CodeBurn : voir où partent vos tokens d’IA de code

https://github.com/getagentseal/codeburn

📌 Vous sentez que l’IA « brûle » des tokens sans que vous sachiez exactement où, quand et pourquoi ? CodeBurn se positionne comme un tableau de bord d’observabilité des coûts et usages pour le coding assisté, avec une interface interactive en terminal (TUI) et des sorties exploitables (JSON/CSV) pour reprendre le contrôle.

Le principe est simple et plutôt rassurant : CodeBurn lit les données de session directement sur votre disque, au lieu d’intercepter vos requêtes ou de vous imposer un proxy. Pas de wrapper, pas de proxy, pas de clés API à fournir ; l’outil s’appuie sur les historiques que vos assistants enregistrent déjà. L’ambition n’est pas de juger vos usages, mais de rendre visibles des signaux concrets : coût, tokens, sessions, cache hit, répartition par projets et modèles, et surtout « où part l’effort » (édition, tests, corrections, exploration, etc.).

Côté couverture, le projet annonce la prise en charge de plusieurs environnements de coding assisté, avec un système de plugins côté « provider ». Dans la liste des providers supportés, on retrouve notamment Claude Code, Codex (OpenAI), Cursor, cursor-agent, OpenCode, Pi, OMP (Oh My Pi) et GitHub Copilot (avec une nuance : Copilot ne journalise que les tokens de sortie, ce qui limite la précision des coûts). Pour certains providers, les données proviennent de fichiers JSONL de sessions, pour d’autres d’une base SQLite locale (par exemple Cursor/OpenCode), et CodeBurn harmonise ensuite les informations pour présenter des panneaux comparables.

L’expérience utilisateur est centrée sur un dashboard TUI interactif : panneaux responsives, navigation clavier, rafraîchissement automatique (paramétrable), et une logique de périodes (au minimum « aujourd’hui », fenêtre de 7 jours, 30 jours, mois, all time). L’outil affiche aussi des repères utiles comme le coût moyen par session et les sessions les plus chères, afin de trouver rapidement les pics. Si vous préférez automatiser ou agréger ailleurs, les commandes de report peuvent sortir un JSON structuré qui reprend l’ensemble des panneaux (overview, breakdown quotidien, projets avec coût moyen, modèles et tokens, activités et taux de one-shot, outils, serveurs MCP, commandes shell, etc.).

Au-delà du simple « combien ça coûte », CodeBurn met en avant une métrique très parlante pour l’efficacité au quotidien : le one-shot rate par type d’activité. L’idée est d’identifier les boucles de retouche où l’assistant n’atterrit pas du premier coup : séquences d’édition, tests, correctifs, re-édition, re-tests… En classant les tâches en catégories (édition/coding, debugging, refactor, testing, exploration, planification, délégation, build/deploy, git ops, brainstorming, conversation…), l’outil donne des points d’entrée pour optimiser votre manière de travailler ou ajuster vos choix de modèles.

Points clés

• Lecture locale des sessions : pas de proxy, pas de wrapper, pas de clé API.
• Observabilité multi-providers : Claude Code, Codex, Cursor, OpenCode, Pi/OMP, Copilot (partiel), avec un système de plugins.
• Dashboard TUI interactif : navigation clavier, périodes, rafraîchissement auto, panneaux responsives.
• Rapports exportables : JSON/CSV pour post-traitement, dashboards externes ou audits.
• Analyse d’efficacité : one-shot rate et boucles edit/test/fix pour repérer la « déperdition ».
• Fonctions d’optimisation : scan des sessions et recommandations prêtes à copier-coller.

Enfin, la commande « optimize » est pensée comme un copilote d’hygiène : elle scanne vos sessions et certains éléments de configuration pour détecter des motifs de gaspillage fréquents (relectures redondantes de fichiers, sorties shell trop verbeuses, serveurs MCP jamais utilisés mais chargés à chaque session, fichiers d’instructions trop lourds, etc.) et propose des corrections prêtes à copier-coller. C’est un bon complément au dashboard : on passe de « je vois le problème » à « voici une action concrète ».