Combien coûte vraiment une campagne LinkedIn pilotée par ChatGPT ?
Réponse courte : pour 5 000 contacts, entre 264 $ et 1 320 $ de calcul, plus d’exécutions d’agent qu’un forfait ChatGPT à 20 $ n’en accorde en dix mois, et à peu près six mois d’attente. Le calcul, c’est ce dont tout le monde parle. C’est aussi ce qui compte le moins.
Je développe un outil de prospection LinkedIn. Alors quand le mode agent est sorti et que tout le monde s’est mis à dire qu’il suffit de laisser ChatGPT piloter le navigateur, je l’ai pris assez au sérieux pour le chiffrer proprement plutôt que de me braquer. J’y ai passé une journée de tableur. Voici tout, y compris les cas où ChatGPT gagne.
Une précision d’emblée, parce que c’est tout l’intérêt de la comparaison. Reachy AI est un agent IA. La question n’est donc pas agent ou pas agent. Elle est de savoir quel agent : un chatbot généraliste qui travaille à partir de captures d’écran d’un navigateur virtuel hébergé dans le datacenter de quelqu’un d’autre, ou un outil conçu pour ce seul métier et qui tourne sur votre machine.
La campagne que j’ai modélisée
Même séquence pour chaque contact. Ouvrir le profil et décider s’il correspond. Envoyer l’invitation. Repasser plus tard pour vérifier si elle a été acceptée. Si oui, envoyer un message, puis deux relances.
J’ai utilisé mes propres chiffres, pas des benchmarks : 40 % d’acceptation, 15 % des connexions répondent, et la moitié de ces réponses arrivent dès le premier message. Toute personne qui répond sort de la séquence.
Pour 500 contacts, cela fait 200 connexions et 30 réponses, et il faut 2 061 opérations navigateur pour y arriver. 500 lectures de profil, 500 invitations, 500 vérifications de statut, puis 200 premiers messages, 185 premières relances et 176 secondes relances.
Combien coûte réellement une opération navigateur ?
C’est la partie que personne ne modélise, et c’est là que tout s’écroule.
ChatGPT n’« envoie » pas un message. Le mode agent fonctionne exactement comme OpenAI le décrit : il prend une capture d’écran de son navigateur virtuel pour voir la page, calcule où cliquer, clique, reprend une capture pour vérifier que le clic a fonctionné, lit le texte de la page, et emporte toute la conversation dans l’étape suivante. Chaque capture pèse environ 1 500 tokens. Chaque lecture de page, quelques milliers de plus. Le contexte accumulé est renvoyé à chaque tour.
J’ai budgété 26 500 tokens en entrée et 600 en sortie par opération, avec un cache de prompt qui travaille vraiment, à 70 % de hits. Cela donne environ 0,013 $ par opération sur un petit modèle, 0,026 $ sur un modèle intermédiaire, 0,064 $ sur un modèle frontière.
Ça semble négligeable. Multipliez par 2 061. Puis par dix.
| Contacts | Opérations navigateur | Calcul au tarif API | Navigateur virtuel actif |
|---|---|---|---|
| 500 | 2 061 | 26 $ à 132 $ | 8,6 heures |
| 1 500 | 6 183 | 79 $ à 396 $ | 25,8 heures |
| 5 000 | 20 610 | 264 $ à 1 320 $ | 85,9 heures |
Précision utile : ChatGPT ne vous facture pas au token, vous ne recevrez donc pas littéralement une facture de 528 $. La colonne API sert à montrer la quantité de calcul réellement consommée, parce que ce que vous payez, vous, c’est un abonnement avec un plafond dur, et c’est ce plafond le vrai chiffre.
Le plafond que personne ne lit avant de se lancer
Le mode agent n’est pas compté en tokens. Il est compté en messages agent, et l’enveloppe est petite : 40 par mois sur Plus, 400 par mois sur Pro. Ils ne se reportent pas.
