures de capacité réservée. Si chacune n’exécute du travail que pendant 40 minutes, la durée d’activité cumulée, rapportée à cette même capacité, représente environ 6,7 vCPU-heures.

L’écart rend le temps d’attente visible. Il ne démontre pas qu’on peut supprimer la différence de sa facture. Il faut encore absorber les pointes, conserver une réserve, gérer le stockage, payer les composants permanents et tenir compte de la tarification réelle. Des tâches peuvent aussi attendre simultanément, puis repartir ensemble. La moyenne de la journée ne dimensionne pas cette pointe.

Cet exemple est un calcul pédagogique, sans prix ni benchmark réel. Son intérêt est de séparer deux choses qu’on confond facilement : avoir peu d’activité et pouvoir libérer effectivement des ressources facturées.

Trois façons de traiter l’attente

Les compromis à tester avant une migration
ApprocheCe qu’il faut examinerRisque à mesurer
Garder l’environnement actifCapacité réservée et possibilité de la partager sans dégrader le service.Payer une longue disponibilité pour peu de travail.
Arrêter puis reconstruireÉtat conservé hors du processus et procédure de redémarrage.Perte de continuité ou délai de reprise trop long.
Suspendre puis restaurerÉtat réellement capturé, coût des composants permanents et capacité de reprise.Complexité supérieure au gain obtenu à cette échelle.

Ce tableau est une grille de décision proposée par Onyx, pas une comparaison de produits testés. Une petite équipe peut avoir intérêt à conserver une architecture simple. Une flotte importante et très intermittente peut justifier une étude plus poussée. Le nombre de sessions ouvertes, tout seul, ne tranche pas.

L’analyse de Google montre aussi que les comparaisons changent lorsque les garanties CPU et le partage des ressources changent. Il faut comparer un niveau de service équivalent. Une solution moins chère parce que les tâches ralentissent davantage répond peut-être au besoin ; encore faut-il présenter cet arbitrage clairement.

Mesurer une semaine avant de déplacer toute la flotte

Pour une équipe de développement qui envisage une infrastructure partagée, commencez par un relevé exploitable : sessions ouvertes, tâches actives simultanément, durée des périodes sans travail et délai de reprise acceptable. Examinez les heures les plus chargées en plus de la moyenne.

Ajoutez les échecs : une reprise qui duplique une action ou perd un travail peut coûter plus cher que l’attente économisée. Un pilote réduit permet de vérifier la continuité, les reprises après erreur et le comportement lorsque plusieurs utilisateurs reviennent ensemble. Les accès méritent aussi leur propre contrôle, comme nous l’expliquons dans notre article sur les permissions des agents IA.

La mesure utile peut être le coût par tâche terminée et vérifiée, accompagné du délai de réponse et du taux d’échec. Elle inclut le modèle, l’infrastructure et l’exploitation dans un périmètre annoncé. Une baisse de la ligne « calcul » qui augmente les interventions humaines mérite d’être examinée dans son ensemble.

Avant de demander combien d’agents le cluster peut héberger, demandez ce qui doit rester disponible entre deux tâches. Cette réponse dira ce qu’on peut mettre en pause. Les relevés diront ensuite si cela vaut la peine.