←Tous les articles
Mer. 18 novembre 2026·8 min de lecture

đŸȘš Caveman : faire parler Claude Code en homme des cavernes, ça Ă©conomise vraiment ?

Infographie Caveman : réponse normale de 63 tokens contre réponse Caveman de 20 tokens, et économie de 8,5 à 14 % mesurée par les tests indépendants

📚 Introduction

Je passe une bonne partie de mes journĂ©es dans Claude Code, et une partie de ce qu’il m’écrit, je ne le lis pas. « Je vais d’abord regarder le fichier
 », « Voici un rĂ©capitulatif de ce que j’ai fait
 ». Ces phrases se paient au token, et elles occupent l’écran.

Caveman est parti de ce constat, sous forme de blague, en avril 2026 : faire parler l’agent comme un homme des cavernes. Slogan : « why many token when few do trick ». Le projet est passĂ© premier sur Hacker News, puis il est devenu une sociĂ©tĂ©, passĂ©e par Y Combinator (batch Fall 2026). La version 4.1.0 est sortie le 8 novembre 2026. Le dĂ©pĂŽt contient dĂ©sormais bien plus qu’un prompt : une CLI, un proxy, un compresseur de contexte, et mĂȘme un agent desktop pour Mac, Caveman Code.

La question qui m’intĂ©resse est simple. Sur une vraie session de dev, combien ça fait gagner ?

🔍 Qu’est-ce que fait Caveman, concrùtement ?

Deux choses distinctes : rĂ©duire ce que l’agent Ă©crit, et rĂ©duire ce qu’il lit. La documentation du projet le dit elle-mĂȘme : le skill ne compresse ni l’entrĂ©e, ni le contexte, ni les tokens de rĂ©flexion du modĂšle.

Le skill, c’est un fichier SKILL.md qui commence par :

Respond terse like smart caveman. All technical substance stay. Only fluff die.

DerriĂšre la blague, les rĂšgles sont prĂ©cises : la rĂ©ponse d’abord, pas de « Sure! » ni de « Let me », des phrases de 20 mots maximum calquĂ©es sur ASD-STE100 (l’anglais contrĂŽlĂ© des manuels de maintenance aĂ©ronautique). Les articles peuvent sauter, jamais les nĂ©gations : « Never drop not/never/no/only/except ». Le code, les chemins et les messages d’erreur restent au caractĂšre prĂšs. Et il y a une liste de cas oĂč l’agent doit repasser en phrases complĂštes : alerte de sĂ©curitĂ©, action irrĂ©versible, utilisateur qui repose la mĂȘme question, et tout ce qui sort du chat (commits, commentaires, docs, PR).

L’exemple du README rĂ©sume l’idĂ©e. RĂ©ponse normale, 63 tokens :

The reason your React component is re-rendering is likely because you’re creating a new object reference on each render cycle. [
] I’d recommend using useMemo to memoize the object.

Réponse Caveman, 20 tokens :

New object ref each render, so React re-renders. Wrap the prop in useMemo.

Il existe trois niveaux : /caveman, /ultracave (encore plus sec) et /megacave, qui rĂ©pond en chinois classique (文蚀文). Son propre SKILL.md reconnaĂźt que le gain en tokens y est « small and noisy » : moins de caractĂšres Ă  l’écran, surtout. Une curiositĂ©.

đŸ§± Skill ou proxy : deux installations diffĂ©rentes

Le skill seul s’installe avec :

npx skills add JuliusBrussee/caveman -g

On tape /caveman s’il ne dĂ©marre pas tout seul, stop caveman pour revenir Ă  la normale. Sous Claude Code, la route plugin le charge Ă  chaque session, sous-agents compris :

claude plugin marketplace add JuliusBrussee/caveman && claude plugin install caveman@caveman

La CLI, elle, installe tout le reste :

npx @caveman-ai/cli@latest

Elle demande Node.js 22.13+, dĂ©tecte vos agents et active six « rocks » : la voix, la compression d’entrĂ©e, un routeur de modĂšles (Auto, qui demande un compte), des scripts rĂ©utilisables (Blocks), un rapport sur vos dĂ©penses de tokens et un navigateur compressĂ©. caveman status liste ce qui tourne, caveman off browse coupe un module.

