Les logs d'automatisation TimeTonic sont bien plus qu'un simple journal d'erreurs. Ils constituent votre outil de référence pour piloter votre consommation de crédits IA en détail.
Que contiennent les logs de consommation IA ?
Pour chaque exécution, les logs affichent :
- le modèle IA utilisé (GPT-4o, Mistral, Claude, etc.)
- le nombre de tokens en entrée
- le nombre de tokens en sortie
- le coût en crédits IA correspondant
Comparer le coût de différents modèles IA sur une même tâche
Les logs vous permettent de comparer concrètement la consommation de plusieurs modèles sur une même automatisation. Un outil précieux pour choisir le modèle le plus économique sans sacrifier la qualité de vos résultats.
Anticiper, optimiser et diagnostiquer
Grâce aux logs de crédits IA, vous pouvez :
- optimiser vos choix de modèles en fonction du rapport qualité/coût
- anticiper votre consommation et éviter les mauvaises surprises
- diagnostiquer des comportements inattendus dans vos automatisations IA
Accéder aux logs d'automatisation : deux points d'entrée
Les logs d'automatisation peuvent être consultés depuis plusieurs points dans TimeTonic. Cette section présente deux façons d'y accéder : depuis les logs d'exécution de l'automatisation, et depuis l'historique des champs d'un enregistrement.
Chaque entrée correspond à une exécution sur une ligne de données, avec son statut, sa date et ses détails. Vous pouvez ouvrir une exécution pour analyser le résultat et comprendre le comportement de l'automatisation.
Depuis une automatisation
Ouvrez votre automatisation, puis accédez aux logs d'exécution. Chaque ligne correspond à une exécution sur une ligne de données spécifique, avec son statut, sa date et l'heure précise. Cliquez sur la flèche d'une exécution réussie pour déployer ses détails et analyser le résultat.
Depuis l'historique d'un enregistrement
Il est également possible de consulter les modifications appliquées à un enregistrement directement depuis sa ligne. Cette vue détaille les changements apportés à chaque champ, exécution par exécution.
Lire le détail d'une exécution
En cliquant sur une exécution, vous accédez au détail complet de l'appel IA. Vous y trouvez :
Le nom exact du modèle qui a traité la requête.
Exemple : Mistral-Small-3.2-24B-Instruct-2506 ou
Qwen2.5-VL-72B-Instruct.
Le rôle IA, la question et le format de réponse attendu tels qu'ils ont été transmis au modèle. Utile pour vérifier que vos instructions sont bien interprétées.
Affiché sous la forme :
Usage : X crédits IA / entrée tokens
— Y crédits IA / sortie tokens.
Vous voyez précisément le coût de l'entrée (votre prompt + les données)
et de sortie (la réponse du modèle) séparément.
Le résultat retourné par l'IA, tel qu'il a été injecté dans vos champs de destination. Permet de vérifier la qualité et la conformité de la réponse.
Comparer deux modèles sur la même tâche
Les logs sont particulièrement utiles pour comparer le coût réel de 2 modèles sur une tâche identique, avant de décider lequel utiliser en production.
Voici un exemple concret tiré de logs réels, sur la même tâche d'extraction de note de frais :
💡 Conseil : Les deux modèles réalisent la même tâche d'extraction sur document image avec un résultat correct. Mistral-Small-3.2-24B consomme ici 8 fois moins de crédits que Qwen2.5-VL-72B. Les logs vous permettent de faire ce constat par vous-même et de choisir le modèle le plus adapté à votre budget et à la complexité de vos documents.
Pour aller plus loin et anticiper votre consommation avant de lancer vos automatisations → Estimer votre consommation de crédits IA
Aller plus loin
Crédits IA : selon votre plan de licence
Fonctionnement des crédits, sources disponibles et règle des 1 000 tokens.
Aller plus loin
Estimer votre consommation
Formule de calcul, repères tokens et exemples chiffrés par type de tâche.
Aller plus loin
Crédits épuisés que faire ?
Ce qui se passe quand vos crédits atteignent le quota et comment réactiver vos automatisations.