Tarifs de l'API Claude : Opus, Sonnet et Haiku (2026)

L'API Claude facture au token, et les trois niveaux Opus, Sonnet et Haiku ont des prix unitaires et des tâches adaptées différents. Se fier au seul « prix par million de tokens » conduit facilement à un mauvais choix : ce qui détermine réellement la facture, c'est le ratio entrée/sortie, le taux de réussite du cache, le nombre de retries et la capacité du modèle à réussir la tâche du premier coup.

Cet article ne fixe aucun prix unitaire ; il propose une méthode réutilisable de comparaison des coûts : comment répartir les trois niveaux, de quoi se compose la facture, pourquoi un même volume d'appels coûte plusieurs fois plus cher, comment budgéter à partir de journaux réels, et dans quel ordre réduire les coûts. Les prix unitaires applicables sont ceux de la documentation officielle d'Anthropic et de la page Tarifs des modèles.

Remarque : Anthropic et Claude sont des marques de leurs détenteurs respectifs. Les modèles, fenêtres de contexte et prix évoluent ; cet article décrit les versions courantes d'octobre 2026 et il convient de vérifier à nouveau les pages officielles avant tout achat.

1. Comment répartir Opus, Sonnet et Haiku

Niveau	Modèle représentatif actuel	Positionnement	Tâches adaptées	Ordre de coût
Opus	Claude Opus 5.5	Raisonnement et tâches longues les plus puissants	Code complexe, revue d'architecture, agents multi-étapes	Élevé
Sonnet	Claude Sonnet 5.5	Équilibre capacité/vitesse	Développement courant, service client, traitement documentaire	Moyen
Haiku	Claude Haiku 5.5	Faible latence, forte concurrence	Classification, extraction, réécriture, routage	Faible

Les modèles évoluent : ne mémorisez pas les noms, référez-vous à la page Tarifs des modèles et à la liste officielle. Pour un projet ancien utilisant encore Sonnet 5 ou Haiku 4.5, vérifiez d'abord le cycle de vie et le coût de migration avant de décider d'une mise à niveau.

Une erreur fréquente est d'utiliser Opus partout. Pour une tâche complexe, Opus peut être plus économique car il réussit du premier coup ; pour une classification simple, Opus dépense du budget là où ce n'est pas nécessaire. La bonne approche est de répartir par tâche, pas de choisir un modèle selon la préférence de l'équipe.

2. La facture se compose de cinq blocs

Poste	Quand il apparaît	Impact sur le coût	Moyen de maîtrise
Tokens d'entrée	Prompt système, historique, définitions d'outils, documents	Croît linéairement avec le contexte	Recherche, résumé, troncature de l'historique
Tokens de sortie	Contenu généré et réflexion du modèle	Généralement supérieur au prix d'entrée	Limiter max_tokens, sorties structurées
Écriture de cache	Première écriture du préfixe en cache	Supplément à l'écriture	Ne cacher que le contenu stable et réutilisé
Lecture de cache	Préfixe déjà en cache	Généralement nettement inférieur à l'entrée	Préfixe stable, ordre d'outils fixe
Traitement par lots	Tâches non temps réel	Remise généralement applicable	Annotation, résumé, analyse hors ligne via Batch

En décomposant une requête, la formule de coût est :

coût d'une requête =
  tokens d'entrée non cachés × prix d'entrée
+ tokens d'écriture de cache × prix d'écriture de cache
+ tokens de lecture de cache × prix de lecture de cache
+ tokens de sortie × prix de sortie

Ce n'est qu'en appliquant cette formule aux journaux de requêtes que l'on peut répondre à « combien coûte réellement cette fonction par mois ». La facture totale de la console ne permet pas d'identifier quel projet ou quel type de requête consomme.

3. Pourquoi un même million de tokens donne des factures différentes

Scénario	Structure typique des tokens	Coût principal	Axe d'optimisation
Chatbot de service client	Entrée élevée, sortie moyenne	Historique renvoyé à chaque tour	Résumé et cache
Classification documentaire	Entrée moyenne, sortie courte	Documents relus plusieurs fois	Traitement par lots et Haiku
Agent de code	Entrée et sortie élevées	Résultats d'outils et réflexion	Recherche, effort, cache
Génération de texte long	Entrée courte, sortie longue	Prix de sortie	Génération par segments et max_tokens

Les écarts viennent généralement de cinq facteurs :

Ratio entrée/sortie : le service client et la génération longue ont des structures totalement différentes ; une moyenne unique ne permet pas d'estimer.
Taux de cache : un prompt système et des définitions d'outils fixes se réutilisent ; un horodatage ou un identifiant aléatoire à chaque appel invalide le cache.
Nombre de retries : les renvois après 429 ou 529 augmentent le volume ; la facturation des échecs et des retries dépend de la facture réelle.
Niveau de modèle : l'écart de coût entre Opus et Haiku est important ; un mauvais appariement multiplie le budget.
Longueur du contexte : insérer tout le document à chaque tour accumule le coût d'entrée au fil des échanges.

4. Réaliser une comparaison de coûts reproductible

Ne décidez pas sur « Sonnet devrait suffire » : faites tourner un lot de tâches réelles.