Un message agent, ce n’est pas un clic, c’est une exécution de tâche, et une exécution continue jusqu’à ce qu’elle aboutisse ou perde le fil. Comptons 50 opérations navigateur par exécution, ce qui est généreux pour une session qui travaille à partir de captures d’un fil infini. La campagne de 5 000 contacts demande environ 412 exécutions.
| Forfait | Prix | Messages agent | Pour 5 000 contacts |
|---|---|---|---|
| Plus | 20 $ par mois | 40 par mois | environ 10 mois d’enveloppe |
| Pro | 200 $ par mois | 400 par mois | ça passe, à 200 $ par mois pendant six mois |
Sur Plus, vous ne terminez pas. Vous ne terminez même pas confortablement 500 contacts, puisque 2 061 opérations font environ 41 exécutions et que vous en avez 40. Sur Pro ça fonctionne, et la campagne coûte environ 1 200 $ d’abonnement sur les six mois que LinkedIn va de toute façon vous imposer.
Puis j’ai trouvé le chiffre qui compte vraiment
LinkedIn plafonne les invitations à environ 200 par semaine. Cela varie selon le compte. L’ancienneté, le statut Premium, votre installation dans le réseau et la propreté de votre historique récent font bouger ce chiffre, et un compte neuf est très loin des 200. Mais 200 est honnête pour un compte établi, et c’est sur cette base que je planifie.
Ce n’est pas une limite molle, et elle se moque de savoir qui envoie les invitations.
| Contacts | Temps pour envoyer les invitations |
|---|---|
| 500 | 2,5 semaines |
| 1 500 | 7,5 semaines |
| 5 000 | 25 semaines |
Vingt-cinq semaines. J’avais passé une journée à optimiser le coût par opération, et la vraie contrainte était une limite de débit que je connaissais déjà. Le détail complet est dans les limites d’invitations LinkedIn en 2026.
La ligne que le calcul en tokens avait complètement ratée
Voilà celle qui m’a fait changer d’avis sur tout l’exercice.
Le mode agent ne tourne pas sur votre ordinateur. Il tourne dans un navigateur virtuel hébergé chez OpenAI, et quand il doit se connecter à un site sensible, il vous rend les commandes et vous demande de saisir vos identifiants là-bas. Concrètement, vous tapez donc votre mot de passe LinkedIn dans un navigateur installé dans un datacenter, puis LinkedIn regarde votre compte faire 20 610 actions depuis cette adresse.
Une connexion depuis une IP de datacenter est le moyen le plus fiable de faire restreindre un compte LinkedIn. Non pas parce que l’automatisation est détectée, mais parce que la localisation et l’empreinte cessent de correspondre à l’humain à qui appartient le compte. Ce risque n’est pas dans le tableur, et c’est le seul coût de cet article qu’on ne rattrape pas en payant davantage. J’ai détaillé le mécanisme dans cloud ou local pour l’automatisation LinkedIn et comment ne pas se faire bannir sur LinkedIn.
Le seul levier qui déplace le calendrier
Il n’y a qu’une façon de dépasser une limite par compte : ne pas utiliser un seul compte. Les gens qui font ça sérieusement sont surtout de petites agences qui prospectent pour plusieurs clients, chaque client avec son vrai compte LinkedIn. Sur trois comptes, 5 000 contacts passent de 25 semaines à environ 8. Sur cinq, à 5.
Rien d’autre dans toute cette analyse ne déplace autant le chiffre. Ni le modèle, ni le cache, ni le budget de tokens.
C’est aussi ce qui est réellement inconfortable pour un chatbot doté d’un seul navigateur virtuel. Chaque compte a besoin de son profil isolé, de son propre stock de cookies, de sa session qui ne fuit jamais vers une autre, et de son propre rythme. Vous demandez à un navigateur partagé de tenir cinq identités séparées sans jamais les croiser, et le mode d’échec n’est pas un appel API gaspillé, c’est le compte d’un client qui se fait restreindre. Je n’aurais pas envie de déboguer ça à partir de captures d’écran. Un outil conçu pour ça s’en occupe, parce que l’isolation est une décision d’architecture prise une fois pour toutes, pas quelque chose qu’une session de chat doit se rappeler à chaque tour. Voici comment ça fonctionne sur plusieurs comptes.
Quelle part du travail a vraiment besoin d’un modèle frontière ?
Une fois les opérations comptées, j’ai pu poser une meilleure question. Quelle part demande du jugement, et quelle part n’est que du clic ?
