Tech · 3 novembre 2026 · 7 min
7 600 € d’agents pour créer une équipe de 4 humains et 4 IA : récit d’une dirigeante américaine
Une société de huit personnes tient avec des agents qui tournent en fond, pour 7 600 € de tokens en septembre. Ce qu’elle appelle un playbook, et pourquoi c’est ça qui reste.

Le chiffre qui pose la question
Une société de huit personnes. Quatre salariés à temps plein, quatre prestataires. Sans ses agents, sa dirigeante dit qu’il lui faudrait quatre à cinq personnes de plus. Quatre à cinq embauches en moins sur le papier, pas quatre à cinq personnes dehors. Un responsable ventes et marketing, un support client, une assistante de direction, un coordinateur opérations.
Et une ligne de dépense qui surprend. 7 600 euros de Claude Code sur le seul mois de septembre (8 510 dollars). En plus des abonnements Claude et ChatGPT de chaque salarié. Rachel Woods, la patronne d’AMP, raconte ça dans Business Insider le 1er novembre.
Deux façons de lire le chiffre. Soit l’IA coûte cher. Soit elle évite quatre salaires. Les deux sont vrais, et c’est là que le sujet devient intéressant.
Ce qu'on appelle un agent, concrètement
Un agent, ce n'est pas un chatbot qui répond. C'est un programme auquel on confie une tâche, avec des outils, et qui la mène jusqu'au bout. Il lit des fichiers, appelle des services, produit un résultat. La différence avec un prompt, c'est qu'il agit au lieu de répondre.
Un playbook vient encadrer cet agent. Sans playbook, l'agent improvise. Il fait quelque chose, mais tu ne sais pas pourquoi, et tu ne peux pas le corriger. Avec un playbook, le cadre est écrit. La sortie devient prévisible, et quand elle ne l'est pas, tu sais où regarder.
Un playbook, ce n'est pas un prompt
Elle appelle ça le playbooking. Chaque service de la boîte a son système. Chaque système, c’est une collection de playbooks où des agents tournent seuls ou ensemble.
Un playbook, c’est une procédure écrite. Ce qui la déclenche, ce qui entre, ce qui doit sortir. Les étapes, les décisions à chaque étape, et à quoi ressemble un bon résultat. Écrit comme on forme quelqu’un qui arrive.
La différence avec un prompt saute aux yeux. Un prompt, tu le tapes et tu juges la sortie. Un playbook, tu le relis dans six mois et tu vois pourquoi l’agent a fait ça.
La méthode, dans l’ordre
- Prends une tâche que tu refais tout le temps.
- Écris ce qui la déclenche, ce qui entre, ce qui doit sortir.
- Déroule les étapes comme pour former une recrue. Chaque étape, les décisions qu’elle contient, ce que veut dire « bon ».
- Lance avec l’IA en regardant. Compare à ce que tu aurais fait, corrige le playbook et pas la sortie. Recommence jusqu’à pouvoir lâcher.
L’étape 4 est celle qu’on saute. Corriger la sortie donne un bon résultat une fois. Corriger le playbook donne un résultat demain, sans toi.
Woods écrit ses plans à la main avant de les confier à l’agent. Son argument tient debout. Si tu laisses l’IA inventer la logique, tu ne comprends plus ce qui tourne, et tu ne peux plus lui faire confiance.
Ce que ça prend en charge
Un agent fait tourner le playbook commercial. Il relit les appels clients et vérifie qu’ils tiennent les standards de la maison. Là où un manager passait du temps à relire. Et les commerciaux posent leurs questions au playbook, qui va chercher la réponse dans le guide de l’équipe.
Ce qui sort du quotidien, ce n’est pas la vente. C’est la relecture et le passage de relais. Deux choses que personne n’aime faire et que tout le monde bâcle quand il est débordé.
