Asana divise par 76 le coût de son agent GPT-6.1 Sol

Contexte

Selon une étude de cas client publiée par OpenAI, l'éditeur de logiciels de gestion de projet Asana a reconstruit son agent de navigateur avec les modèles de la série GPT-6 dans Codex. Lors des tests, l'agent a coûté 76 fois moins cher et s'est exécuté 5 fois plus vite. Asana explique que cette baisse du coût et de la latence lui permet de proposer à ses clients des modèles plus performants, sans craindre que la facture de chaque tâche ne s'envole.

Une réserve s'impose d'emblée. Ces chiffres proviennent d'un environnement de test, pas de statistiques publiques portant sur l'ensemble de la production. La source ne donne aucun détail sur le jeu de tâches, la référence de comparaison ou le mode de facturation. Il faut donc lire le facteur 76 comme un signal d'orientation, pas comme un coefficient valable pour tous les agents de navigateur.

Pourquoi un agent de navigateur coûte-t-il si cher à exploiter ? Un tel agent clique, saisit du texte, fait défiler et lit des pages. À chaque étape, il transmet en général l'état de la page au modèle, qui choisit l'action suivante. Cet état peut être une structure de document ou une capture d'écran, et les deux sont volumineux. Une tâche demande souvent plusieurs dizaines d'étapes, et le contexte d'entrée s'accumule au fil du travail. Le coût ne croît donc pas de façon linéaire : il est amplifié par le nombre d'étapes.

Analyse approfondie

Trois formes de gaspillage sont courantes dans ce type de conception. D'abord, chaque étape peut renvoyer une grande quantité de contenu de page sans rapport avec la tâche. Ensuite, le modèle peut multiplier les essais là où un raccourci existe. Enfin, l'agent peut manquer de mécanisme de reprise après une erreur et devoir tout recommencer depuis le début. Une baisse de 76 fois s'explique mal par un seul facteur. La lecture la plus plausible est celle d'améliorations cumulées. La source ne les détaille pas : il s'agit d'une inférence. Un modèle qui comprend mieux les pages peut choisir la bonne action du premier coup, ce qui réduit le nombre d'étapes. Un prix plus bas par appel y contribue aussi. Côté ingénierie, un élagage et une mise en cache du contexte allégeraient l'entrée à chaque étape.

Dans cette histoire, Codex joue un rôle précis. Il aide l'équipe d'ingénierie à réécrire et à itérer plus vite la logique d'exécution, les scripts de test et le processus d'évaluation. La mise à niveau du modèle et l'industrialisation du code ont donc avancé en parallèle. Ensemble, elles peuvent produire un gain de cette ampleur. Comment Asana a-t-elle divisé par 76 le coût de son agent de navigateur ? Selon la source, Asana a reconstruit l'agent avec les modèles de la série GPT-6 dans Codex, et a mesuré en test un coût 76 fois plus bas et une exécution 5 fois plus rapide. Le texte ne précise pas la part due au modèle ni celle due aux changements d'ingénierie. Le gain de vitesse d'un facteur 5 a la même double lecture. Moins d'étapes et un raisonnement plus rapide à chaque étape raccourcissent tous deux l'attente. Or le temps d'attente est l'indicateur d'expérience qui décide si un agent quitte la démonstration pour entrer dans l'usage quotidien.

Impact sur l'industrie

Ce cas touche l'obstacle le plus concret à l'adoption des agents en entreprise : l'économie unitaire. De nombreuses équipes voient un prototype fonctionner très bien, puis constatent qu'à grande échelle chaque tâche coûte plus cher que le travail humain qu'elle remplace. Le projet reste alors à l'arrêt. Si le coût tombe à une fraction de son niveau antérieur, le même budget couvre bien plus de tâches. Il peut aussi financer un modèle plus puissant. C'est ce qu'Asana entend par proposer à ses clients des modèles plus performants.

Pour un éditeur de logiciels collaboratifs comme Asana, l'agent cesse d'être une option à peine rentable. Il peut devenir une capacité par défaut dans les flux quotidiens : tri des tâches, saisie entre systèmes, synchronisation des statuts. Les concurrents ressentent la pression. Notion, Atlassian et Monday.com intègrent eux aussi des agents dans leurs flux de travail. Celui qui réduira le premier le coût par tâche prendra l'avantage sur les prix et sur la couverture fonctionnelle.

Pour le fournisseur de modèles, le cas est aussi un message commercial net. OpenAI laisse un client parler de coût et de vitesse réels, et pas seulement de scores de référence. Cela s'accorde avec sa volonté de présenter Codex comme la porte d'entrée de l'ingénierie. Les jeunes entreprises indépendantes d'automatisation de navigateur et les projets open source subissent une comparaison plus rude. Quand le modèle et l'environnement de développement d'un grand acteur descendent sans cesse sur la courbe des coûts, un produit qui se contente d'encapsuler des appels de modèle voit son avantage se réduire.

Perspectives

Quatre signaux méritent l'attention. Premièrement, Asana publiera-t-elle une méthode d'évaluation plus complète ? Elle devrait couvrir le taux de réussite des tâches, la reprise après échec et les résultats selon les sites et la complexité des pages. Une baisse de coût n'a de valeur que si la qualité tient. Sans taux de réussite, la conclusion reste incomplète. Deuxièmement, l'économie atteindra-t-elle les clients ? Elle pourrait prendre la forme de prix plus bas, de quotas d'usage plus élevés ou d'un accès à des modèles plus puissants. Si le gain ne parvient jamais aux utilisateurs, la portée de ce cas pour l'industrie s'amenuise. Troisièmement, d'autres entreprises publieront-elles des données du même ordre ? Si plusieurs sociétés reproduisent des baisses de plusieurs dizaines de fois dans des contextes différents, le gain vient d'un progrès général des modèles et des outils. Si seuls quelques cas apparaissent, une optimisation ciblée de tâches précises est plus probable.

Quatrièmement, la sécurité et les droits d'accès ne disparaissent pas avec la baisse du coût. Un agent de navigateur peut agir à la place de l'utilisateur sur des systèmes réels. À mesure que l'usage croît, les risques d'actions erronées, d'accès non autorisés et d'injection de prompt croissent aussi. Les entreprises doivent bâtir au même rythme des mécanismes d'audit, de confirmation et de retour arrière. En somme, ce cas montre un déplacement du centre de la concurrence entre agents. La question passe de « quel modèle est le plus intelligent » à « qui accomplit des tâches réelles de façon fiable, à moindre coût et en moins de temps ». Au cours des deux prochains trimestres, davantage d'entreprises pourraient partager leurs propres chiffres, et la comparaison deviendra alors lisible.