Pourquoi Claude coûte si cher : le calcul des tokens

Pourquoi Claude est-il coûteux ? La réponse courte

Claude est coûteux pour quatre raisons qui se cumulent. Les tokens de sortie sont facturés cinq fois plus cher que les tokens d'entrée. L'API ne conserve aucune mémoire de votre conversation ; l'historique complet est donc renvoyé et facturé à chaque tour. Un agent transforme une seule question en des dizaines d'appels API, et chaque appel transporte cet historique qui s'allonge. De plus, le modèle de pointe est tarifé en fonction de la complexité du travail qu'il effectue, et non du coût d'exécution d'un petit modèle.

Un token est un fragment de texte. En guise d'estimation, un token correspond à environ quatre caractères, ou environ 0,75 mot en anglais. Les tarifs sont indiqués par million de tokens, notés MTok (million tokens). Chaque tarif ci-dessous correspond au tarif officiel de l'API Claude en octobre 2026.

La plupart des factures imprévues proviennent des deuxième et troisième raisons de cette liste. Les utilisateurs pensent généralement que ce sont les réponses écrites par Claude qui coûtent cher. Dans une session avec un agent, l'écriture représente souvent moins d'un dixième de la facture.

Les tarifs publiés, pour que nous soyons d'accord sur les chiffres

[
  {
    "label": "Haiku 4.5",
    "input_usd": 1,
    "output_usd": 5,
    "cache_read_usd": "0.10"
  },
  {
    "label": "Sonnet 5",
    "input_usd": 2,
    "output_usd": 10,
    "cache_read_usd": "0.20"
  },
  {
    "label": "Sonnet 4.6",
    "input_usd": 3,
    "output_usd": 15,
    "cache_read_usd": "0.30"
  },
  {
    "label": "Opus 5",
    "input_usd": 5,
    "output_usd": 25,
    "cache_read_usd": "0.50"
  }
]

Observez la structure plutôt que les chiffres absolus. Chaque modèle facture exactement cinq fois plus cher la sortie que l'entrée. Opus 5 coûte 5 dollars par million de tokens en entrée et 25 dollars par million de tokens en sortie. Haiku 4.5 coûte 1 et 5. Ainsi, l'écart entre le modèle le moins cher de ce tableau et le plus onéreux est d'un facteur cinq, et l'écart entre la lecture et l'écriture est également de cinq.

Sonnet 5 coûte 2 et 10 dollars par million. Anthropic a d'abord proposé ce tarif comme prix de lancement jusqu'au 31 août 2026, puis en a fait le prix standard et a annulé la hausse prévue à 3 et 15 dollars. Les tarifs évoluent avec les releases des modèles ; vérifiez donc les prix actuels avant d'établir un budget. Les modèles plus récents conservent cette même structure de facteur cinq : Opus 5.5 est affiché à 4 et 20 dollars par million, Sonnet 5.5 à 2 et 10, et Haiku 5.5, sorti le 7 octobre 2026, à partir de 0.10 et 0.50. Il n'existe pas non plus d'offre gratuite en dessous de ce tableau, bien que les nouveaux comptes commencent avec un petit crédit et que certaines parties de l'API soient totalement gratuites.

La dernière colonne correspond au tarif de lecture en cache. C'est elle qui détermine la majeure partie de la facture. Revenez-y après avoir effectué les calculs.

Pourquoi les tokens de sortie coûtent-ils cinq fois plus cher que les tokens d’entrée ?

La lecture et l’écriture ne demandent pas la même quantité de travail. Les tokens d’entrée sont traités en une seule passe. Le modèle lit l’ensemble du prompt en une fois et le traitement s’exécute en parallèle, ce qui explique qu’un prompt de 60,000 tokens ne demande pas 60,000 fois plus de temps à lire qu’un prompt de 1,000 tokens.

Les tokens de sortie sont produits un par un. Chaque nouveau token nécessite sa propre passe dans le modèle et utilise comme contexte tous les tokens qui le précèdent. Écrire 1,000 tokens signifie donc effectuer 1,000 passes, l’une après l’autre. Ce traitement séquentiel ne peut pas être réparti comme la lecture. Chaque token de sortie mobilise donc le matériel plus longtemps.

C’est pourquoi « raccourcir la réponse » est un levier moins efficace qu’on pourrait le penser. Cela agit sur la moitié la moins importante de la facture d’un agent.

Pourquoi toute ma conversation est-elle facturée à nouveau à chaque tour ?

