Copilot : La fête est finie

9 recommandations pour économiser vos tokens

Alban Lorillard · GitHub Copilot · LLM · Productivité

Contexte — Pourquoi ça change tout ?

GitHub Copilot passe à la facturation à l'usage, au token consommé, dès juin.
Les modèles deviennent plus performants, mais aussi plus coûteux.
L'ère de l'expérimentation sans limite est terminée.
Économiser des tokens, c'est aussi moins d'hallucinations, plus d'efficacité et une empreinte énergétique réduite.

Chaque token compte. Littéralement.

Les Tokens

Comprendre la mécanique pour mieux économiser

Qu'est-ce qu'un token ?

Le token est la plus petite unité linguistique analysée par l'IA.
Un mot représente souvent 1 à 2 tokens ; un caractère spécial ou un signe de ponctuation vaut souvent 1 token.
Un même prompt ne produit pas le même nombre de tokens selon le modèle.
Exemple : un même prompt peut coûter 19 tokens sur GPT-5, 35 sur Opus 4.7 et 22 sur Sonnet 4.6.

Plus un modèle est performant, plus il consomme de tokens.

platform.openai.com/tokenizer · claudetokenizer.com · Comparaison des modèles Anthropic

Coûts : Inputs vs Outputs

Les tokens de sortie sont bien plus chers que les tokens d'entrée.

Claude Sonnet 4.6 : 3 $ / million input et 15 $ / million output.
Claude Opus 4.7 : 5 $ / million input et 25 $ / million output.

Conséquence : privilégier des prompts plus concis et limiter la taille des outputs lorsque le modèle facture beaucoup les outputs.

Les tokens d'entrée (Input)

Dans mon cas, on voit dans l'illustration que Copilot CLI démarre avec 70 000 tokens de contexte avant la première question.

docs.github.com — Copilot CLI context management

À chaque échange, tout le contexte repart

Fenêtre de contexte — remplissage progressif

L'IA n'a aucune mémoire — prompt, historique, fichiers ouverts, logs CLI : tout est renvoyé à chaque requête. La fenêtre se remplit vite.

Les tokens de sortie (Output)

Les tokens de réflexion ne sont pas réinjectés dans l'historique de conversation des inputs tokens. Le choix du variant peut cependant grossir la facturation pour un même modèle.

Prompt Caching — OpenAI vs Anthropic

Tant que le début de votre prompt reste identique, cette portion peut être servie depuis un cache à tarif très réduit.

🟢 OpenAI — automatique

Aucune activation requise, sans surcoût d'écriture.
Cache hit : −90 % sur les input tokens, −80 % de latence.
TTL : 5–10 min (jusqu'à 1 h en off-peak, 24 h sur GPT-5+).
✅ Les modèles OpenAI dans Copilot CLI / OpenCode en bénéficient par défaut.

🔶 Anthropic — explicite

Activation via cache_control dans l'API (ou "automatic caching" récent).
Écriture facturée ×1,25 — lecture à −90 %.
Les outils CLI sont peu transparents sur l'activation du cache Anthropic.

💡 Structurez toujours : contenu statique en premier (system prompt, instructions, contexte), variable à la fin.

OpenAI — Prompt Caching · Anthropic — Prompt Caching

9 Recommandations

Des actions concrètes pour réduire votre consommation de tokens

Optimiser les outputs CLI

Recommandation 01

RTK et Snip s'intercalent entre vos commandes CLI et votre agent pour réduire immédiatement les sorties inutiles.

rtk ls produit une sortie plus compacte que ls, tout en restant compréhensible.
Ajoutez une instruction globale pour que l'agent utilise les commandes RTK à la place des commandes shell classiques.
Snip applique le même principe en Go, comme alternative plus discrète.

Astuce : créez aussi des scripts npm optimisés pour l'IA dans package.json.

github.com/rtk-ai/rtk

Une instruction globale bien calibrée

Recommandation 02

Un coût fixe par requête — mais un gain sur 100+ sessions.

Fichier :
~/.copilot/copilot-instructions.md

Chargé à chaque prompt → tokens d'entrée fixes, mais réduit les allers-retours et les tokens de sortie.


