Les modèles les plus chers d'Anthropic et d'OpenAI coûtent 100 fois plus par token que les plus petits de leurs gammes, mais beaucoup d'utilisateurs recourent au modèle phare pour tout.

Le coût de cette habitude n'est plus théorique. Les classements d'utilisation chez Meta, Amazon et Uber ont fait bondir les factures d'IA, et Uber a épuisé son budget d'outils d'IA 2026 en quatre mois environ. Les employés de Meta ont consommé 60 000 milliards de tokens d'IA en 30 jours plus tôt cette année pour décrocher une place dans un classement interne surnommé « Claudeonomics ». Le chroniqueur tech Gergely Orosz a estimé la note à environ 900 millions de dollars aux tarifs publics d'Anthropic, même si Meta paie probablement bien moins.

La consultante de Bain & Company Jue Wang observe une version plus discrète de ce gaspillage dans de nombreuses organisations. « Tant d'entreprises, tant d'utilisateurs utilisent Opus par défaut pour tout, y compris rédiger des e-mails », a-t-elle déclaré à l'Associated Press cet été, en référence aux modèles haut de gamme d'Anthropic. Faire de même revient à engager Albert Einstein pour vous rendre la monnaie au McDonald's.

Chaque mot saisi dans ChatGPT ou Claude — et chaque mot que le modèle renvoie — est facturé en tokens, des blocs de texte représentant en moyenne environ les trois quarts d'un mot. Avec un abonnement à 20 $, ce compteur détermine la vitesse à laquelle la limite d'utilisation est atteinte. Sur l'API, l'accès payant au token que les développeurs utilisent pour intégrer des modèles à leurs applications, il détermine la facture.

La liste de tarifs actuelle d'Anthropic facture au million de tokens, et le tarif de Haiku ne s'applique qu'aux prompts de moins de 100 000 tokens ; les prompts plus longs coûtent cinq fois plus cher. Le modèle phare coûte 100 fois plus que le plus petit, et la gamme d'OpenAI affiche le même écart, de 10 $ à 0,10 $ par million de tokens d'entrée.

Ces prix au token s'accumulent vite pour les laboratoires — et pour leurs clients. Le taux de revenus annualisé d'Anthropic est passé d'environ 9 milliards de dollars fin 2025 à plus de 47 milliards en mai, tandis qu'OpenAI mène une guerre des prix pour suivre le rythme.

Quelques habitudes permettent de réduire fortement ces dépenses, et les cinq premières astuces ci-dessous ne demandent aucune programmation.

Ce que signifie tokenmaxxing (et ce qu'il devrait signifier)

Le tokenmaxxing a commencé comme un étalage de force de la Silicon Valley, à l'image du Claudeonomics de Meta, avec Microsoft, Shopify et Amazon classant leurs employés sur des classements de tokens similaires. Le PDG de Nvidia Jensen Huang a jeté de l'huile sur le feu en déclarant sur le podcast « All-In » en mars qu'il serait « profondément alarmé » qu'un ingénieur payé 500 000 $ ne consomme pas au moins 250 000 $ de tokens.

Et brûler des tokens, ils l'ont fait — souvent à des tâches improductives. Chez Amazon, des employés ont admis gonfler leurs chiffres en utilisant l'outil d'IA interne sur des tâches sans rapport, jusqu'à ce qu'un vice-président senior demande au personnel : « Merci de ne pas utiliser l'IA pour le simple plaisir d'utiliser l'IA. »

Ce guide retient le sens que défendent désormais les ingénieurs : maximiser la valeur de chaque token, non le nombre dépensé — une pratique qu'IBM décrit comme le tokenmaxxing comme indicateur de productivité.

Trois concepts expliquent où vont réellement les tokens, à commencer par la boucle d'agent. Un agent est un modèle capable d'utiliser des outils : il réfléchit, cherche sur le web ou exécute du code, lit le résultat, puis recommence jusqu'à juger sa tâche accomplie — en renvoyant toute la conversation à chaque tour.

L'orchestration multiplie ce coût. Un modèle joue le rôle de gestionnaire, découpe la requête, la confie à des modèles travailleurs appelés sous-agents, puis réassemble leurs réponses. Chaque travailleur exécute sa propre boucle avec sa propre mémoire, raison pour laquelle Anthropic indique que les équipes d'agents dans Claude Code peuvent consommer environ sept fois plus de tokens qu'une session standard lorsque les coéquipiers tournent en mode plan, un paramètre abordé dans les astuces intermédiaires ci-dessous.

Les graphes permettent aux développeurs d'éviter que ces boucles ne partent en vrille. Des frameworks comme LangGraph permettent de dessiner un flux de travail comme un plan de métro, avec des stations (nœuds) qui font le travail et des voies (arêtes) qui décident de la suite, afin que le modèle suive un itinéraire fixe au lieu de boucler jusqu'à épuisement des idées ou du budget.

Les boucles automatisent des tâches et améliorent la qualité, mais elles brûlent aussi de l'argent — d'où l'importance cruciale de l'efficacité.