L’API Claude est sans état. Aucune conversation ne reste sur les serveurs d’Anthropic à laquelle vous ajouteriez un message. Chaque requête contient l’historique complet des messages, et le modèle le lit entièrement avant de générer sa réponse. Le tour 30 est donc facturé pour les tours 1 à 29 également.

Le coût d’une conversation augmente donc plus vite que sa longueur. Le tour 1 ne facture qu’un petit contexte. Le tour 40 en facture un beaucoup plus volumineux. En additionnant les 40 tours, vous avez payé plusieurs fois le nombre total de tokens effectivement écrits.

[
  {
    "turn": 1,
    "context_tokens": "20,000"
  },
  {
    "turn": 5,
    "context_tokens": "32,000"
  },
  {
    "turn": 10,
    "context_tokens": "45,000"
  },
  {
    "turn": 15,
    "context_tokens": "55,000"
  },
  {
    "turn": 20,
    "context_tokens": "64,000"
  },
  {
    "turn": 25,
    "context_tokens": "74,000"
  },
  {
    "turn": 30,
    "context_tokens": "84,000"
  },
  {
    "turn": 35,
    "context_tokens": "92,000"
  },
  {
    "turn": 40,
    "context_tokens": "100,000"
  }
]

La session ci-dessus commence avec 20,000 tokens. Elle comprend le prompt système, les définitions des outils et les premiers fichiers ouverts par l’agent. Au tour 40, le contexte contient 100,000 tokens. En faisant la moyenne sur les 40 tours, on obtient environ 60 000 tokens lus par requête.

Pourquoi un agent coûte-t-il beaucoup plus cher qu'un chat ?

Un chat correspond à une requête par question. Un agent correspond à une requête par étape. Lire un fichier est une étape. Exécuter un test est une étape. Lire le résultat du test est une étape. Modifier le fichier est une étape. Quarante étapes pour terminer une tâche est courant pour un agent de développement.

Deux coûts supplémentaires s'ajoutent à l'utilisation des outils. Les définitions des outils sont des jetons d'entrée (input tokens) à chaque requête, car le modèle doit être informé des outils disponibles à chaque fois. Anthropic publie la surcharge : le prompt système d'utilisation des outils est de 286 jetons sur Opus 5 avec tool_choice réglé sur auto, auxquels s'ajoutent les jetons de vos propres schémas d'outils. Certains outils côté serveur entraînent également des frais distincts. La recherche web est facturée 10 $ pour 1 000 recherches, en plus des jetons consommés par les résultats.

Chaque résultat d'outil devient également du contexte permanent. Une commande qui affiche 3 000 lignes injecte ces 3 000 lignes dans chaque requête suivante, jusqu'à la fin de la session ou jusqu'à ce que l'historique soit compacté ou effacé. L'utilisation de jetons par session que Claude Code rapporte rend cela visible : surveillez l'augmentation du nombre d'entrées juste après une commande verbeuse.

Le calcul sur une session réelle

Voici une heure réaliste de coding agentique avec Opus 5. Quarante requêtes API. Le contexte passe de 20,000 à 100,000 tokens, soit environ 60,000 tokens par requête en moyenne. Le modèle écrit environ 700 tokens par requête, répartis entre de courts appels d’outils et quelques blocs de code plus longs.

Requests in the session:      40
Average context per request:  60,000 tokens

Total input tokens billed:    40 x 60,000                    = 2,400,000
Input cost on Opus 5:         2,400,000 x $5 / 1,000,000     = $12.00

Total output tokens:          40 x 700                       =    28,000
Output cost on Opus 5:        28,000 x $25 / 1,000,000       =  $0.70

Session total                                                = $12.70

[
  {
    "label": "Input, context re-read",
    "billed_tokens": "2,400,000",
    "cost_usd": "12.00"
  },
  {
    "label": "Output, code and tool calls",
    "billed_tokens": "28,000",
    "cost_usd": "0.70"
  }
]

Observez la répartition. La lecture coûte 12.00 dollars et l’écriture coûte 0.70 dollars. La sortie que vous lisez effectivement représente donc environ cinq pour cent de la facture. Le modèle a écrit 28,000 tokens, et la lecture lui a été facturée pour 2,400,000 tokens. Personne n’a saisi 2.4 millions de tokens. Les mêmes 100,000 tokens ont été relus encore et encore.