Un point que je retiens aussi. Chacun dans la boîte écrit ses propres playbooks sur son travail perso. Ça sert de bac à sable, et ce qui marche remonte dans le système officiel. L’automatisation vient du terrain, pas d’un service innovation.
Pourquoi je trouve ça encourageant
Parce que la méthode est reproductible. Un playbook, ce n'est pas un tour de magie. C'est une procédure écrite, qu'on peut relire, corriger et transmettre. On ne dépend pas d'un outil, on construit un savoir.
Parce que l'automatisation vient du terrain. Chacun écrit les playbooks de son propre travail, et ce qui marche remonte dans le système officiel. Ce n'est pas un service innovation qui décide à la place des gens qui font le travail.
Parce que quatre prestataires restent dans la boucle. Ils ne sont pas remplacés, ils sont déchargés de la relecture et du passage de relais. Deux tâches que personne n'aime faire et que tout le monde bâcle quand il est débordé.
Ce qui me plaît là-dedans, c'est que la valeur se déplace vers le jugement. Écrire une procédure, décider ce qui compte comme un bon résultat, corriger la logique : c'est du travail humain, et c'est là que ça compte.
Deux coûts, pas un
Les abonnements, par personne. Puis l’usage. La plupart des agents tournent en fond, sans que quelqu’un les lance, donc la facture suit le volume. 7 600 euros sur un mois pour huit personnes qui ne sont pas développeuses.
Si un client te dit que l’IA ne coûte rien, donne-lui ce chiffre. Il donne aussi un ordre de grandeur correct. Automatiser un service, c’est une ligne mensuelle. Pas une ligne oubliée.
Own the playbook, rent the tech
La formule est d’elle. Le playbook tourne dans Claude Code aujourd’hui. Il tournerait pareil dans ChatGPT, Grok, Gemini ou Copilot demain. Le modèle se loue, la procédure reste.
C’est la même leçon que sur les apps Shopify. L’app tierce part avec sa logique et son index. Le thème et les données restent. Ici, l’outil part avec ses prompts. Le playbook reste.
J’ajoute un cran. Un playbook écrit, c’est ce qui te permet de tester un autre modèle sans tout refaire. Et de comparer au lieu de croire.
En face, l’agent qui n’attend pas d’être lancé
Le 31 octobre, l’équipe DeepSeek Harness a publié un prototype open source, « Super-agent ». Il surveille les groupes de discussion des développeurs et propose des correctifs sans qu’on l’appelle. Le manuel sur GitHub annonce la couleur : prendre le moins d’attention humaine possible, rendre le plus de valeur possible. DeepSeek a levé environ 13,4 milliards d’euros avant son IPO (100 milliards de yuans).
Les deux histoires partent dans des sens opposés. Chez AMP, quelqu’un décide comment le travail se fait, et l’agent exécute. Chez DeepSeek, l’agent décide quand intervenir.
Mon avis : les deux tiennent, mais pas au même endroit. Plus l’agent est autonome, plus le playbook devient nécessaire. Un agent qui intervient sans être lancé a besoin d’un cadre écrit. Sinon il improvise sur ton dos.
Ce que ça ne prouve pas
C’est un témoignage, pas une mesure. Personne n’a comparé la boîte avec et sans agents. Les quatre à cinq embauches évitées, c’est son estimation. Le chiffre de septembre peut bouger d’un mois sur l’autre. Et il reste quatre prestataires, donc du travail humain payé à côté.
Ce qui tient, c’est la méthode. Elle ne dépend d’aucun de ces chiffres.
Ce que ça change pour un e-commerçant
Dans une boutique, le travail répété ne manque pas. Les réponses SAV, les fiches produit, les relances de panier, le tri des retours. Prends-en un seul, écris la procédure, fais-la tourner.
Tu gardes la procédure, tu loues le modèle. Et tu comptes le coût à l’usage dès le premier mois, pas au troisième.
Un playbook se relit. Un abonnement se résilie.


