Coût réel par tâche : ce que le prix au token ne vous dit pas

Le prix au token n'est pas la facture

Le tarif horaire d'un consultant ne dit rien du montant final d'une mission. Tout dépend du temps qu'il passe à réfléchir avant de répondre, de s'il doit relire tout le dossier à chaque réunion ou seulement les nouvelles pièces, et de la taille de ce dossier. Les modèles de langage fonctionnent pareil. Le prix par million de tokens affiché sur une page de pricing est un point de départ, pas une facture.

Notre article sur les coûts réels de Claude Code couvre déjà les MCP, les abonnements et les stratégies d'optimisation au quotidien. Celui-ci va plus loin sur un point précis : à prix affiché identique, deux tâches peuvent coûter des montants très différents. Le tokenizer, le budget de réflexion, le cache, la longueur du contexte et le mode de facturation choisi pèsent souvent plus lourd que le tarif catalogue lui-même.

Le tokenizer compte plus qu'on ne le pense

Premier piège, et le plus contre-intuitif : à texte identique, deux modèles ne produisent pas le même nombre de tokens.

Claude Opus 5 utilise le tokenizer introduit avec Opus 4.7. Pour un même texte, ce tokenizer produit environ 30 % de tokens en plus que les modèles antérieurs à Opus 4.7.

Concrètement, si vous comparez Opus 5 à un ancien modèle Opus au même tarif de 5 $ / 25 $ par million de tokens, la facture d'Opus 5 grimpe quand même : le même prompt et la même réponse consomment davantage de tokens. Le prix affiché ne bouge pas, la quantité facturée oui. C'est le genre de détail qui ne saute jamais aux yeux sur une page de pricing, et qui explique pourquoi deux modèles "au même tarif" peuvent afficher des factures différentes sur le même volume de travail.

Le budget de réflexion est la variable dominante

Sur Opus 5, l'effort de raisonnement se règle de low à max, et le thinking tourne par défaut, sans qu'on ait besoin de l'activer explicitement.

Ce réglage pèse bien plus lourd sur la facture que le choix du modèle lui-même, parce que les tokens de réflexion sont facturés comme des tokens de sortie, et que le rapport qualité-prix n'est pas linéaire. La system card d'Opus 5 documente un exemple précis sur FrontierBench v0.1, un benchmark de tâches d'ingénierie difficiles :

Deux enseignements à en tirer. D'abord, monter l'effort de low à xhigh fait presque doubler le score, mais au prix d'un budget de tokens bien plus lourd : passer de high à xhigh ajoute encore plus de tokens de sortie pour gagner 5,4 points. Ensuite, pousser jusqu'à max n'apporte rien de mesurable ici : le score redescend légèrement, dans la marge de bruit. Payer pour l'effort maximal sur cette tâche n'aurait été qu'un gaspillage.

La leçon pratique : ne réglez pas l'effort une fois pour toutes. Un balayage rapide sur un échantillon représentatif de vos tâches (low, high, xhigh) montre souvent qu'un palier intermédiaire couvre l'essentiel de la qualité pour une fraction du coût du palier supérieur.

Le cache change l'ordre de grandeur

Le cache de prompt n'est pas un détail d'optimisation, c'est un levier qui peut diviser la facture par dix.

Chez Anthropic, sur Opus 5 : une écriture de cache de 5 minutes coûte 6,25 $ / MTok (1,25× le tarif d'entrée de base), une écriture d'1 heure coûte 10 $ / MTok (2×), et une lecture en cache hit coûte 0,50 $ / MTok (0,1×). Le seuil minimal de prompt cacheable est de 512 tokens sur Opus 5, contre 1 024 sur Opus 4.8.

Chez Moonshot, sur Kimi K3, l'écart est encore plus tranché : 0,30 $ / MTok en entrée si le contenu est déjà en cache, contre 3,00 $ / MTok en cache miss. Un facteur 10 entre les deux, sans palier intermédiaire.

Chez OpenAI, sur GPT-5.6, les écritures de cache coûtent 1,25× le tarif d'entrée non caché, et les lectures gardent la remise de 90 % habituelle, avec une durée de vie minimale de cache de 30 minutes et des points de coupure ("cache breakpoints") explicites à placer dans le prompt.

Le cache est rentable quand un même bloc de contexte, un fichier CLAUDE.md, une base de code volumineuse, un schéma d'outils MCP, revient dans plusieurs appels rapprochés. Il ne l'est pas si chaque appel repart avec un contexte différent : dans ce cas, vous payez la surprime d'écriture (1,25× à 2× selon le fournisseur) sans jamais toucher la remise de lecture.

Le contexte long n'est pas facturé pareil partout

Une différence structurante, peu connue, distingue Anthropic d'OpenAI sur les gros contextes.

Chez OpenAI, sur GPT-5.6 : au-delà de 272 000 tokens d'entrée, la requête entière bascule à 2× le tarif d'entrée et 1,5× le tarif de sortie.

Chez Anthropic, la fenêtre de 1M tokens d'Opus 5 est facturée au tarif standard, sans palier : "une requête de 900k tokens est facturée au même tarif par token qu'une requête de 9k tokens".