Sélectionnez 20 à 50 tâches réelles couvrant les niveaux simple, moyen et complexe, avec des critères d'acceptation explicites.
Utilisez count_tokens pour relever les tokens d'entrée de chaque requête ; lisez les tokens de sortie dans le champ usage de la réponse.
Faites tourner le même lot sur Opus, Sonnet et Haiku en relevant la note de qualité et le nombre de reprises humaines.
Intégrez retries, cache et remise batch dans le coût par tâche.
Décidez sur le coût « par tâche conforme produite », pas sur le prix affiché par million de tokens.

import os
from anthropic import Anthropic

client = Anthropic(
    api_key=os.environ["ANTHROPIC_API_KEY"],
    base_url="https://ai.zhongshangqihang.com",  # noms de modèles selon la page de tarifs
)

messages = [{"role": "user", "content": "Extrais ces clauses de contrat en JSON : ..."}]

for model in ["claude-opus-5-5", "claude-sonnet-5-5", "claude-haiku-5-5"]:
    count = client.messages.count_tokens(model=model, messages=messages)
    resp = client.messages.create(
        model=model,
        max_tokens=512,
        messages=messages,
    )
    print(model, count.input_tokens, resp.usage.output_tokens)

Ce code ne compte que les tokens, pas le montant. Pour le montant, multipliez par le prix unitaire réel de votre compte, lu sur la page Tarifs des modèles : ne réutilisez pas une capture d'écran de plusieurs mois.

5. Ordre de réduction des coûts

Activez d'abord le cache : fixez le prompt système, les définitions d'outils et le préfixe de base de connaissances, puis vérifiez avec cache_read_input_tokens que le cache est réellement utilisé.
Réduisez ensuite l'entrée : le RAG ne doit remonter que les extraits pertinents, l'historique doit être résumé ; ne versez pas toute la base dans le contexte.
Limitez la sortie : fixez un max_tokens raisonnable, demandez du JSON ou des champs fixes, réduisez les formules de politesse et les répétitions.
Passez les tâches hors ligne en Batch : annotation, résumé et classification sans retour immédiat relèvent du traitement par lots.
Mettez en place un routage de modèles : Haiku pour le simple, Sonnet ou Opus pour le complexe, selon la difficulté et non selon l'habitude de l'équipe.
Ajustez l'effort : profondeur de réflexion plus faible pour les tâches simples, plus élevée pour les complexes ; n'utilisez pas un seul niveau pour toutes les requêtes.
Supervisez et alertez : suivez l'usage par projet, fixez un plafond budgétaire et passez en revue chaque semaine le classement des consommations.

Ne inversez pas l'ordre. Traitez d'abord le cache et l'entrée, puis envisagez un modèle moins cher ; sinon, vous rendez simplement une mauvaise réponse moins coûteuse.

6. Gérer budget et facturation

Une clé par projet, avec un plafond budgétaire et des alertes par projet.
Chaque mois, rapprochez selon trois axes — projet, modèle, scénario — pour identifier les appels qui croissent le plus vite.
Enregistrez séparément les économies liées au cache, au batch et au routage, sinon l'effet des optimisations reste impossible à prouver.
Les équipes ayant besoin d'un paiement et d'une facture en yuans peuvent unifier la facturation via une passerelle IA locale ; les prix, taux de change et règles de facturation sont ceux de la page Tarifs des modèles.

Questions fréquentes

Opus est-il toujours plus cher que Sonnet ?

Au prix unitaire, généralement oui, mais pas nécessairement au coût « par tâche conforme ». Une tâche complexe traitée par Sonnet avec des retries et des reprises humaines peut coûter plus cher qu'un seul passage Opus. Comparez avec votre propre jeu d'évaluation, pas seulement avec le prix affiché.

Combien le cache permet-il d'économiser ?

Cela dépend du taux de réutilisation du préfixe et du taux de réussite. La lecture de cache est généralement nettement moins chère que l'entrée, mais l'écriture a un supplément ; un préfixe trop court peut ne pas être cachable, et un contenu qui change à chaque fois ne sera jamais réutilisé.

À quelles tâches convient l'API Batch ?

Aux tâches non temps réel et différables : annotation, résumé, classification, extraction par lots. Elle ne convient pas au service client en ligne ni aux interactions exigeant une réponse immédiate. Le traitement par lots offre généralement une remise, au prix d'une mise en file et d'un délai de résultat.

Pourquoi la facture est-elle plus élevée que l'estimation ?

Les oublis courants sont l'historique des messages, les définitions d'outils, les images, les retries, l'écriture de cache et les sorties longues. Comparez l'identifiant de requête avec les journaux d'usage pour localiser l'écart.

Comment une équipe en Chine peut-elle régler en yuans ?

Elle peut appeler Claude via une passerelle IA proposant recharge et facture en yuans, avec une facturation multi-modèles unifiée. Les modèles disponibles, prix et règles de facturation sont ceux de la page Tarifs des modèles.

Pour aller plus loin

Créez d'abord une clé de test sur ZSQH AI Gateway, faites tourner un lot de tâches réelles avec Haiku puis avec Sonnet, relevez tokens et qualité, puis choisissez le modèle principal. La disponibilité des modèles et les prix sont ceux de la page Tarifs des modèles.