Levier 1 : le prompt caching, le plus important

Le prompt caching stocke la forme traitée d'un préfixe stable de votre prompt. Lors de la requête suivante, ce préfixe est lu depuis le cache au lieu d'être traité à nouveau. L'écriture dans le cache coûte 1,25 fois le tarif d'entrée pour le cache de cinq minutes, ou 2 fois pour le cache d'une heure. La lecture depuis celui-ci coûte 0,1 fois le tarif d'entrée sur la plupart des modèles, Opus 5 inclus. Opus 5.5 et Sonnet 5.5 facturent 0,05 fois, et Fable 5.1 facture 0,025 fois. Sur Opus 5, cela représente 0.50 dollars par million au lieu de 5 dollars.

Appliquez cela à la session ci-dessus. Chacun des 100 000 tokens est écrit dans le cache une fois à mesure que la conversation progresse. Les 2 300 000 tokens d'entrée restants deviennent des lectures de cache.

Tokens written to cache:      100,000
Cache write at 1.25x input:   100,000 x $6.25 / 1,000,000    = $0.63

Tokens read from cache:       2,300,000
Cache read at 0.1x input:     2,300,000 x $0.50 / 1,000,000  = $1.15

Output cost, unchanged                                       = $0.70

Session total                                                = $2.48

Vous marquez la partie pouvant être mise en cache avec un champ cache_control. Placez le point d'arrêt après le contenu qui ne change pas entre les échanges : le system prompt et les définitions d'outils. Un document long auquel vous vous référez constamment doit figurer dans ce même bloc stable.

{
  "model": "claude-opus-5",
  "system": [
    {
      "type": "text",
      "text": "<long, stable instructions>",
      "cache_control": {"type": "ephemeral"}
    }
  ],
  "messages": [{"role": "user", "content": "..."}]
}

L'ordre de votre prompt détermine désormais le coût. Un cache hit nécessite une correspondance exacte dès le tout début du prompt ; tout ce qui change à chaque requête doit donc être placé après ce qui ne change pas. Si vous insérez un horodatage au début de votre system prompt, vous cassez le cache à chaque tour : le préfixe entier devient un miss, et vous payez 1,25 fois le tarif d'entrée pour le réécrire.

La réponse vous indique si cela a fonctionné. Envoyez une requête et lisez le bloc d'utilisation.

curl https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-opus-5",
    "max_tokens": 256,
    "messages": [{"role": "user", "content": "Hello"}]
  }'

Chaque réponse contient un objet usage comme celui-ci :

{
  "usage": {
    "input_tokens": 105,
    "cache_creation_input_tokens": 7345,
    "cache_read_input_tokens": 7123,
    "output_tokens": 239
  }
}

Une requête répétée qui affiche toujours 0 dans cache_read_input_tokens signifie que le cache n'est pas utilisé. La cause habituelle est qu'un élément situé avant votre point d'arrêt a été modifié. Le cache de cinq minutes expire également ; une requête envoyée six minutes plus tard constitue donc un miss suivi d'une nouvelle écriture.

Levier 2 : déléguer les tâches simples à un modèle plus léger

La plupart des échanges dans une session d'agent ne sont pas complexes. Ouvrir un fichier, exécuter un formateur ou lire un diff ne nécessite pas le modèle de pointe. En redirigeant ces requêtes vers Haiku 4.5, le coût d'entrée passe de 5 dollars par million à 1. Haiku 5.5 affiche des tarifs encore plus bas, à 0,10 dollar pour les prompts jusqu'à 100 000 tokens, mais chacun de ses tarifs est multiplié par cinq dès qu'un prompt dépasse ce seuil, ce qui arrive rapidement avec un contexte d'agent étendu. Le coût et le positionnement de Haiku 5.5 détaille ces deux paliers.

[
  {
    "label": "Opus 5, no caching",
    "session_cost_usd": "12.70"
  },
  {
    "label": "Opus 5, cached",
    "session_cost_usd": "2.48"
  },
  {
    "label": "Sonnet 5, cached",
    "session_cost_usd": "0.99"
  },
  {
    "label": "Haiku 4.5, cached",
    "session_cost_usd": "0.50"
  }
]

La même session coûte 12.70 dollars sur Opus 5 sans mise en cache, 2.48 avec mise en cache, 0.99 sur Sonnet 5 avec mise en cache, et 0.50 sur Haiku 4.5 avec mise en cache. La mise en cache seule permet d'économiser environ quatre-vingts pour cent de la facture. Le choix du modèle élimine la majeure partie du reste.

