Pourquoi ces chiffres comptent pour quiconque fait tourner un agent de codage

Si vous faites tourner un agent de codage IA, votre facture est déterminée par une poignée de prix de tokens et un fait : l'agent relit son contexte à chaque étape, ce qui signifie que les mêmes tokens sont facturés encore et encore. Connaître les tarifs par token, la prime des tokens de sortie et la remise du caching, c'est ce qui transforme une facture surprenante en un budget maîtrisable. Les chiffres ci-dessous sont les leviers qui font réellement bouger les coûts. Ces prix évoluent à mesure que de nouveaux modèles sont publiés ; considérez chaque chiffre comme « en vigueur en 2026, selon la source citée » et vérifiez la page principale avant de le citer. Les relations entre eux — la sortie coûte plus que l'entrée, les lectures cache sont une fraction des lectures fraîches — restent stables même lorsque les prix absolus changent.

Combien coûte un million de tokens sur Claude ?

Un million de tokens sur Claude Opus 5 coûte environ 5 $ pour l'entrée et 25 $ pour la sortie, selon la documentation tarifaire d'Anthropic (2026). Sonnet 5, la valeur par défaut la plus courante pour le codage, tourne autour de 2 $ / 10 $ (tarif de lancement jusqu'au 31 août 2026, puis 3 $ / 15 $), et Haiku 4.5 autour de 1 $ / 5 $. Ces chiffres semblent dérisoires jusqu'à ce que l'on réalise qu'une session agentique peut pousser des centaines de milliers de tokens à travers le modèle sur de nombreux tours — et la majeure partie correspond à des tokens d'entrée que l'agent renvoie continuellement. Le prix au million est l'unité ; la relecture tour par tour est le multiplicateur.

Comment Claude se situe-t-il face à GPT-4.1 et Gemini 2.5 Flash ?

Claude n'est pas la seule option pour un agent de codage. GPT-4.1 chez OpenAI et Gemini 2.5 Flash chez Google sont les alternatives les plus souvent comparées. GPT-4.1 coûte 2,00 $ par million de tokens d'entrée et 8,00 $ en sortie, soit un ratio sortie/entrée de 4×, selon la page tarifaire d'OpenAI (2026). OpenAI applique un prompt caching automatique sur GPT-4.1 avec une remise de 75 % sur les tokens d'entrée mis en cache — moins que les 90 % d'Anthropic, mais de structure différente : la mise en cache est automatique chez OpenAI, là où Anthropic exige un point de rupture cache_control explicite. Gemini 2.5 Flash coûte 0,30 $ par million de tokens d'entrée et 2,50 $ en sortie hors raisonnement, selon la tarification Google AI (2026). Les tokens de raisonnement y sont facturés séparément à 3,50 $ le million : une tâche à raisonnement intensif coûte donc nettement plus que ne le laisse croire le tarif affiché.

Modèle	Entrée ($/MTok)	Sortie ($/MTok)	Remise lecture cache	Context window
Claude Sonnet 5	2,00 $	10,00 $	−90 % (10 % de l'entrée)	1M
Claude Opus 5 / 4.8	5,00 $	25,00 $	−90 % (10 % de l'entrée)	1M
GPT-4.1	2,00 $	8,00 $	−75 % (automatique)	1M
Gemini 2.5 Flash	0,30 $	2,50 $ (hors raisonnement)	10 % de l'entrée	1M

Sources : tarification Anthropic, OpenAI et Google AI (2026).

Gemini 2.5 Flash passe très nettement sous tous les paliers Claude à l'entrée, et GPT-4.1 se situe désormais au niveau de Sonnet 5 à 2 $. Qu'un tarif affiché plus bas se traduise par une facture plus basse dépend de la structure de la session : le ratio entrée/sortie et le comportement du cache interagissent avec le prix d'une manière qui peut inverser le classement.

Pourquoi la sortie est-elle si bien plus chère que l'entrée ?