Style & Langue
- Français. Direct, concis, sans fioriture ni emoji.
Planification & Scope
- Tâche complexe (>2 fichiers, archi, module) : plan via /plan + validation avant action.
- Respect du scope : signale les problèmes connexes sans corriger.
Git & Sécurité (Validation explicite)
- Git : Pas d'auto-commit ni push.
- Interdit : Déploiement (Terraform, Lambda, infra), API prod, suppression, irréversible.
Décisions & Blocages
- Ambiguïté technique : ne choisis pas, expose les options.
- Échec : Stop après 2 tentatives. Explique : blocage, état actuel, essais réalisés.

Instructions locales et spécifiques

Recommandation 02

Chargées uniquement lors de l'ouverture de l'outil dans le dossier projet.
Fichiers : .github/copilot-instructions.md ou .clauderules.
Elles sont toutes injectées dans le prompt système.
Risque : Surcharge inutile du prompt système.

Règle d'or : Restez extrêmement concis. Ne gardez que le strict nécessaire pour le projet spécifique.

Impact contextuel :

Des règles locales trop longues consomment des tokens d'entrée à chaque tour de la conversation, réduisant la place disponible pour le code et le raisonnement.

Désactiver les instructions inutilisées

Recommandation 02

Copilot CLI affiche les instructions chargées via /instructions.
Elles varient selon le dossier courant.
Désactivez celles hors du scope de la tâche (ex : front si vous codez du back).
Relancez avec /new : le contexte "System/tools" diminuera.

Limitation : OpenCode et le plugin Copilot VSCode ne disposent pas de cette fonctionnalité.

Désactiver les instructions dans Copilot CLI

Compresser les outputs (Caveman)

Recommandation 03

Caveman est une skill installable dans n'importe quel outil IA pour condenser les réponses sans perdre l'essentiel.

Modes : lite, full et ultra.
Gain estimé : environ 75% de tokens en moins sur les sorties.

~75%

de tokens économisés en sortie

Attention : le mode ultra réduit fortement le volume, mais augmente la charge cognitive côté humain.

github.com/JuliusBrussee/caveman

Les bons modèles pour les bonnes tâches

Recommandation 04

Tâches simples

Claude Haiku 4.5 / GPT-5.4 mini / Gemini 3 Flash

Questions rapides, Q&A, debug ponctuel, reformulation.

Développement courant

Claude Sonnet 4.6 / GPT-5.4 / GPT-5.x-Codex

Le meilleur équilibre entre qualité, vitesse et coût pour coder au quotidien.

Planification complexe

Claude Opus 4.6

Utilisez-le pour cadrer le plan, puis déléguez l'exécution à Sonnet.

Biais de rétroaction : corriger = nouveau contexte = nouveaux tokens. ↓ Voir les méthodes

Méthodologie Architecte / Développeur

Recommandation 04

Contre-intuitif mais efficace : utiliser le modèle le plus puissant pour planifier, puis un modèle plus léger pour exécuter.

Architecte — Claude Opus 4.6

Analyse le code, produit un plan précis et détaillé.

Développeur — Claude Sonnet 4.6 / GPT-5.4

Exécute le plan étape par étape, au moindre coût.

Biais de rétroaction

Un modèle sous-performant produit du code à corriger.

Chaque correction :

Augmente le contexte en entrée
Génère de nouveaux tokens de sortie
Crée un effet boule de neige sur la facture

Mieux vaut payer plus cher le plan que corriger indéfiniment l'exécution.

Socratic Prompting

Recommandation 04

Demandez à l'IA de vous interroger avant d'agir plutôt que de foncer tête baissée.

Comment ça marche ?

Dites à l'IA : "Pose-moi les questions nécessaires pour bien comprendre le besoin avant de proposer quoi que ce soit."
L'IA identifie les zones d'ombre et les hypothèses implicites.
Vous répondez → le plan est bien mieux cadré.

Résultat : moins de corrections, moins de tokens, moins de tokens de réflexion perdus sur des mauvaises pistes.

Exemple d'une skill de type Socratic Prompting pour réaliser un plan.

Mode auto & modèles légers

Recommandation 04

Mode auto (Copilot)

Attention : Auto ne choisit pas le meilleur modèle pour votre demande.

Il sert surtout à répartir la charge sur les serveurs Microsoft.
Objectif : réduire la latence et éviter les rate-limits.
Pour une tâche importante, précisez le modèle vous-même.

