L’IA appliquée, concrètement ?
Les cas d’usage qui marchent vraiment, décryptés chaque soir en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Asana annonce de fortes économies sur l’exécution de son agent de navigateur, désormais 76 fois moins coûteux et 5 fois plus rapide. Le coût par run tombe à 0,47 dollar, avec des durées autour de quatre minutes, et des gains liés à un cache mieux exploité. Ces changements sont intégrés dans StackAI, après une campagne d’essais accélérée via GPT-6 Astra.
L’optimisation réduit le coût par exécution à 0,47 dollar
Sur le Modèle B, l’optimisation a fait passer le coût estimé par exécution de 36,21 $ à 1,24 $, soit une réduction de 29 fois. En appliquant le workflow optimisé sur GPT-6.1 Sol, le coût descend à 0,47 $ par exécution, tout en produisant la bonne réponse. L’ajustement du budget d’historique a permis à lui seul de réduire les coûts par 4, de 1,97 $ à 0,47 $, et chaque appel est devenu environ 3 fois moins cher grâce à 89 % d’entrées servies depuis le cache à 5 % du prix hors cache. En moyenne, l’exécution dure environ quatre minutes. Globalement, le workflow sur GPT-6.1 Sol est 76 fois moins coûteux et 5 fois plus rapide que la configuration initiale de production, une baisse de coûts également constatée lors des tests de navigateur. Asana a déjà intégré ces changements dans la navigation de StackAI et développe des outils pour faciliter la répétition de ces expériences.
Ce qui plombait la facture et les correctifs testés
Après avoir exploité GPT-6 Astra pour dresser une cartographie de la base de code et analyser la structuration des requêtes modèle, Frank Hidalgo, CTO de StackAI chez Asana, a pris en charge l’optimisation. Il a remarqué que l’agent ne sauvegardait pas en cache l’accumulation progressive du texte des pages ni les captures d’écran, ce qui entraînait des frais supplémentaires à chaque requête. Trois pistes d’amélioration ont été choisies : élargir le cache à l’historique de navigation, accroître la quantité de texte stockée et procéder à la suppression groupée des captures d’écran au lieu de le faire à chaque étape.
Une campagne d’essais paramétrée sur budgets et politiques de cache
Les expérimentations ont été réalisées avec des limites d’historique fixées à 120 000 et 480 000 caractères, ainsi que six stratégies différentes pour le cache et la gestion des captures d’écran ; chaque combinaison a été évaluée à trois reprises sur quatre modèles distincts. La stratégie la plus performante a consisté à conserver jusqu’à 20 captures d’écran avant de ne garder que la dernière, ce qui a permis de prolonger la rétention de l’historique antérieur.
Astra pour accélérer les itérations et prochaines étapes
Grâce à GPT-6 Astra intégré à Codex, Asana a pu expérimenter et appliquer ces optimisations en une semaine, alors qu’un tel travail aurait nécessité entre un et deux mois en procédant manuellement. D’après Frank Hidalgo, ces ajustements rendent possible la mise à disposition de modèles à la fois plus rapides et plus efficaces, tout en assurant des coûts d’exploitation maîtrisés, ce qui supprime les barrières financières qui limitaient auparavant le choix des modèles pour les clients. L’équipe envisage d’ajouter ces expérimentations aux évaluations de la plateforme afin de mesurer et comparer coûts, durées d’exécution et pertinence des réponses lors de la configuration des agents. Frank Hidalgo considère désormais que l’attention humaine, plutôt que la rapidité de livraison, constitue le principal frein, et estime qu’Asana se rapproche d’un contexte où chaque ingénieur pilote une flotte d’agents.