Débutant : petites tâches, petits modèles

1. Choisir le modèle adapté à la tâche. La plupart des débutants utilisent l'IA via une interface graphique. Cliquez sur le nom du modèle dans l'application de chat (en haut du chat dans ChatGPT, à côté du bouton d'envoi dans Claude ou Hermes) et passez à une option plus petite et plus rapide pour les e-mails, les résumés et les reformulations. Réservez le modèle phare aux raisonnements complexes et aux décisions où une erreur subtile coûte cher. Exécutez cinq tâches de la semaine passée sur les deux modèles côte à côte ; si le petit passe, gardez-le. Avec un abonnement, cela prolonge la limite d'utilisation, et sur l'API cela réduit la facture jusqu'à 99 %.

2. Écrire un bon prompt au lieu de cinq mauvais. Trois tours de « non, juste le total » ou «s cela meilleur et plus précis » renvoient tout le chat à chaque fois. Un prompt clair précise la tâche et la forme exacte de la réponse. Quelque chose comme ceci peut fonctionner :

Extrayez le numéro de facture, la date, le fournisseur et le total du texte ci-dessous. Conservez chaque valeur exactement telle qu'écrite. Renvoyez une ligne par champ, et écrivez « missing » si un champ est absent.

Les propres tests d'OpenAI ont montré que des prompts plus concis et plus clairs obtenaient de meilleurs scores tout en consommant moins de tokens.

3. Ouvrir un nouveau chat quand on change de sujet. Le modèle relit toute la conversation à chaque envoi ; un fil de 50 messages sur vos vacances rend votre question fiscale plus coûteuse et plus bête à la fois. Anthropic appelle cette dégradation le « context rot ». Ouvrez un nouveau chat dès que le sujet change.

4. Demander la taille voulue. Les tokens de sortie coûtent cinq fois plus que l'entrée sur les modèles phares d'Anthropic et d'OpenAI. Terminer ses prompts par des consignes comme « trois puces, moins de 100 mots » ou « uniquement les lignes modifiées » laisse au modèle moins de marge pour gonfler la réponse. Les contraintes de longueur de sortie économisent des tokens, surtout sur les tâches créatives comme l'écriture ou la recherche, plutôt que déterministes comme le code ou les mathématiques.

5. Essayer gratuitement avant de payer. OpenRouter, un site qui donne accès à des centaines de modèles d'IA via un seul compte, propose un routeur gratuit qui envoie les requêtes à l'un des quelque 20 modèles sans frais. Les modèles peuvent aussi tourner en local avec LM Studio ou Ollama sur une carte graphique de 8 Go de mémoire vidéo ou un Mac Apple série M. Les offres gratuites peuvent disparaître du jour au lendemain : ne construisez rien d'important dessus et lisez la politique de données avant de coller quoi que ce soit de sensible. Cela dit, les offres gratuites permettent de multiplier les itérations : Hermes propose un bon choix de modèles gratuits susceptibles de faire le travail, Nvidia également. Mieux vaut peaufiner un prompt avec un modèle gratuit moins performant que payer un modèle premium qui fera la même chose, juste plus vite.

Autres astuces débutant : désactivez la réflexion étendue pour les questions simples, ou baissez le paramètre d'effort sur les nouveaux modèles Claude où la réflexion ne peut être coupée — Anthropic facture tout le processus de réflexion comme sortie, y compris la partie que l'utilisateur ne voit jamais. Les abonnés Claude Pro et Max qui activent les crédits d'utilisation peuvent fixer une limite de dépense mensuelle dans Settings, puis Usage.

Intermédiaire : votre agent lit bien trop de choses

Les exemples qui suivent utilisent Claude Code, l'agent d'Anthropic qui tourne dans le terminal et modifie des fichiers ; les commandes se tapent directement dans sa fenêtre de chat. D'autres environnements suivent une logique similaire, et si vous n'utilisez que les applications de chat, l'astuce 8 fonctionne aussi dans n'importe quelle fenêtre de chat.

6. Commencer petit, escalader en cas d'échec. Tapez /model pour changer de modèle, gardez Sonnet par défaut et passez à Opus uniquement quand Sonnet échoue sur un point précis, comme un bug qu'il ne corrige pas après deux essais. Pour les tâches simples de sous-agents, la documentation d'Anthropic suggère de définir model: haiku dans les paramètres du sous-agent.

7. Nettoyer entre les tâches. Tapez / quand vous passez à une tâche sans rapport — cela ne coûte rien et efface l'historique. Utilisez /compact avec une note sur ce qu'il faut conserver, comme /compact keep the database decisions, uniquement si l'historique est vraiment nécessaire, puisque compacter est en soi une grosse requête.

8. Laisser le code faire les calculs fastidieux. Coller un tableur de 5 000 lignes dans un chat oblige le modèle à lire chaque ligne, et il peut encore se tromper ; un modèle de langage n'est pas une calculatrice, quel qu'en soit le prix. Demandez plutôt une formule ou un petit script, exécutez-le vous-même et ne donnez au modèle que le résultat.