Le cƓur, c’est le proxy local. Il Ă©coute sur la boucle locale, l’agent lui envoie ses requĂȘtes au lieu de les envoyer au fournisseur, et il compresse au passage les gros rĂ©sultats d’outils : logs, CSV, JSON, sortie de tests. L’original est stockĂ© sur disque avec un identifiant, et l’agent peut le redemander. C’est la mĂȘme famille d’idĂ©e que Laravel PAO, mais appliquĂ©e Ă  la requĂȘte entiĂšre, quel que soit l’outil.

Le projet publie son propre benchmark sur cette partie :

Graphique Caveman : tokens d'entrée par cas, Claude Code direct contre Claude Code via le proxy Caveman, de -55,1 % sur un CSV à +9,9 % sur une page HTML

Benchmark publiĂ© par le projet (docs/assets du dĂ©pĂŽt) : 33,2 % de tokens d’entrĂ©e en moins sur six cas, et une perte sur le HTML, qui n’a pas encore de compresseur.

Deux rĂ©serves que le README formule lui-mĂȘme : ce run date d’aoĂ»t 2026 sur un moteur plus ancien, et chaque fichier de test cache un seul enregistrement utile dans 61 Ă  72 Ko de bruit. C’est le cas idĂ©al pour un compresseur. Sur un projet Laravel oĂč l’agent lit surtout des fichiers PHP, l’écart sera plus faible.

📊 Ce qu’on gagne rĂ©ellement

Les premiĂšres versions affichaient « 65 % de tokens de sortie Ă©conomisĂ©s ». Le README actuel ne le dit plus, et une page HONEST-NUMBERS.md explique pourquoi : d’anciennes versions de caveman-stats appliquaient un ratio fixe de 65 % sans mesure validĂ©e derriĂšre.

Les mesures indĂ©pendantes vont toutes dans le mĂȘme sens. JetBrains a lancĂ© 86 tĂąches de SkillsBench avec Claude Code, skill activĂ© de force : 8,5 % de tokens de sortie en moins, prĂ©sentĂ© comme un plafond. Nathan Cavaglione trouve 14 % de sortie et 12 % de coĂ»t en moins sur 92 tĂąches SWE-bench Pro avec Haiku 4.5, et constate que la sortie a augmentĂ© sur un tiers des tĂąches. Un test citĂ© dans la page du projet (300 runs par bras) relĂšve 44,1 % de sortie en moins
 pour un coĂ»t total qui bouge de +0,06 %.

CĂŽtĂ© qualitĂ©, rien d’alarmant : chez JetBrains, les scores des deux bras sont statistiquement indiscernables (p = 0,82), et chez Cavaglione l’écart de taux de rĂ©solution (90,2 % contre 93,5 %) n’est pas significatif Ă  cette taille d’échantillon.

Ce dernier chiffre rĂ©sume tout. Dans une session d’agent, la sortie est petite Ă  cĂŽtĂ© de l’entrĂ©e : le prompt systĂšme, l’historique et les rĂ©sultats d’outils sont renvoyĂ©s Ă  chaque tour, en grande partie via le cache. Le skill coĂ»te lui-mĂȘme environ 1 160 tokens d’entrĂ©e selon le README. Face Ă  une simple consigne « Answer concisely. », le gain mesurĂ© par le projet tombe Ă  3 % pour /caveman (35 % pour /ultracave). Et si vous payez Ă  la requĂȘte, comme sur GitHub Copilot, une rĂ©ponse plus courte n’économise rien.

Pour mesurer chez soi, la CLI propose caveman trial -- claude, qui lance un A/B sur une vraie session, et caveman learn, qui analyse l’historique dĂ©jĂ  sur disque :

Rapport Caveman Learn : synthÚse des économies, principaux postes de tokens comme un CLAUDE.md global de 2 340 tokens, et histogramme de profondeur de contexte des sessions

Capture du rapport caveman learn publiée dans le README. Le premier poste détecté est un CLAUDE.md global trop lourd, renvoyé à chaque tour.

C’est Ă  mon avis la partie la plus utile, et elle rejoint ce que j’écrivais sur le harness engineering : un fichier d’instructions trop gras coĂ»te plus cher, tour aprĂšs tour, que n’importe quelle phrase de politesse de l’agent.

⚠ Quelques prĂ©cautions

  • LisibilitĂ©. Une rĂ©ponse de 20 mots se lit vite quand on connaĂźt le sujet. Sur un bug que je ne comprends pas encore, je veux le raisonnement. Cavaglione arrive Ă  la mĂȘme conclusion : intĂ©ressant Ă  grande Ă©chelle, moins pour un dev seul qui suit son agent.

