3 personnes, 100 programmeurs IA, 1,3 million de dollars brûlés en un mois ! OpenAI : l’addition, c'est moi

marsbitPublié le 2026-05-17Dernière mise à jour le 2026-05-17

Résumé

Trois personnes, une centaine d'agents IA, et une facture d'1,3 million de dollars sur un mois : Peter Steinberger, créateur d'OpenClaw, a dévoilé cette dépense faramineuse, entièrement prise en charge par OpenAI. Son équipe de trois développeurs utilise environ 100 instances de Codex pour automatiser les tâches fastidieuses du développement logiciel : revue de code, détection de vulnérabilités, gestion des bogues, surveillance des performances et même génération de requêtes après des réunions. Cette approche transforme le processus de développement en une "chaîne de production IA", où les agents gèrent l'essentiel de la maintenance et de la coordination, libérant les humains pour des travaux de plus haut niveau. Steinberger souligne qu'en désactivant le mode rapide, le coût devient inférieur à celui d'un ingénieur humain, pour une productivité bien supérieure. L'outil CodexBar, qu'il a créé, permet de surveiller en temps réel la consommation de tokens, désormais considérée comme une nouvelle "matière première" de production. Cette expérience pose une question fondamentale : à mesure que le coût des tokens diminue, à quoi ressemblera le développement logiciel lorsque chaque petite équipe pourra déployer une armée d'assistants IA ? L'avenir, où la puissance cognitive devient une ressource abordable et scalable, est déjà en train de s'écrire.

Peter Steinberger

Édité par: Salomon

【Éclairage par New Zhiyuan】3 personnes, 100 agents IA, 1,3 million de dollars brûlés en un mois — le père d'OpenClaw transforme le développement logiciel en une « chaîne de montage IA » et OpenAI paye la facture.

Les autres postent leurs fiches de paie, lui poste sa facture — 1,3 million de dollars par mois !

Soit près de 9 millions de RMB / mois. De quoi laisser les internautes stupéfaits.

Le père d'OpenClaw, Peter Steinberger, a lâché négligemment une capture d'écran sur X.

Peter Steinberger

Mais les chiffres sur la capture, franchement, ne sont pas de nature à laisser calme :

Dépense sur 30 jours : 1 305 088,81 $. Consommation : 6 030 milliards de tokens. 7,6 millions de requêtes.

Vous avez bien lu, 1,3 million de dollars. Et ce n'est pas le budget IA trimestriel d'une grande entreprise — c'est la consommation d'une petite équipe de 3 personnes, en un mois.

Et le plus explosif : cette facture, c'est OpenAI qui la paye.

Les commentaires sont instantanément devenus fous.

Certains sont stupéfaits, d'autres sceptiques, d'autres encore sortent leur calculette pour compter « combien de programmeurs humains ça représente ».

Steinberger lui-même répond calmement : « Après avoir désactivé le mode rapide, mes coûts sont inférieurs à celui d'un ingénieur, et cela aide vraiment beaucoup plus. »

Traduction — carrément rentable !

Un internaute s'étonne même du salaire mensuel d'ingénieur à 400k$ — « Le marché de l'emploi à San Francisco est totalement dingue. »

Commentaire d'un internaute

Commentaire d'un internaute

Un autre internaute s'interroge sur la destination de cette énorme quantité de tokens.

Peter répond que la majeure partie a été utilisée pour le développement d'OpenClaw.

Commentaire d'un internaute

L'armée de programmeurs dans le cloud

Le plus fou dans cette histoire, c'est que l'équipe de Pete ne compte que 3 personnes.

Ils font tourner en permanence dans le cloud environ 100 instances de Codex, pour accomplir les tâches les plus ingrates, épuisantes et frustrantes du génie logiciel —

Revoir les PR (Pull Requests), détecter les failles de sécurité, dédoublonner les issues, corriger des bugs, surveiller les benchmarks, signaler les régressions sur Discord après les avoir détectées, et même ouvrir directement une PR après avoir écouté une réunion.

Ainsi, l'IA ne fait pas que « vous aider à coder », elle s'insinue dans chaque interstice de la collaboration logicielle.

Et ça, c'est effrayant.