Les tokens de sortie coûtent environ cinq fois plus que les tokens d'entrée sur Claude (25 $ contre 5 $ par million sur Opus 5), selon la tarification Anthropic (2026). Ce ratio se maintient sur toute la gamme de modèles. La conséquence contre-intuitive : le levier le moins coûteux n'est généralement pas « faire écrire moins au modèle ». C'est « faire lire moins au modèle ». Les dépenses d'un agent de codage sont dominées par ce qu'il ingère en entrée — fichiers, sorties de commandes, historique de conversation — et non par le code qu'il émet. Demander à un agent d'« être concis » réduit la partie coûteuse par token mais peu volumineuse de la sortie ; réduire ce qu'on lui envoie s'attaque au volume plus important.

Combien le prompt caching permet-il d'économiser ?

Un token d'entrée mis en cache coûte environ 10 % d'un token frais — les lectures cache sont facturées à 0,1× le prix d'entrée de base, selon la documentation prompt caching d'Anthropic (2026). La contrepartie est une prime d'écriture unique (environ 1,25× pour le cache de 5 minutes), donc le caching devient rentable dès une seule relecture. Pour les longues sessions de codage, l'impact est significatif : les parties stables de votre contexte — prompt système, règles du projet, documentation de référence — peuvent être servies à un dixième du prix à chaque tour après le premier, au lieu d'être refacturées en totalité. C'est pourquoi maintenir des instructions stables et favorables au cache est un vrai levier de coût, pas une micro-optimisation.

Qu'est-ce qui a changé avec le context window à un million de tokens ?

Les modèles Opus et Sonnet actuels de Claude offrent un context window de 1 000 000 tokens facturé à tarif fixe sur toute la fenêtre — selon les termes d'Anthropic, « une requête de 900k tokens est facturée au même tarif par token qu'une requête de 9k tokens ». Le surcoût qui s'appliquait autrefois au-delà d'environ 200 000 tokens a disparu, et les remises de cache de prompt et de traitement par lot s'appliquent au tarif standard sur l'ensemble de la fenêtre. Des fenêtres plus grandes rendent possible de fournir davantage à l'agent — mais « possible » ne signifie pas « judicieux ». Chaque token dans la fenêtre est toujours facturé et refacturé à chaque tour, et les modèles prêtent le moins d'attention au contenu enfoui au milieu d'un long contexte. Un context window à un million de tokens récompense une ingénierie de contexte disciplinée, pas le remplissage indiscriminé.

Combien de tokens consomme une vraie session de codage ?

Les données d'usage en production publiées en 2026 montrent que le coût du codage agentique n'a rien de théorique. À l'échelle de la session, l'analyse d'équipes en production menée par Vantage (2026) situe une session typique de 50 tours autour d'un million de tokens d'entrée et 40 000 en sortie, pour un coût indicatif allant de 0,60 $ (modèles légers) à 6,00 $ (classe Opus), et une dépense mensuelle moyenne de 400 à 1 500 $ pour un développeur faisant tourner des agents à plein temps. À l'échelle de l'organisation, Uber a consommé la totalité de son budget IA 2026 en quatre mois après avoir déployé Claude Code auprès d'environ 5 000 ingénieurs, avec des coûts mensuels de 500 à 2 000 $ par ingénieur pour les utilisateurs intensifs. Microsoft a réagi en annulant ses licences Claude Code dans une de ses divisions pour rediriger ses ingénieurs vers GitHub Copilot CLI. À l'extrême, l'équipe de Peter Steinberger a fait tourner une centaine d'instances Codex dans le cloud pendant un mois entier, accumulant 603 milliards de tokens sur 7,6 millions de requêtes, pour une facture affichée de 1 305 088,81 $. Le chiffre provient d'une capture d'écran publiée par l'intéressé. Un article de recherche sur la gestion du contexte des agents (arXiv:2508.21433, présenté au workshop DL4Code de NeurIPS 2025) confirme que le contexte relu est le principal moteur de coût, et montre qu'un simple masquage des observations — remplacer les anciennes sorties d'outils par des marqueurs — divise par deux le coût d'un agent tout en égalant le taux de résolution d'approches de résumé par LLM bien plus onéreuses. L'audit de 30 équipes d'ingénierie faisant tourner de l'IA agentique en production, mené par LeanOps entre mars et mai 2026, chiffre le contexte renvoyé à environ 62 % de la facture totale dans ces organisations.

