Agent navigateur : la capture d'écran coûte 5× plus

Ce qui se passe

Une équipe qui confie à Claude Code des tâches de « clic » (lire un tableau de bord, vérifier un réglage, extraire un chiffre) a compté ce que chaque appel d'outil de navigateur ajoute au contexte : plus de 7 500 appels dans ses propres journaux, avec le décompte de jetons rapporté par l'API avant et après. Des comptes réels, pas des estimations en caractères.

Deux outils pilotent le même Chrome connecté : claude-in-chrome, qui peut renvoyer des captures d'écran, et opencli, qui renvoie la page en texte.

Les chiffres

Une capture coûte environ cinq fois un retour texte, et ces 23 % d'appels font 49 % des jetons de l'outil. Un appel opencli a une médiane de 397 jetons, soit à peu près un retour texte de claude-in-chrome : l'écart vient des captures, pas du texte.

Sur les neuf sites où chaque outil a servi au moins dix fois, opencli gagne sur sept, environ 27 % de jetons en moins par appel (pondéré par le nombre d'appels). Les plus gros écarts : telegram.org 1 879 → 275 (−85 %), github.com 580 → 336 (−42 %), cloudflare.com 578 → 378 (−35 %). À égalité sur les pages publiques simples, et opencli perd sur nvidia.com (+6 %) et bing.com (+31 %), deux lignes de moins de 30 appels.

La règle de l'équipe

1. Utiliser l'API ou curl quand il en existe une.
2. Lire la page en texte.
3. Ne prendre une capture que pour vérifier quelque chose de visuel.

Les limites

Les appels sont appariés par site, pas par tâche identique : c'est une mesure de terrain, pas un test A/B. Une capture reste aussi dans le contexte et se relit aux tours suivants ; les auteurs ne l'ont pas comptée, la durée des sessions différant d'un outil à l'autre, donc le coût réel est probablement plus élevé. Billet d'une équipe qui utilise les deux outils, pas un banc d'essai indépendant.

Source : Your browser agent pays to look at pictures, DEV Community, 15 octobre 2026.