Parce que ce qui coûte vraiment cher dans le développement logiciel, c'est la communication, la compréhension, le changement de contexte, la relecture, les régressions, les corrections, l'attente, le travail répétitif.

Autrefois, une équipe passait une grande partie de sa journée sur ces activités qui ne ressemblent pas à de la « création », mais sans lesquelles le projet part en vrille.

Désormais, Peter confie d'un coup tous ces maillons à une armée d'agents IA.

C'est l'IA qui commence à entretenir le système nerveux d'une organisation à votre place.

Illustration

Il y a un autre détail important sur cette capture : ce n'est pas l'interface d'OpenAI, mais CodexBar, un outil créé par Peter.

CodexBar est un utilitaire pour la barre de menus macOS qui permet de suivre les fenêtres d'utilisation, les crédits, les coûts et les temps de réinitialisation de divers outils de programmation IA.

Il prend en charge une flopée de services comme Codex, Claude, Cursor, Gemini, Copilot, etc.

Avant, la barre des menus des programmeurs affichait quoi ? CPU, mémoire, batterie, débit réseau.

Maintenant, il y a un nouvel élément : les tokens. Les tokens sont en train de devenir une nouvelle « matière première » de production.

CodexBar

Deux mots pour conclure

1,3 million de dollars par mois, 3 personnes, 100 agents IA.

Méditez bien sur ces chiffres — trois êtres humains, pilotant une centaine d'employés numériques qui ne mangent pas, ne dorment pas et ne réclament pas d'augmentation, exécutent le travail d'une équipe d'ingénierie entière.

Certains, après avoir lu ça, sont surexcités : l'IA n'est enfin plus une potiche qui ne fait que discuter ! D'autres, après avoir lu ça, ont froid dans le dos : Attendez, et nous, les codeurs, on va faire quoi après ?

Mais pour être honnête, ce qui me tient le plus éveillé la nuit, c'est cette phrase si légère de Steinberger : « J'explore ce à quoi ressemblerait le développement logiciel si le coût des tokens n'était pas un problème. »

Peter Steinberger

Mes amis, il dit « si ».

Mais le problème, c'est que ce « si » se transforme à vue d'œil en « lorsque ».

Aujourd'hui, le travail accompli pour 1,3 million de dollars, avec une baisse de prix des modèles, coûtera 130 000 $. Encore une baisse, et ce sera 13 000 $.

Le jour où cela arrivera, faire travailler simultanément 100 agents IA ne sera plus le jeu exclusif des magnats de la Silicon Valley, mais l'opération de base de n'importe quelle équipe de trois startuppers.

Trois jeunes dans un garage, tenant en main une centaine de programmeurs IA infatigables — cette image, juste y penser, c'est dément.

Peter Steinberger a retourné ses cartes.

Sur ces cartes, il est écrit : L'avenir frappe déjà à la porte, et il n'a pas l'intention d'attendre que vous soyez prêt.

Références :

https://the-decoder.com/for-1-3-million-a-month-openclaw-founder-peter-steinberger-runs-100-ai-agents-that-code-review-prs-and-find-bugs/

https://x.com/steipete/status/2055346265869721905

https://developers.openai.com/codex/speed

Cet article provient du compte officiel WeChat « New Zhiyuan », auteur : New Zhiyuan

Questions liées

QQuelle est la dépense mensuelle mentionnée pour une équipe de trois personnes utilisant des agents IA, et qui couvre ces coûts ?

ALa dépense mensuelle mentionnée est de 1 305 088,81 dollars américains (environ 900 millions de yuans). Ces coûts sont pris en charge par OpenAI pour cette équipe de trois personnes.

QCombien d'agents IA l'équipe de Peter Steinberger utilise-t-elle pour automatiser les tâches de développement logiciel ?

AL'équipe de Peter Steinberger utilise environ 100 instances de Codex (agents IA) pour automatiser diverses tâches de développement logiciel.

QQuelles sont les principales tâches attribuées aux agents IA dans le processus de développement décrit dans l'article ?

ALes agents IA sont chargés de tâches telles que la révision des demandes de fusion (PR), la détection de failles de sécurité, la déduplication des problèmes (issues), la correction de bogues, la surveillance des benchmarks, la notification des régressions sur Discord, et même l'ouverture de PR après des réunions.