Abuser des modèles légers

Maintenez un onglet dédié aux questions simples :

Claude Haiku 4.5 / GPT-5.4 mini / Gemini 3 Flash
Q&A généraux, reformulation, explication de concept
Aucun contexte projet → très peu de tokens

Ex : un onglet OpenCode permanent sur Gemini Flash (Low) pour tout ce qui n'est pas du code.

docs.github.com — Sélection automatique de modèle

Calibrer les variants (Low / Medium / High)

Recommandation 05

Low

Tâches simples

Formatage, renommage, corrections triviales

×1

tokens sortie (référence)

Medium

Développement courant

Bon équilibre dans la plupart des cas

×3

tokens sortie estimés

High

Analyse complexe

Architecture, analyse de code, plan détaillé

×10

tokens sortie max

En mode High, les tokens de réflexion (invisibles) sont aussi facturés.

MindStudio — Claude Code effort levels explained

MCPs et skills — chaque outil a un coût de contexte

Recommandation 06

Plus vous activez d'outils, plus le contexte grossit : instructions de skills, schémas MCP, descriptions, paramètres et exemples sont renvoyés à chaque requête.

Skills

Instructions ajoutées au prompt système
Chaque skill augmente le contexte fixe
À désactiver quand elles ne servent plus (/skills, puis /new)

MCPs

Certains n'exposent qu'une fonction "discovery" au départ → économise les tokens
Une fois découvertes, les autres fonctions s'ajoutent à l'historique
Plus optimisé qu'un fetch de page HTML brute

Bon réflexe : activer seulement ce qui sert à la tâche en cours.

Sur Copilot CLI : /mcp disable <service> pour couper un MCP, puis nouvelle session si vous avez modifié les skills.

Gérer les sessions et le contexte

Recommandation 07

Sessions longues (Utiles si...)

Multi-phases : Scaffold → Implémentation → Tests → Pull Request.
Itération complexe : Copilot doit garder en mémoire les essais infructueux pour ne pas tourner en rond.
Exploration transverse : Bâtir une compréhension commune du codebase sur le temps long.

Sessions neuves (Préférables si...)

Changement de sujet : Isolation totale, plus de place pour la nouvelle tâche.
Summarization (Compaction) : Trop d'échanges ont dégradé la précision du contexte original.
"Clean Slate" : Repartir de zéro après une mauvaise direction technique sans polluer le raisonnement.

Tip : /resume

Reprenez n'importe quelle session passée là où vous l'avez laissée, incluant tous les checkpoints créés.

Astuce Sous-agents (Task)

Déléguez l'exploration "sale" (lecture de fichiers) à un sous-agent. Seule sa synthèse est réinjectée dans votre historique principal.

Précision chirurgicale du prompt

Recommandation 08

Moins vous donnez de détails, plus l'IA doit "tâtonner" avec ses outils, multipliant les requêtes et les tokens.

Visez juste :

Donnez le chemin exact du fichier.
Spécifiez la ligne de début ou le nom de la fonction.
Décrivez l'état final attendu pour limiter les allers-retours.

Impact : Réduit l'usage de grep, ls ou read inutiles. Moins d'outils = moins de contexte parasite.

❌ Mauvais :

"Fix le bug dans le header"

✅ Bon :

"Dans src/components/Header.tsx, ligne 42, remplace la condition par..."

Texte > Images > Médias

Recommandation 09

Speech-to-text

Mouth Coding ? Utilisez Handy (local) avant d'envoyer.

Images / Screenshots

Toujours plus coûteux que le texte — utilisez des MCP dédiés (ex: MCP Figma).

Préférez le texte

Plus précis, moins coûteux, moins de tokens visuels.

Le bon sens s'applique : l'IA traite le texte bien mieux et moins cher.

Conclusion

L'usage économique de l'IA, c'est aussi un usage plus efficace

Ce qu'il faut retenir

Comprendre où vont vos tokens (input, output, cache)
Calibrer modèle + variant selon la complexité
Réduire le contexte : MCPs, instruction globale, sessions propres
Favoriser le texte optimisé (RTK, Caveman, instructions)

Moins de tokens = moins d'hallucinations + moins de coûts + moins d'énergie

Par Alban Lorillard · github.com/rtk-ai/rtk · github.com/JuliusBrussee/caveman · Article Medium