Guide · coût des API d'IA

Cache de prompt : réduire sa facture d'IA jusqu'à 90 %

Le cache de prompt facture les consignes répétées jusqu'à dix fois moins cher. Comment il fonctionne chez Claude, OpenAI et les autres, et quand il rapporte.

Par Yanis Zedira. Publié le 10 novembre 2026. 5 min de lecture.

Le cache de prompt garde en mémoire la partie d'une requête qui se répète, comme les consignes d'un agent, et la facture ensuite jusqu'à dix fois moins cher. Chez Anthropic, une lecture en cache coûte environ 10 % du prix d'entrée. Pour un agent qui envoie les mêmes consignes à chaque conversation, c'est le réglage le plus rentable qui existe.

En bref

• Principe : ce qui se répète en début de requête est facturé moins cher.
• Claude : lecture en cache à environ 10 % du prix d'entrée.
• OpenAI : cache automatique au-delà de 1 024 tokens.
• Cumul : avec le traitement par lots chez Anthropic.
• Condition : réutiliser le même début de requête avant expiration.

Comment fonctionne-t-il ?

Un agent envoie au modèle, à chaque conversation, deux choses : ses consignes, toujours identiques, et le message du client, toujours différent. Sans cache, les consignes sont facturées à chaque fois au prix plein. Avec le cache, le modèle les reconnaît et les facture au tarif réduit.

Plus les consignes sont longues, plus le gain est grand. Un agent avec trois pages de règles, de tarifs et d'exemples y gagne beaucoup.

Combien coûte-t-il chez chaque éditeur ?

Relevés de la documentation des éditeurs et de guides tiers, dont certains se contredisent. Les pages officielles font foi. Exemples de prix en cache : 0,20 dollar pour Claude Sonnet 5.5, 0,10 dollar pour GPT-6.1 Sol, contre 2 dollars en entrée normale.

Un exemple chiffré

Un agent a 4 000 tokens de consignes et reçoit 1 000 conversations par mois sur Claude Sonnet 5.5, à 2 dollars le million en entrée. Le calcul est le nôtre.

Le gain est réel mais modeste à ce volume. À 50 000 conversations par mois, il se compte en centaines de dollars.

Quand le cache ne sert-il à rien ?

• Quand les consignes changent à chaque requête.
• Quand les requêtes sont trop espacées : le cache expire, et l'on paie l'écriture sans relecture.
• Quand la partie répétée est courte : en dessous d'un seuil, le cache ne s'applique pas.

Une règle de construction en découle : placer tout ce qui est fixe au début de la requête, et ce qui varie à la fin.

Les autres leviers de coût

1. Le bon modèle pour chaque tâche. Voir les petits modèles d'IA.
2. Le traitement différé pour ce qui peut attendre, souvent à moitié prix.
3. Des réponses plus courtes, puisque la sortie coûte quatre à cinq fois plus que l'entrée.

Ces leviers deviennent utiles avec les hausses annoncées, recensées dans les hausses de prix de l'IA en 2027.

Notre étude sur cinq missions en TPE relève 15 à 40 € par mois d'écart entre le prix affiché et le coût réel d'une automatisation. La consommation des modèles en fait partie, et le cache en réduit une bonne part.

YZ Automation conçoit des agents IA dès 390 €, avec le cache et le bon modèle réglés dès la livraison. L'audit IA en 5 jours chiffre le coût mensuel avant de construire chaque automatisation.

Réserver mon échange offert

Conclusion

Le cache de prompt est une économie sans contrepartie, à une condition : construire ses requêtes avec la partie fixe en premier. Pour une petite entreprise, le gain reste modeste. Pour un agent qui grandit, c'est la différence entre une facture qui suit le volume et une facture qui s'emballe.

Sources

• Anthropic, grille de prix de la plateforme Claude, consultée le 10 novembre 2026
• Developers Digest, Prompt caching across AI providers: prices, TTLs and setup, 2026
• Chudi, Claude prompt caching cost: when it pays, 2026
• IntuitionLabs, LLM prompt caching cost savings, 2026