Deux choses demandent du jugement. Noter un profil face à votre ICP, et écrire un message qui ne sent pas le champ de fusion. Tout le reste, c’est naviguer, cliquer, attendre, vérifier.
La notation n’a pas besoin de capture d’écran. Une fois le texte du profil récupéré, c’est environ 800 tokens en entrée et 150 en sortie, et un modèle intermédiaire s’en sort. L’écriture des messages se fait une fois par campagne, plus une personnalisation légère.
Mesuré en tokens plutôt qu’en dollars, à 5 000 contacts l’exécution complète par ChatGPT brûle 558,5 millions de tokens. Le travail de jugement en représente 5,44 millions. Soit 1 %.
99 % de la dépense en tokens, c’est une machine qui cherche des boutons et clique dessus. 1 %, c’est la part où l’intelligence change le résultat.
Et ce 1 % est bon marché. Noter 5 000 profils sur un modèle intermédiaire coûte environ 15 $. Écrire la séquence sur un modèle frontière, environ 5 $. Autour de 21 $ d’appels de modèle pour toute la campagne, contre 528 $ de calcul pour lui faire piloter le navigateur en plus.
Ce sont les tarifs intermédiaire et frontière utilisés plus haut, sur une campagne de 5 000 contacts. Sur un seul compte au rythme sûr, soit environ 800 profils scorés et 900 messages écrits par mois, la même répartition revient à moins de 2 $ par mois.
Les 99 % restants sont un problème résolu qui coûte environ 39 $ par mois. Ce n’est pas un hasard. Le clic, le rythme, l’isolation des sessions, la logique de reprise, la comptabilité des invitations. Rien de tout cela n’est intéressant, tout a déjà été construit, et rien ne mérite un tarif de modèle frontière.
Où ChatGPT gagne-t-il vraiment ?
En dessous d’une centaine de contacts, pour un besoin ponctuel et un peu tordu, le mode agent est excellent et je l’utiliserais moi-même. Pas de second abonnement, pas de configuration, et il gère « regarde ses trois derniers posts et rebondis sur celui qui parle de recrutement » mieux que n’importe quel séquenceur, parce qu’il lit réellement la page au lieu de remplir un champ.
C’est aussi la seule option quand votre logique de qualification est vraiment sur mesure. « Trouve les agences dont la page carrières mentionne le télétravail et dont le fondateur a parlé de churn ce trimestre » n’est un filtre dans aucun outil de prospection. ChatGPT, lui, peut simplement le faire.
La rupture arrive quand la même opération tourne deux mille fois sur cinq identités.
Ce que je construirais vraiment
Un modèle généraliste cher pour la réflexion. Quelque chose de bon marché et déterministe pour la répétition, qui tourne là où vit déjà votre compte. Environ 40 $ par mois pour les 99 %, et autour de 21 $ d’appels de modèle pour le 1 % qui compte vraiment.
Payer un tarif de modèle frontière à chaque clic, pour qu’un modèle de langage décide où se trouve le bouton Se connecter, c’est payer très cher ce qu’un sélecteur CSS résout.
Une dernière chose que je n’avais pas anticipée. Le coût par réponse bouge à peine d’une option à l’autre. Tout se situe entre 1 $ et 7 $. Si vous choisissez sur le coût par réponse, vous optimisez la mauvaise variable. Les trois choses qui changent vraiment le résultat, c’est le nombre de comptes que vous pouvez faire tourner en parallèle, la qualité des messages, et le fait que votre compte survive à la campagne.
Biais évident, autant le dire : je développe Reachy AI, qui est le côté 39 $ par mois de cet argument, pesez-le en conséquence. J’ai fait les calculs parce que je voulais savoir s’il fallait arrêter mon propre produit. La réponse honnête, c’est que le 1 % est la partie que je n’aurais jamais pu construire, et que les 99 % sont la partie qu’un chatbot hébergé dans un datacenter ne devrait pas faire.
Si vous voulez la répartition que je décris, c’est exactement ce qu’est Reachy AI : un agent dédié à la prospection LinkedIn, votre propre clé API pour le jugement, une application de bureau locale pour le clic. Téléchargez-le et lancez l’essai de 14 jours, ou regardez d’abord les tarifs.