Concrètement, une tâche qui charge 400 000 tokens de code source pour une revue de sécurité complète franchit le seuil des 272K chez OpenAI et voit toute la requête, pas seulement le dépassement, doubler de prix côté entrée. La même tâche chez Anthropic reste au tarif de base. Pour les usages qui poussent régulièrement le contexte au-delà de quelques centaines de milliers de tokens, cette règle pèse plus lourd sur la décision de fournisseur que le tarif catalogue affiché à volume standard.

Batch et modes rapides : deux façons d'acheter le temps

Le batch API applique une remise de 50 % chez les deux fournisseurs, en échange d'un traitement asynchrone (résultats en différé, pas en temps réel).

Chez Anthropic, sur Opus 5 : 2,50 $ / MTok en entrée et 12,50 $ / MTok en sortie en batch, contre 5 $ / 25 $ en synchrone.

Chez OpenAI, sur GPT-5.6 : Sol passe à 2,50 $ / 15,00 $, Terra à 1,25 $ / 7,50 $, Luna à 0,50 $ / 3,00 $.

Le batch a du sens pour tout ce qui n'exige pas de réponse immédiate : génération de documentation en masse, analyse de logs, migration de code sur des centaines de fichiers. Il n'a aucun sens pour une session de développement interactive où vous attendez la réponse pour continuer.

À l'inverse, le fast mode d'Opus 5 (research preview) va dans le sens opposé : environ 2,5× la vitesse par défaut, pour 2× le prix de base, soit 10 $ / MTok en entrée et 50 $ / MTok en sortie. Disponible uniquement sur l'API Claude en direct, pas sur AWS ni sur les clouds partenaires, et incompatible avec le batch.

Ce calcul est gagnant quand la latence coûte plus cher que le token, typiquement en pipeline CI où chaque minute d'attente bloque une chaîne d'étapes, ou en usage interactif où un développeur reste les bras croisés devant son terminal. Il est perdant pour tout traitement de masse où le temps total importe peu face au volume : dans ce cas, le batch à moitié prix est presque toujours le meilleur calcul, sauf urgence.

Comparer à performance égale, pas à prix égal

Le vrai test n'est pas "quel modèle coûte le moins cher par token", mais "combien coûte le même niveau de résultat".

Artificial Analysis mesure indépendamment, avec son propre harnais, le coût réel par tâche de son Intelligence Index v4.1 :

Ce "coût" est un coût par tâche de l'index, pas un tarif catalogue par million de tokens : il mélange le prix du modèle et sa consommation réelle de tokens sur les tâches de l'index. C'est justement ce qui en fait un outil utile pour comparer à performance comparable plutôt qu'à prix affiché identique.

Le tech report de Kimi K3 documente des comparaisons du même ordre, à prendre comme ce qu'elles sont : des chiffres publiés par Moonshot, avec son propre harnais et ses propres critères. Trois exemples chiffrés :

• Sur Kimi Code Bench 2.0, K3 reste 4 points derrière Claude Fable 5, mais à 38 % de son coût. À effort high, K3 égale déjà le score de Claude Opus 4.8 à effort maximum pour environ un tiers du coût.
• Sur BrowseComp, K3 obtient le meilleur score du comparatif (91,2 %) à 2,03 $ par tâche, soit la moitié du coût de GPT-5.6 Sol (90,4 %) et un ordre de grandeur de moins que les modèles Claude à effort maximum.
• Sur GDPval-AA v2, K3 reste à moins de 50 points Elo de GPT-5.6 Sol pour 13 % de coût en moins, et 2,6 fois moins cher que Claude Fable 5.

Tableau récapitulatif des tarifs vérifiés

Tarifs constatés le 28 juillet 2026, en dollars par million de tokens.

Pour GPT-5.6, les écritures de cache s'ajoutent à 1,25× le tarif d'entrée non caché, chez les trois variantes. Au-delà de 272 000 tokens d'entrée, toute la requête bascule à 2× l'entrée et 1,5× la sortie.

Comment estimer le coût d'une tâche réelle

Comparer des prix catalogue ne remplace jamais une mesure sur votre propre usage. Voici l'ordre à suivre.

Un dernier facteur à ne pas négliger dans cette mesure : la vitesse de réponse varie fortement d'un modèle à l'autre, indépendamment du prix. Artificial Analysis relève par exemple un temps avant premier token de 18,41 secondes pour Claude Opus 5 à effort high, contre 2,04 secondes pour GPT-5.6 Terra au même effort. Un facteur 9 qui ne se lit sur aucune page de pricing, mais qui pèse directement sur le temps réel passé à attendre une réponse, donc sur la productivité par euro dépensé.

Prochaines étapes

• Coûts réels de Claude Code : le calcul de base, MCP compris, abonnements et stratégies d'optimisation au quotidien
• Gestion du contexte : réduire le volume de tokens d'entrée à la source
• Extended Thinking et Plan Mode : quand activer le thinking profond, et à quel prix
• Configurateur interactif : générer une configuration adaptée à votre budget