veilletech.frCe qui se passe
Dans un billet du 25 octobre 2026, Max Woolf cherche pourquoi OpenAI et Anthropic ont baissé leurs prix jusqu'à 80 % en quelques mois. Une grande partie du texte est de l'économie du secteur (concurrence, introductions en bourse attendues) : c'est de l'opinion, à lire comme telle. Un point en revanche se transpose directement à une facture de développeur : le prix qui compte pour un agent de code est celui du cache read.
Les tarifs s'expriment en dollars par million de tokens, dans l'ordre entrée / sortie / cache read.
Pourquoi le cache domine
À chaque tour, un agent renvoie toute la conversation précédente. Selon l'auteur, cette part relue depuis le cache fait 96 à 99 % des tokens dépensés, pour un taux de réussite du cache de 90 à 100 % (variable selon l'infrastructure du fournisseur). Le coût réel d'une session se rapproche donc de :
tokens relus × prix du cache read
Exemple de calcul (le nôtre, pas une mesure) : 10 millions de tokens relus coûtent 1 $ à 0,10 $ le million et 10 $ à 1 $ le million, avec les mêmes prix d'entrée et de sortie.
Les chiffres du billet
- Claude Fable 5.1 (1er septembre) : 10 / 50 / 0,25 contre 10 / 50 / 1 pour Fable 5. Cache read −75 %, prix d'entrée et de sortie inchangés ; l'auteur en déduit un coût d'usage réduit de 70 à 75 %.
- GPT-6.1 Sol (29 septembre) : 2 / 10 / 0,10, cache read divisé par deux, aligné sur les 5 % du prix d'entrée d'Anthropic.
- DeepSeek V4.1 Flash (1017) : 0,15 / 0,60 / 0,003, soit un cache à 2 % du prix d'entrée, contre 5 à 10 % chez OpenAI et Anthropic selon l'auteur : le coût effectif est plus bas que l'affiché.
- OpenRouter : 29 fournisseurs hébergent ce modèle (13 en mai pour la version précédente) ; Cloudflare et DeepInfra sont à moins de 10 % du coût effectif de DeepSeek. Moonshot annonce Kimi K3.1 Pro à 2 / 10 / 0,20, poids attendus le 4 novembre selon le billet.
- Vercel AI Gateway : le coût par token est tombé à 43,3 % de celui d'avril, mais la dépense totale augmente, les modèles progressant plus vite que les prix ne baissent.
Ce que ça change
Comparer des modèles sur le prix d'entrée ou de sortie masque l'essentiel. Un modèle plus cher à l'entrée peut coûter moins à l'usage si son cache read est bas et si le fournisseur l'atteint souvent. Sur les modèles à poids ouverts, le même modèle chez plusieurs hébergeurs se différencie surtout par le prix du cache et son taux de réussite.
Limites
- Les 96 à 99 % sont une estimation de l'auteur à partir de son usage d'agents de code, pas une mesure publique ; la baisse de 70 à 75 % en découle par calcul.
- Les tarifs sont un instantané au 24 octobre : ils vont bouger.
- Le billet défend aussi une thèse (les prix ne remonteront pas) et spécule sur les marges d'inférence : rien de vérifié ici.
Comment s'y prendre
- Relever, sur le tableau de bord du fournisseur ou de la passerelle, le volume de cache read, le taux de réussite et son prix par million.
- Comparer les modèles au coût par tâche, sur vos propres tâches.
- Sur OpenRouter, regarder le coût effectif par endpoint plutôt que la seule ligne de prix.
Source : Max Woolf's Blog, 25 octobre 2026. Source en anglais.