Voici une mise en garde honnête. Un modèle moins cher qui fournit une réponse erronée vous oblige à recommencer toute la session, en plus de vous faire perdre du temps. Effectuez le routage en fonction de la difficulté de la tâche, et non du prix. Cette règle s'applique aussi à la hausse : Claude Fable 5 et Fable 5.1 sont listés au-dessus d'Opus 5 à 10 et 50 dollars par million. Consultez donc ce que ces tarifs vous apportent avant d'y envoyer une requête. Choisir entre Opus, Sonnet et Haiku explique les cas d'usage de chacun.

Hygiène du contexte

Chaque token conservé dans le contexte est facturé à chaque tour restant. Supprimer un token rapidement est donc beaucoup plus rentable que le supprimer tard. Un fichier de 5,000 tokens ajouté au tour 5 d’une session de 40 tours sera relu 35 fois. Cela représente 175,000 tokens d’entrée supplémentaires, soit presque un dollar avec Opus 5 pour un simple collage effectué sans précaution.

Quatre habitudes permettent de réduire ce nombre :

• Commencez une nouvelle session pour chaque nouvelle tâche au lieu de poursuivre celle d’hier.
• Filtrez les commandes verbeuses avant que leur sortie n’atteigne le modèle, avec un outil comme head -50, plutôt qu’après.
• Demandez uniquement la fonction qui vous intéresse, pas le fichier complet.
• Lorsqu’une longue session ne progresse plus, demandez un résumé, puis repartez de ce résumé. Le résumé contient quelques centaines de tokens. La transcription en contient cent mille.

Levier 4 : regroupez tout ce qui n’est pas interactif

L’API Batch traite les requêtes de manière asynchrone et réduit de 50 percent le coût des entrées et des sorties. Si un traitement n’a pas besoin d’une réponse dans la seconde, exécutez-le par lots. Cela concerne la classification, l’extraction, le résumé d’un backlog et les campagnes d’évaluation. La remise Batch se cumule avec la mise en cache des prompts. Elle ne s’applique pas à une session interactive, car il n’y a rien à mettre en attente.

Suis-je en train de me faire escroquer ?

C’est la vraie question qui se cache derrière « pourquoi Claude est-il cher ? ». Voici donc une réponse directe. Les tarifs sont publiés, identiques pour tout le monde dans les niveaux standard, et facturés par token. L’exception concerne les contrats négociés. Même dans ce cas, la tarification de Claude Enterprise ajoute un montant par siège aux mêmes tokens décomptés au lieu de les remplacer. Si vous comparez un autre fournisseur plutôt qu’une autre offre, le prix des mêmes tâches sur les API Claude et ChatGPT indique lequel est le moins cher selon le cas. Aucun élément de la facture n’est discrétionnaire. La grille tarifaire ne peut pas vous dire si vous en avez pour votre argent, car elle facture des tokens alors que vous vous intéressez aux résultats.

Évaluez donc le résultat. La session ci-dessus a coûté 12.70 dollars sans cache. Si elle a livré une fonctionnalité qui vous aurait demandé une heure, c’est peu cher. Si elle a passé quarante tours à tourner en rond, les mêmes 12.70 dollars n’ont rien produit. Le tarif n’a alors jamais été le problème.

C’est le point à retenir. Votre facture évolue avec le nombre de tokens, pas avec la valeur produite. Une session productive et une session inutile de même longueur coûtent le même prix. C’est pourquoi les quatre leviers comptent davantage que la grille tarifaire : vous ne pouvez pas négocier le prix par token, mais vous décidez du nombre de tokens nécessaires à la tâche.

Suivez donc le coût en dollars par tâche terminée, et non le coût mensuel. Si ce montant baisse lorsque vous ajustez la mise en cache et le routage, votre configuration s’améliore, même si le total mensuel augmente. Ce total augmente alors parce que vous effectuez davantage de travail.

Ce qui ne réduit pas votre facture

Certains conseils populaires ont un impact négligeable. Demander au modèle d'être « concis » réduit la sortie, alors que la sortie ne représentait que cinq pour cent de la facture type. Raccourcir votre propre question permet d'économiser quelques centaines de tokens sur un contexte de 60 000 tokens. Désactiver la réflexion étendue n'aide que si les tokens de réflexion représentaient une part réelle de votre sortie, et le bloc d'utilisation vous l'indique au lieu de vous laisser deviner.