9. Alléger vos outils. Les serveurs MCP sont des plugins qui relient un modèle à des applications comme GitHub ou Google Drive, et chacun ajoute des noms d'outils et des instructions à chaque session. Tapez /context pour voir ce qui occupe l'espace et /mcp pour désactiver les serveurs inutiles au projet.

Autres astuces intermédiaires : tapez /usage pour voir où sont partis vos tokens, et gardez votre CLAUDE.md (ou Soul.md) — le fichier d'instructions que l'agent lit au début de chaque session — sous 200 lignes. Pour les changements plus importants, appuyez sur Shift+Tab pour passer en mode plan, où l'agent propose un plan à approuver avant de toucher aux fichiers, et appuyez sur Esc dès qu'il part de travers. Utilisez /effort pour réduire le raisonnement sur des tâches simples comme renommer une variable. Anthropic a montré la consommation d'un agent chutant de 150 000 tokens à 2 000 lorsqu'il ne chargeait que les définitions d'outils nécessaires — une raison pour laquelle les outils en ligne de commande comme gh de GitHub, qui ne coûtent rien tant qu'ils ne s'exécutent pas, battent souvent un plugin permanent.

Avancé : intégrer les garde-fous au système

Prenons un développeur devant traiter 1 000 factures de 2 000 tokens chacune, avec des réponses de 200 tokens : la tâche coûte environ 30 $ sur Fable 5.1 et environ 0,30 $ sur Haiku 5.5, avant les astuces ci-dessous.

10. Mettre en cache les parties qui ne changent jamais. Placez les instructions stables en premier et les parties variables en dernier, et marquez le bloc stable pour la mise en cache. Dans l'API d'Anthropic, cela revient à un champ supplémentaire :

"system": [{
  "type": "text",
  "text": "Your invoice instructions...",
  "cache_control": {"type": "ephemeral"}
}]

Lire depuis le cache coûte une fraction du prix d'entrée normal, tandis qu'écrire dans le cache par défaut de cinq minutes coûte un supplément. Vérifiez le champ cache_read_input_tokens dans chaque réponse ; s'il reste à zéro après le premier appel, le cache ne fonctionne pas.

11. Traiter par lots tout ce qui peut attendre. OpenAI comme Anthropic traitent les tâches par lots avec 50 % de réduction, OpenAI promettant des résultats sous 24 heures. Téléverser les 1 000 factures en un seul fichier de lot au lieu de passer 1 000 appels en direct fait chuter la facture.

12. Tenir les agents en laisse. Fixez un nombre maximal d'étapes et un plafond en dollars pour chaque exécution d'agent, et définissez à l'avance ce que « terminé » signifie. Claude Code accepte un indicateur --max-budget-usd pour les exécutions scriptées, et Shopify utilise des coupe-circuits pouvant couper immédiatement l'accès d'un développeur si sa dépense s'emballe en une journée, conçus pour attraper les agents fous. Aujourd'hui, la norme consiste à libérer les agents et à les laisser boucler jusqu'à ce que le résultat soit jugé parfait ; sans le budget pour cela, ne laissez pas l'agent décider ce qu'est « parfait ».

Autres astuces avanc : placez les faits critiques au début ou à la fin d'un long prompt — une étude pilotée par Stanford a montré que les modèles exploitent mieux l'information à ces positions, et moins bien lorsqu'elle est enfouie au milieu. Payez un second modèle pour vérifier le travail uniquement lorsque l'erreur est coûteuse, comme une clause de contrat ou un montant. Sur l'API d'OpenAI, activez une limite de dépense stricte par projet, car ses alertes de dépense ne font qu'avertir sans bloquer le trafic.

Commencer par un test

Faites du modèle le moins cher qui réussit votre test en cinq tâches de l'astuce 1 votre modèle par défaut pendant une semaine, et ne changez qu'en cas d'échec. Comparez ensuite votre page d'utilisation à celle de la semaine précédente. Sur la tâche des factures, le seul routage a réduit la facture de 30 $ à 3,90 $ — même en payant Opus 5.5 pour refaire 300 échecs.

Des tokens moins chers ne suffisent pourtant pas : le prix d'un token a chuté de plus de 90 % depuis 2023 selon le Token Expenditure Index de Silicon Data, mais les dépenses en grands modèles de langage ont doublé depuis fin 2025. Les économistes appellent cela le paradoxe de Jevons : une ressource devient si bon marché qu'on finit par y dépenser davantage au total. Une note de Bain & Co. de juin a relevé le même schéma, avec des coûts de tokens divisés par deux entre décembre 2024 et 2025 tandis que la consommation de tokens progressait de 450 %.

Le bon côté : les mêmes baisses de prix jouent en votre faveur dès que vous cessez de brûler des tokens pour le plaisir. Associées aux habitudes ci-dessus, elles rendent l'IA à la fois moins chère et meilleure en même temps.