Optimisation tokens et réduction des coûts Claude Code

TL;DR

• Claude Code peut coûter cher rapidement : 1 session de 4h sur un gros projet = 1 à 5 $ en API key, et bien plus si Opus 4.7 est utilisé partout.
• 5 leviers concrets pour réduire la facture : prompt caching natif (jusqu'à 90 % d'économie sur le cache hit), commande /compact (réduit la conversation), skill caveman (65 % de tokens en moins en sortie), claude-code-router (bascule Haiku/Sonnet/Opus selon le contexte), abonnement Claude Max (forfait au lieu du pay-as-you-go).
• Le plus gros gain est souvent le bon choix de modèle : Haiku 4.5 pour 80 % des tâches, Sonnet 4.6 pour le quotidien complexe, Opus 4.7 uniquement pour l'architecture et le debugging difficile.

Comprendre où va l'argent

Avant d'optimiser, il faut savoir ce qui coûte. Sur une session Claude Code typique :

1. System prompt + CLAUDE.md : ~5K à 20K tokens (input), payé au démarrage de la session
2. Lecture des fichiers : chaque Read injecte le contenu en tokens input
3. Réponses du modèle : output (3-5× plus cher que l'input chez Anthropic)
4. Tool calls + résultats : invisibles côté UI mais consomment des tokens
5. Sessions parallèles / agents délégués : chacun a son contexte propre

Levier 1 : Prompt caching natif (jusqu'à 90 % d'économie)

Anthropic a un mécanisme de prompt caching depuis fin 2024. Quand un préfixe identique réapparaît dans plusieurs requêtes successives (typiquement le system prompt + CLAUDE.md + premiers fichiers), il est facturé au tarif cache hit (~10 % du prix normal).

Claude Code l'utilise automatiquement. Pour maximiser le hit rate :

• Garder le système prompt stable entre les requêtes (éviter de modifier CLAUDE.md en pleine session)
• Mettre les gros fichiers de référence dans CLAUDE.md plutôt que de les Read à chaque fois
• Éviter de basculer entre modèles dans la même session (chaque modèle a son propre cache)

Voir docs.anthropic.com/en/docs/build-with-claude/prompt-caching (ouvre un nouvel onglet) pour la doc complète.

Levier 2 : /compact quand la session traîne

Quand une session dure plus de 2h ou que tu passes les 100K tokens, Claude commence à perdre le contexte initial (context rot). La commande /compact demande à Claude de compresser la conversation en un résumé structuré, repart sur ~10K tokens au lieu de 150K+.

Quand l'utiliser :

• Après avoir résolu une grosse étape (déploiement, refacto, etc.)
• Avant d'attaquer une nouvelle sous-tâche qui n'a pas besoin de l'historique complet
• Quand tu vois le contexte se dégrader (Claude oublie des décisions prises 1h plus tôt)

Voir /prompting/context-management pour le détail.

Levier 3 : Skill caveman (–65 % output tokens)

JuliusBrussee/caveman (ouvre un nouvel onglet) (58 284 ★ au 2026-05-11). Skill qui force Claude à répondre dans un style "homme des cavernes" : phrases courtes, vocabulaire minimal, aucun ornement.

Avant : "Je vais maintenant procéder à l'analyse approfondie de cette fonction pour identifier les éventuels problèmes de performance ou de sécurité qui pourraient se poser."

Après (caveman) : "Analyse fonction. Cherche bug perf et sécurité."

Mesures rapportées par l'auteur : 65 % de réduction des tokens output sur les tâches courantes, avec un impact mineur sur la justesse technique. À tester sur ton projet : certains workflows (architecture, explication pédagogique) souffrent du style.

Quand l'activer : tâches répétitives où la concision compte plus que la pédagogie. Édition de fichiers, exécution de tests, debugging factuel.

Quand l'éviter : revues de code à expliquer à un junior, documentation, sessions de pair-programming où la nuance compte.

Levier 4 : claude-code-router (bon modèle au bon moment)

musistudio/claude-code-router (ouvre un nouvel onglet) (33 826 ★ au 2026-05-11). Routeur qui décide quel modèle Anthropic est utilisé selon le contexte de la requête.

Logique typique :

• Haiku 4.5 : lectures de fichiers, exécution de tests, opérations git simples
• Sonnet 4.6 : édition de code, refactoring, debugging standard
• Opus 4.7 : architecture, debugging complexe, conception d'algorithme

Économie typique mesurée par l'auteur : 30 à 50 % sur la facture mensuelle d'un dev qui utilisait Opus partout. La latence baisse aussi (Haiku répond en ~2s vs Opus ~8s).

Risque : si le routeur se trompe et envoie une tâche complexe à Haiku, la qualité chute. À calibrer sur ton workflow réel pendant 1 à 2 semaines avant de faire confiance aveugle.

Levier 5 : abonnement Claude Max au lieu de l'API key

Pour un dev qui utilise Claude Code plus de 2-3h par jour, l'abonnement Claude Max (à partir de ~100 $/mois, vérifier sur claude.com/pricing (ouvre un nouvel onglet)) devient plus rentable que la facturation API à l'usage.

Voir /getting-started/installation pour la procédure d'auth Max.

Combo recommandé pour démarrer

Une recette en 3 étapes pour réduire ta facture de 40 à 60 % sans réécrire ton workflow :

1. Choisir Claude Max si tu utilises Claude Code > 2h/jour. Sinon, rester en API key.
2. Installer claude-code-router et le laisser tourner 2 semaines en observation passive. Ajuster les seuils si tu vois trop de Haiku qui galèrent ou trop d'Opus qui répondent en surrégime.
3. /compact après chaque grosse étape (devient un réflexe en 1-2 semaines).

Ne PAS faire dès J1 :

• Installer caveman partout (tester d'abord sur un workflow non critique)
• Désactiver le prompt caching natif (très rare qu'il faille le faire)
• Forcer Haiku pour tout (la qualité chute brutalement sur les tâches complexes)

Prochaines étapes

• Approfondir le prompt caching : doc officielle docs.anthropic.com/.../prompt-caching (ouvre un nouvel onglet).
• Maîtriser le context management : /prompting/context-management.
• Approche multi-modèles détaillée : /advanced/cross-model-workflow.
• Comparer les skills d'optimisation : /ecosystem/awesome-skills.
• Garder la mémoire entre sessions pour ne pas re-payer le contexte : /advanced/memoire-persistante.