Faire tourner un agent IA la nuit sans exploser la facture
Les éditeurs documentent tous des agents lancés par cron. Voici où se pose le plafond qui coupe vraiment, et le poste de dépense qu'il ne couvre pas.
Sur cette page
Laisser une IA travailler toute la nuit ne demande ni équipe technique ni gros budget.
Ça demande trois réglages.
Faits avant de se coucher, ils séparent les entreprises qui paient quelques euros par nuit de celle qui s’est réveillée avec 6 531 $ de facture.
Dans ce guide, vous allez voir :
- Ce que ça coûte vraiment : les chiffres réels de dépense, loin des fantasmes
- Quelles tâches confier à un agent la nuit : celles que les éditeurs documentent eux-mêmes
- Comment le lancer : les trois façons qui existent aujourd’hui
- Où mettre le plafond : les coupe-circuits gratuits, éditeur par éditeur
- Le cas qui a mal tourné : et pourquoi le plafond ne suffisait pas
Ce que ça coûte vraiment
Ramp, qui gère les cartes de paiement de milliers d’entreprises américaines, mesure en juin 2026 11,38 $ par employé et par mois chez l’entreprise médiane, 7 449 $ chez le 1 % le plus dépensier. Un écart de 655 fois.
Le prix au token est le même pour tout le monde : ce sont les machines du haut du classement qui ne s’arrêtent jamais. On a vu dans C’est quoi un token qu’une tâche de bureau coûte quelques centimes ; voici où ça change.
Le chiffre circule faux : SaaStr situe la médiane « près de 100 $ », neuf fois trop haut.
Le travail qui se fait pendant que personne ne regarde
Les usages documentés par les éditeurs sont étroits. La revue de code d’abord : Claude Code Review commente les pull requests, Bugbot chez Cursor tourne à chaque mise à jour, Codex relit chaque PR sans qu’on l’appelle.
Viennent les tests. La documentation de GitHub donne l’exemple : chaque nuit, chercher les tests en échec sur main, corriger, ouvrir une pull request en brouillon.
Les migrations enfin. Anthropic raconte une migration où le modèle a écrit sa suite de tests et l’a passée seul, quatre nuits de suite. Devin annonce le même terrain : JavaScript vers TypeScript, Angular 16 vers 18.
Le reste est du tri interne : les routines Claude décrivent un passage nocturne sur les tickets, qui étiquette, attribue et résume dans Slack avant l’arrivée de l’équipe. Aucun éditeur ne documente d’agent en continu sur du support client final.
Trois façons de lancer la machine
Un agent qui tourne seul a besoin d’un déclencheur : horloge ou événement.
Sur l’horloge, Anthropic distingue les tâches planifiées, qui meurent avec la conversation, et les Routines dans le nuage, qui tournent sans machine allumée ni demande d’autorisation. Cursor accepte une expression cron directement, et l’action GitHub d’Anthropic se déclenche sur n’importe quel événement du dépôt, planification comprise.
Sur l’événement, Codex cloud démarre depuis GitHub, GitLab, Linear ou Slack, et la tâche continue en arrière-plan. Aucune planification horaire n’y est documentée à ce jour.
Ces outils portent des freins d’usine : une routine Claude expire au bout de sept jours, GitHub coupe les workflows planifiés d’un dépôt public inactif 60 jours. Des garde-fous contre l’oubli, pas contre la dépense.
Le plafond qui coupe pour de bon
Le vrai frein est gratuit : chez les éditeurs de modèles, la limite de dépense est un blocage dur, jamais une alerte.
Chez Anthropic, le plafond mensuel dépend du palier : 500 $ en Start, 1 000 $ en Build, 200 000 $ en Scale. Atteint, l’API s’arrête jusqu’au mois suivant, en HTTP 429 avec le code enforced_spend_limit_reached. Les espaces de travail descendent plus bas, jamais au-dessus.
Chez OpenAI, la documentation de production est explicite : les hard spend limits stoppent le trafic au seuil, et se règlent par projet. Devin plafonne en unités de calcul, quota consommé, tout s’arrête. Replit suspend les services jusqu’au cycle suivant : régler la limite à 0,01 $ enferme l’usage dans les crédits déjà payés.
Les outils financiers, eux, préviennent sans couper : Ramp notifie l’équipe avant le dépassement. Le blocage dur reste chez l’éditeur du modèle.
6 531,30 $ en vingt-quatre heures
Le 13 mai 2026, un agent a voulu rejoindre DN42, réseau amateur, pour le scanner. Son opérateur raconte s’être retrouvé avec 6 531,30 $ de facture AWS, au point de demander des dons : « Hello, requesting donation for cover cost of previous AI agent use in dn42. »
L’agent avait choisi seul son infrastructure : cinq instances m8g.12xlarge, 48 processeurs et 192 Gio chacune. Puis il a rejoué le même modèle CloudFormation sur une erreur, empilant machines et répartiteurs de charge à chaque tentative. L’humain a débranché au bout de 24 heures.
Le détail qui compte : pas un dollar de cette facture n’est passé par une API de modèle. Un plafond chez Anthropic ou OpenAI n’aurait rien empêché. Tout était chez le fournisseur de serveurs, où l’agent avait le droit de commander.
Trois réglages avant d’aller dormir
Posez le plafond dur chez l’éditeur du modèle avant de lancer quoi que ce soit : trois clics, et le seul frein qui coupe vraiment.
Regardez ensuite ce que l’agent a le droit d’acheter ailleurs. Si son jeton d’accès peut créer des serveurs ou appeler une API payante, la facture se joue là, et le budget se plafonne dans ces services-là.
Enfin, comptez les agents plutôt que les tokens. Anthropic mesure 13 $ par développeur et par jour actif, moins de 30 $ pour 90 % de ses utilisateurs. Le prix unitaire est petit : l’addition se multiplie par le nombre de machines qui tournent en même temps, sans s’arrêter.
Sources
Ramp, juin 2026, coûts Claude Code, SaaStr.
Usages et déclencheurs : tâches planifiées, routines, action GitHub, revue de code, migration ; automations et Bugbot Cursor ; Codex cloud, Codex sur GitHub ; automations GitHub Copilot ; Devin.
Plafonds : limites Anthropic, espaces de travail, OpenAI, facturation Devin, dépense Replit, suivi des coûts Ramp.
DN42 : blog de Lan Tian, 13 mai 2026.