QQuel outil Peter Steinberger a-t-il créé pour surveiller l'utilisation et les coûts des outils de programmation IA, et que montre-t-il ?

APeter Steinberger a créé CodexBar, un outil pour la barre de menus macOS qui surveille l'utilisation, les crédits, les coûts et les temps de réinitialisation de divers services de programmation IA comme Codex, Claude, Cursor, Gemini et Copilot. Il montre que les jetons (tokens) deviennent une nouvelle « matière première » de production.

QSelon la conclusion de l'article, quelle perspective Peter Steinberger explore-t-il concernant l'avenir du développement logiciel avec l'IA ?

APeter Steinberger explore la perspective suivante : « Si le coût des jetons n'est pas un problème, à quoi ressemblera le développement logiciel ? » L'article suggère que cette hypothèse pourrait bientôt devenir réalité, permettant même à de petites équipes de disposer d'une productivité massive grâce à de nombreux agents IA peu coûteux.

Lectures associées

Alibaba « met en rayon », ByteDance « s’entraîne »

Durant la dernière semaine de mai, deux événements consécutifs dans l'industrie de l'IA ont révélé les stratégies divergentes des géants chinois Alibaba et ByteDance. Alibaba adopte une approche d'application immédiate et de monétisation. Son modèle Qwen est intégré à Taobao pour des fonctionnalités comme l'essayage virtuel et la comparaison de prix, visant à transformer l'expérience d'achat. L'entreprise se positionne comme l'infrastructure ("eau, électricité, gaz") et la "caisse enregistreuse" de l'ère IA, avec ses services cloud alimentant de nombreux modèles locaux. Cette stratégie, soutenue par des réorganisations internes et l'initiative "AI Credit", génère déjà des revenus, comme en témoigne la croissance de 40% des revenus cloud externes. Cependant, elle suppose que les capacités des modèles de base n'évolueront pas assez vite pour rendre ses applications obsolètes. ByteDance, via son département Seed, privilégie la recherche fondamentale à long terme. Son objectif est "d'explorer les limites de l'intelligence". Son modèle de génération vidéo Seedance 2.0, salué comme le plus performant au monde, et des publications académiques ambitieuses sur les "modèles du monde" illustrent cette voie. La société, qui n'est pas cotée en bourse, peut se permettre d'engager des dépenses d'investissement massives (jusqu'à 470 milliards de yuans en 2026 selon des rapports) et d'accorder à ses chercheurs le temps de publier sans pression commerciale immédiate. Mais cette approche "laboratoire Nobel" commence à être questionnée par des signes de commercialisation sur des produits comme Doubao. L'article suggère que cette divergence stratégique tient moins à une philosophie qu'à un statut : Alibaba, société cotée, est soumis à la pression des marchés pour montrer des retours rapides, tandis que ByteDance, privée, peut investir sur le très long terme. Le jour où ByteDance envisagera une introduction en bourse, la pérennité de sa stratégie de recherche pure sera véritablement mise à l'épreuve.

marsbitIl y a 52 mins

Alibaba « met en rayon », ByteDance « s’entraîne »

marsbitIl y a 52 mins

Trois ans plus tard : Retour sur mon jugement de 2023 concernant ChatGPT

Trois ans après ses prédictions sur ChatGPT en mars 2023, Wang Jianshuo revient sur ses vingt affirmations initiales, évaluées en mai 2026 par des agents IA. Sur les vingt points, la majorité des tendances de fond étaient correctes : l'essor du RAG comme architecture dominante pour l'injection de connaissances, le rôle central de l'interface utilisateur en langage naturel (LUI), l'émergence de protocoles pour un "réseau d'agents", et le rattrapage technologique rapide des modèles chinois. Des erreurs notables portent sur des chiffres précis, comme les 100 billions de paramètres supposés de GPT-4 (en réalité environ 1,8 billion) ou une estimation trop basse des coûts de formation des grands modèles. Certaines prévisions se sont révélées trop absolues ("l'IA ne fera jamais de mathématiques pures") ou ont négligé les disparités (aucune vague de chômage massif, mais un impact sévère sur les jeunes diplômés). L'analyse révèle que les intuitions sur les mécanismes et les directions se sont avérées bien plus fiables que les prédictions numériques ou temporelles, souvent trop optimistes à court terme. La prudence dans les formulations et la reconnaissance des incertitudes se sont montrées précieuses avec le recul. Ce bilan offre des leçons pour les futurs pronostics : privilégier les tendances aux chiffres, anticiper les effets distributifs et accepter que certaines questions demandent plus de trois ans pour être tranchées.