Type de session	Tokens d'entrée (approx.)	Tokens de sortie (approx.)	Coût indicatif (Sonnet 5, sans cache)
Session agentique typique de 50 tours	≈ 1 000 000	≈ 40 000	≈ 2,40 $
Session de débogage complexe	500 000 +	variable	1,00 $ +
Boucle multi-agents emballée (11 jours)	milliards	variable	47 000 $ au total

Sources : Vantage (2026) et post-mortem publié sur dev.to. Coûts indicatifs calculés à 3 $/MTok en entrée et 15 $/MTok en sortie, sans cache.

Quelles remises existent au-delà du prompt caching ?

Trois mécanismes de réduction supplémentaires sont disponibles sur la plateforme d'Anthropic en 2026. API Batch (−50 %). L'API Message Batches traite les requêtes de façon asynchrone sous 24 heures, à exactement 50 % de remise sur l'entrée et la sortie. Claude Sonnet 5 passe de 2 $/10 $ à 1 $/5 $ le million ; Haiku 4.5 de 1 $/5 $ à 0,50 $/2,50 $. Il n'y a aucune différence de qualité entre une réponse batch et une réponse synchrone, seulement de délai. C'est adapté aux pipelines d'analyse de code hors ligne, aux évaluations nocturnes et aux refactorings de masse qui tolèrent quelques heures de latence. Cumuler cache et Batch. Les deux remises se cumulent. Une requête batch qui touche aussi le cache sur un prompt système stable de 10 000 tokens paie 50 % de moins sur la prime d'écriture (1,25× × 0,5 = 0,625×) et 50 % de moins sur les lectures cache (0,1× × 0,5 = 0,05×, soit 5 % du prix d'entrée de base). Routage par palier de modèle. Puisque Haiku 4.5 coûte la moitié de Sonnet 5 à chaque palier, router les étapes simples d'un agent — lister des fichiers, formater une sortie, effectuer une lecture équivalente à une recherche — vers le modèle léger est une économie composée. L'audit LeanOps observe que les équipes atteignant 50 à 70 % de réduction en deux semaines combinaient systématiquement plafonds de budget par utilisateur, prompt caching, routage par palier et élagage du context window.

Qu'est-ce que cela signifie pour votre facture d'agent ?

En résumé : le volume d'entrée domine, la sortie porte une prime de 5×, le contexte mis en cache représente ~10 % du coût du contexte frais, et une fenêtre plus grande ne réduit pas le prix par token. La lecture actionnable est que le mouvement à plus fort levier consiste à envoyer moins de tokens, mais de meilleurs tokens — récupérer par le sens, compresser la sortie, mettre en cache le contexte stable. Le guide complet se trouve dans Comment réduire l'utilisation de tokens d'un agent de codage IA, et Tokenade applique ces leviers automatiquement.

Notes de sources

Les prix par token et le ratio entrée/sortie proviennent de la page officielle de tarification d'Anthropic (2026) — source primaire, mais les versions de modèles et les prix changent ; vérifiez avant de citer.
La remise sur les lectures cache provient de la documentation prompt caching d'Anthropic (2026) — source primaire.
Le changement vers un contexte à tarif fixe à un million de tokens est rapporté par The New Stack (2026) — source secondaire corroborant la documentation sur le context window d'Anthropic.
Les volumes par session proviennent de l'analyse de production Vantage et de l'audit de 30 équipes de LeanOps (2026) — sources secondaires. Cette page indiquait auparavant qu'aucune source publique solide n'existait sur ce point ; ce n'est plus vrai, mais ces chiffres restent des observations d'échantillons et non des moyennes de l'industrie. Le seul chiffre qui vaut pour votre équipe est le vôtre : mesurer la consommation d'un agent explique comment l'obtenir.
Les résultats sur le masquage des observations proviennent de arXiv:2508.21433, présenté au workshop DL4Code de NeurIPS 2025 — article évalué par les pairs.
Les tarifs OpenAI et Google viennent de leurs pages développeur respectives (OpenAI, Google AI, 2026) — sources primaires.
Les chiffres Uber, Microsoft, OpenClaw et celui des 47 000 $ sont issus de la presse et de post-mortems publiés, repris ici tels que rapportés. Ce sont des cas extrêmes cités comme tels, pas des références de dimensionnement.

Coûts en tokens des agents de codage IA : chiffres clés

Chiffres clés