Une fenêtre de contexte plus grande n'est pas un coût en soi. Sur Claude 4.6 et versions ultérieures, à l'exception de Haiku 5.5, la fenêtre complète d'un million de tokens est facturée au tarif standard par token. Ainsi, une requête de 900 000 tokens coûte le même prix par token qu'une requête de 9 000 tokens. Haiku 5.5 fait exception : il est tarifé selon la longueur du prompt. Un prompt dépassant 100 000 tokens coûte cinq fois plus cher pour l'entrée, la sortie et le cache. L'entrée passe donc de 0,10 à 0,50 dollar par million, et la sortie de 0,50 à 2,50 dollars. Sur tous les autres modèles actuels, la taille de la fenêtre ne détermine pas le prix. C'est ce que vous choisissez d'y placer qui le détermine.

Deux autres points relèvent de la planification plutôt que d'une session unique. Si votre usage est quotidien et interactif, comparez le paiement par token à un forfait fixe : la comparaison des coûts entre l'API et l'abonnement effectue ce calcul. Si le forfait fixe est plus avantageux et que vous évaluez simultanément l'offre d'un autre fournisseur, la comparaison tarifaire entre les plans Claude et ChatGPT réalise la même analyse pour les deux. Enfin, si un agent tourne sans surveillance sur un serveur, définissez un plafond de dépenses strict avant toute autre optimisation, comme l'explique le contrôle des coûts pour un agent IA sur un VPS. Pour une idée plus concrète de l'échelle, ce qu'un million de tokens Claude permet réellement d'obtenir traduit la grille tarifaire en pages de texte.

FAQ

Pourquoi ma facture Claude a-t-elle bondi quand j'ai commencé à utiliser un agent ?

Parce qu'un agent envoie de nombreuses requêtes par question, et que chaque requête transporte l'intégralité de la conversation jusqu'à ce point. Un chat envoie une seule requête par question. Un agent de développement envoie une requête par étape, et quarante étapes pour une seule tâche est une valeur normale. Chacune de ces requêtes est facturée pour le contexte complet ; une session qui se termine à 100 000 tokens peut donc être facturée pour plus de deux millions de tokens en entrée au total. Consultez input_tokens et cache_read_input_tokens dans la réponse de l'API pour le constater directement.

Est-ce que le prompt caching réduit vraiment la facture de manière significative ?

Dans l'exemple traité, cela a fait passer la session de 12.70 dollars à 2.48 dollars, car une lecture en cache sur Opus 5 coûte un dixième du tarif d'entrée. L'économie dépend entièrement de votre taux de succès. Avec un cache de cinq minutes, il est rentabilisé après une seule lecture, puisque l'écriture coûte 1,25 fois le tarif d'entrée et la lecture 0,1 fois ou moins. Si votre prompt change près du début à chaque requête, vous n'obtenez aucun succès et vous payez la prime d'écriture pour rien. Vérifiez avec cache_read_input_tokens avant de supposer que cela fonctionne.

Dois-je utiliser Haiku pour tout ?

Non. Haiku 4.5 coûte 1 dollars par million de tokens en entrée contre 5 pour Opus 5 ; l'économie est donc réelle sur les tâches simples à fort volume comme la classification et le routage. Une mauvaise réponse sur un travail complexe coûte plus cher que ce que le modèle a permis d'économiser, car vous payez pour la nouvelle tentative et pour votre propre temps en plus. Le modèle qui fonctionne est hybride : le petit modèle pour les tâches mécaniques, le modèle de pointe pour les étapes nécessitant du jugement.

L'API est-elle moins chère qu'un abonnement Claude ?

Cela dépend de la régularité de votre usage. Un abonnement est un prix mensuel fixe assorti de limites d'utilisation. L'API est facturée au token sans plafond, ce qui est moins cher quand votre usage est léger ou ponctuel, et plus coûteux quand vous l'utilisez intensivement chaque jour ouvré. Prenez votre moyenne de tokens par jour depuis le bloc d'utilisation, appliquez le tarif de votre modèle, multipliez par le nombre de jours d'utilisation dans un mois, puis comparez ce montant mensuel au prix du forfait, qui, pour le premier niveau, est détaillé dans ce que coûte Claude Pro et où ses limites d'utilisation vous bloquent. Si le calcul est en faveur de l'API, annuler ne gaspille pas le mois déjà payé, car une annulation prend effet à la fin de la période de facturation en cours et vous conservez le forfait jusqu'à cette date. Abandonner le forfait ou passer à un niveau inférieur couvre ces deux options.