marsbitIl y a 8 h

Trois ans plus tard : Retour sur mon jugement de 2023 concernant ChatGPT

marsbitIl y a 8 h

Trois ans plus tard : un retour sur mes prédictions de 2023 concernant ChatGPT

Trois ans après ses prédictions sur le ChatGPT en mars 2023, Wang Jianshuo revient sur ses 20 affirmations initiales. Évaluées en mai 2026 par des agents IA, la plupart de ses intuitions sur les grandes tendances se sont révélées justes : le RAG est devenu l'architecture standard pour intégrer des connaissances, l'Interface Utilisateur en Langage Naturel (LUI) a créé un nouvel écosystème, et les modèles chinois ont presque rattrapé les leaders mondiaux. Des concepts comme les réseaux d'agents et la nature limitée du test de Turing se sont également matérialisés. Cependant, les prévisions quantitatives et les affirmations trop absolues ont souvent échoué. Le paramétrage supposé du GPT-4 (100T) était inexact, et les coûts de développement des modèles ont dépassé les estimations. Il a sous-estimé la vitesse de personnalisation des IA et l'impact distribué sur l'emploi des jeunes. La capture de valeur a surtout bénéficié à la couche matérielle (comme Nvidia), et non aux seules applications. Les leçons clés sont que les mécanismes et les directions sont plus fiables que les chiffres précis, que l'optimisme à court terme doit être tempéré, et que les nuances ("peut-être", "pour l'instant") rendent les prédictions plus robustes. Cette rétrospective souligne l'importance de distinguer les tendances confirmées des questions toujours ouvertes.

链捕手Il y a 11 h

Trois ans plus tard : un retour sur mes prédictions de 2023 concernant ChatGPT

链捕手Il y a 11 h

Trading

Spot
Futures

Articles tendance

Comment acheter BILL

Bienvenue sur HTX.com ! Nous vous permettons d'acheter Billions Network (BILL) de manière simple et pratique. Suivez notre guide étape par étape pour commencer votre parcours crypto.Étape 1 : Création de votre compte HTXUtilisez votre adresse e-mail ou votre numéro de téléphone pour ouvrir un compte sur HTX gratuitement. L'inscription se fait en toute simplicité et débloque toutes les fonctionnalités.Créer mon compteÉtape 2 : Choix du mode de paiement (rubrique Acheter des cryptosCarte de crédit/débit : utilisez votre carte Visa ou Mastercard pour acheter instantanément Billions Network (BILL).Solde :utilisez les fonds du solde de votre compte HTX pour trader en toute simplicité.Prestataire tiers :pour accroître la commodité d'utilisation, nous avons ajouté des modes de paiement populaires tels que Google Pay et Apple Pay.P2P :tradez directement avec d'autres utilisateurs sur HTX.OTC (de gré à gré) : nous offrons des services personnalisés et des taux de change compétitifs aux traders.Étape 3 : stockage de vos Billions Network (BILL)Après avoir acheté vos Billions Network (BILL), stockez-les sur votre compte HTX. Vous pouvez également les envoyer ailleurs via un transfert sur la blockchain ou les utiliser pour trader d'autres cryptos.Étape 4 : tradez des Billions Network (BILL)Tradez facilement Billions Network (BILL) sur le marché Spot de HTX. Il vous suffit d'accéder à votre compte, de sélectionner la paire de trading, d'exécuter vos trades et de les suivre en temps réel. Nous offrons une expérience conviviale aux débutants comme aux traders chevronnés.

107 vues totalesPublié le 2026.05.07Mis à jour le 2026.05.12

Comment acheter BILL

Discussions

Bienvenue dans la Communauté HTX. Ici, vous pouvez vous tenir informé(e) des derniers développements de la plateforme et accéder à des analyses de marché professionnelles. Les opinions des utilisateurs sur le prix de BILL (BILL) sont présentées ci-dessous.

活动图片