  • Le proxy modifie votre config. Pour Claude Code, il Ă©crit ANTHROPIC_BASE_URL dans ~/.claude/settings.json, ce qui rend Remote Control indisponible tant que Caveman route. Si vous pointez dĂ©jĂ  vers un autre endpoint, Caveman n’y touche pas.

  • TĂ©lĂ©mĂ©trie activĂ©e par dĂ©faut sur la CLI (commandes, compteurs de tokens, IP, jamais le code selon SECURITY.md). caveman telemetry off ou DO_NOT_TRACK=1 pour la couper.

  • DĂ©sactivez le routeur. C’est ma recommandation, surtout sur un projet client. DĂšs qu’on se connecte et qu’on choisit Auto dans le sĂ©lecteur de modĂšle, chaque demande part vers Caveman Cloud avec ce que l’agent y joint (CLAUDE.md, mĂ©moire, fichiers mentionnĂ©s), la demande prĂ©cĂ©dente et la fin de la derniĂšre rĂ©ponse. Sur le plan gratuit, Caveman peut les conserver pour amĂ©liorer son routage. Une requĂȘte routĂ©e vers un modĂšle hĂ©bergĂ© par Caveman Cloud y passe en entier : prompt systĂšme, rĂ©sultats d’outils, code. Bref, votre code part chez un tiers de plus. Deux commandes coupent ces flux :

    caveman off routing         # plus de module de routage (Auto)
    caveman providers cloud off # aucune requĂȘte vers les modĂšles Caveman Cloud

    Le proxy local, lui, continue d’envoyer vos requĂȘtes au seul fournisseur choisi par l’agent, avec votre clĂ©.

  • La licence a changĂ©. MIT pour le skill et BSL pour le runtime avant la 3.0, Apache-2.0 pour tout le dĂ©pĂŽt depuis.

🎉 Conclusion

Caveman a commencĂ© comme une blague sur la verbositĂ© des LLM, et le skill reste une bonne idĂ©e modeste : les tests indĂ©pendants trouvent 8 Ă  14 % de tokens de sortie en moins sur du travail d’agent, sans perte de qualitĂ© mesurĂ©e, mais un impact quasi nul sur la facture totale. Si vous avez dĂ©jĂ  « sois concis » dans votre CLAUDE.md, l’écart fond encore.

Le levier sĂ©rieux est cĂŽtĂ© entrĂ©e : compresser les logs et les sorties d’outils, allĂ©ger le contexte renvoyĂ© Ă  chaque tour. LĂ , le proxy et caveman learn ont des arguments, avec le prix d’un composant de plus entre vous et votre fournisseur. Je commencerais par caveman learn en lecture seule, pour savoir oĂč partent mes tokens, et je laisserais le routeur coupĂ© (caveman off routing) pour que le code reste entre ma machine et mon fournisseur. Et si vous faites tourner plusieurs agents en parallĂšle, c’est lĂ  que quelques pourcents par session finissent par compter.

🔗 Liens utiles

/faq

Questions fréquentes

Qu'est-ce que Caveman ?

+

Caveman est un projet open source (Apache-2.0 depuis la 3.0) de Julius Brussee, lancé en avril 2026. Il combine un skill qui fait répondre l'agent de code en phrases trÚs courtes, en gardant code, commandes et erreurs à l'identique, et un proxy local qui compresse ce que l'agent lit (logs, JSON, sorties de tests).

Caveman réduit-il vraiment les tokens de 65 % ?

+

Pas sur une session d'agent complÚte. Le chiffre de 65 % venait de réponses de type chat. JetBrains mesure 8,5 % de tokens de sortie en moins sur 86 tùches agentiques, et un autre test sur SWE-bench Pro trouve 14 % de sortie et 12 % de coût en moins. Le README actuel ne revendique plus ce 65 %.

Quelle différence entre le skill Caveman et le proxy ?

+

Le skill ne touche qu'à la sortie du modÚle : c'est une consigne de style. Le proxy, installé par la CLI, s'intercale entre l'agent et le fournisseur et compresse l'entrée (résultats d'outils, fichiers), en gardant l'original sur disque pour que l'agent puisse le récupérer.

Caveman dégrade-t-il la qualité du code produit ?

+

Les mesures publiées ne montrent pas de dégradation significative : JetBrains trouve des scores statistiquement indiscernables (p = 0,82) sur 82 paires de tùches. Le skill laisse les blocs de code intacts et repasse en phrases complÚtes pour les alertes de sécurité et les actions irréversibles.