Chaque fois qu'un agent IA traite une tâche, il relit sa consigne, raisonne, appelle ses outils, vérifie, et rend sa réponse. C'est ce qui le rend si souple. C'est aussi ce qui se paie : à chaque exécution, en temps, en tokens et en euros.
Pour une question ponctuelle, c'est le bon outil. Mais une bonne part du travail dans une entreprise n'est pas ponctuelle. Contrôler les commandes du matin, vérifier une facture, trier une demande : c'est la même tâche, avec les mêmes règles, des centaines de fois par mois. Un agent la refait comme si c'était la première fois. Mille exécutions, mille raisonnements, pour arriver mille fois aux mêmes conclusions.
Nous avons voulu mesurer ce que coûte ce choix, et ce qui se passe si l'on fait autrement.
L'idée : réfléchir une fois, puis exécuter
Chez AgentMaurice, nous appelons cette autre façon de faire l'IA compilée. Elle tient en une phrase : votre assistant conçoit, Maurice compile.
La personne qui connaît la tâche la décrit, avec ses mots, à l'assistant qu'elle utilise déjà. Maurice en fait un outil : un workflow dont les étapes à règles deviennent du code. L'IA réfléchit une fois, au moment de la conception. Ensuite, l'outil s'exécute sans rappeler un modèle, sauf aux étapes qui demandent vraiment un jugement.
Sur le papier, c'est évident. Nous voulions des chiffres.
Le test
Nous avons pris une tâche de PME volontairement banale : contrôler une commande client avant sa préparation. L'entreprise est fictive ; c'est un distributeur de fruits et légumes, Breizh Primeurs. Chaque commande est vérifiée selon dix règles : client connu, adresse, date de livraison, article, quantité et colisage, unité, prix, origine, franco de port, et une remarque libre du client à interpréter. Neuf règles sont exactes ; la dixième demande un jugement sur du texte.
Nous avons généré 1 000 commandes, plus 250 exécutions supplémentaires pour vérifier si les résultats restent identiques d'une fois sur l'autre. Les deux approches ont reçu exactement les mêmes entrées.
- D'un côté, un agent : une boucle d'outils classique sur l'API d'Anthropic, avec les dix règles en consigne et le cache de prompt activé. Nous l'avons fait tourner avec deux modèles, Claude Sonnet 5.5 et Claude Haiku 5.5.
- De l'autre, Maurice : le texte des mêmes règles, précédé d'un court cadrage métier, a été donné en langage naturel. Rédaction comprise, cela a pris environ 9 minutes. Maurice a construit six workflows, déployés sans aucune retouche manuelle. Les neuf règles exactes tournent en code. Pour la remarque libre, Maurice a lui-même choisi de garder un appel à un modèle de jugement.
Les résultats
| Pour 1 000 exécutions | Agent Sonnet 5.5 | Agent Haiku 5.5 | Maurice |
|---|---|---|---|
| Coût d'exécution | 16,22 € | 1,27 € | 0,07 € |
| Durée médiane d'une exécution | 7,1 s | 6,8 s | 1,1 s |
| Erreurs sur les 9 règles exactes (sur 1 250 exécutions) | 3 | 15 | 0 |
| Erreurs sur la règle de jugement (remarque libre, sur 1 250 exécutions) | 0 | 1 | 11 |
| Commandes dont le résultat varie entre deux répétitions | 2 sur 50 | 1 sur 50 | 0 sur 50 |
Trois choses nous ont frappés.
Le coût. Sept centimes pour mille contrôles, contre un peu plus d'un euro avec le modèle le plus économique, et plus de seize euros avec le plus capable. La conception de l'outil a coûté 1,64 $ ; elle est remboursée après 92 exécutions face à l'agent Sonnet, et après environ 1 400 face à l'agent Haiku.
La constance. L'outil compilé ne s'est jamais trompé sur une règle exacte, et il a rendu le même résultat à chaque répétition. Les agents, eux, se sont trompés précisément là où on ne les attendait pas : sur l'unité, le prix ou l'origine, c'est-à-dire sur des règles qu'un programme applique sans hésiter. Les 11 erreurs de Maurice viennent toutes de la seule règle qui demande un jugement : le modèle de jugement qu'il appelle à cette étape a signalé des remarques anodines comme des problèmes. Sur cette règle-là, l'agent Sonnet juge mieux. Un modèle plus capable, sur cette seule étape, réduirait probablement ces erreurs pour un coût un peu plus élevé ; nous ne l'avons pas mesuré.
La leçon tient en deux lignes : pour appliquer une règle, le code fait mieux qu'un agent ; pour juger un texte, il faut un modèle, et Maurice n'en appelle un que là.
La vitesse. Une seconde par contrôle, au lieu de sept. Sur une tâche qu'une équipe attend chaque matin, la différence se voit.
Ce que ce test ne dit pas
Nous préférons le dire nous-mêmes.
- C'est un seul scénario, synthétique. Mille commandes donnent un ordre de grandeur pour cette tâche, pas une loi. Sur une tâche faite surtout de texte libre, l'écart serait plus faible, parce que davantage d'étapes garderaient un appel à un modèle.
- Maurice n'est pas « sans IA ». Dans ce test, chaque exécution garde un appel au modèle de jugement, même pour les commandes sans remarque. Une consigne plus précise l'aurait évité ; nous ne l'avons pas donnée, et nous avons mesuré l'outil tel que Maurice l'a construit.
- C'est un coût d'exécution, pas une facture complète. Si l'on dédie un serveur à ce seul outil, son coût fixe compte : l'outil compilé ne bat alors l'agent Sonnet qu'au-delà d'environ 3 300 exécutions par mois. Sur le poste de la personne qui l'utilise, ce coût fixe disparaît.
- L'agent tourne avec ses réglages par défaut. Un agent optimisé, avec moins de contexte ou un traitement par lots, coûterait moins. Le coût d'un changement de règle n'est pas mesuré non plus.
Et il y a des cas où l'IA compilée n'est pas le bon outil : une question qu'on ne posera qu'une fois, une tâche de rédaction, une recherche ouverte. Là, l'assistant seul fait très bien l'affaire.
Pas contre les agents : derrière eux
Ce test ne dit pas « les agents, c'est fini ». Il dit qu'on leur demande souvent de refaire en boucle un travail qui pourrait être fait une fois.
L'IA compilée ne remplace pas l'assistant de vos équipes, elle se place derrière lui. Maurice s'installe depuis l'assistant ou l'outil qu'on utilise déjà : Claude Code, Codex, Cursor, Grok Bot, Hark… On commence sur un poste, avec une tâche. Quand l'outil est utile, on le partage. Et quand plusieurs personnes s'y mettent, l'entreprise relie le tout et garde la main sur qui utilise quoi.
C'est l'idée que nous défendons depuis le début : la prochaine génération de logiciels d'entreprise ne sera pas conçue pour vos collaborateurs, mais par vos collaborateurs. Ce test ajoute un détail qui compte : elle peut aussi coûter presque rien à faire tourner.
Refaites la mesure
Prenez votre propre tâche répétitive, faites-la tourner avec votre agent, puis compilez-la avec Maurice. Et racontez-nous ce que vous trouvez, surtout si vos chiffres ne ressemblent pas aux nôtres.
Mikael Morvan, fondateur d'AgentMaurice
Compilez votre première tâche
Maurice s’installe depuis l’assistant que vous utilisez déjà.