Coût IA : Opus 4.7 +27%, GPT-5.5 2x — le cache tient

Anthropic a lancé Opus 4.7 aux alentours du 14 mai sans toucher au tarif affiché — $5/M en entrée, $25/M en sortie, comme pour 4.6 — mais avec un nouveau tokenizer qui produit 32–45% de tokens natifs supplémentaires à texte identique. Résultat : une hausse de 12–27% du coût IA en production, jamais visible sur la page tarifaire. La même semaine, GPT-5.5 a doublé ses tarifs au grand jour. Mes six routines n’ont presque pas bougé, grâce à l’architecture, pas à la chance.

Trois fournisseurs, trois leviers, une même hausse du coût IA

En une semaine, trois fournisseurs ont renchéri le coût réel de l’IA par trois mécanismes différents. Les pages tarifaires n’en révèlent exactement qu’un.

OpenAI l’a fait au grand jour. Le prix des tokens d’entrée de GPT-5.5 est passé de $2.50 à $5.00 par million, et celui des tokens de sortie de $15 à $30 par million : un facteur 2x net des deux côtés. La cohorte de « switchers » d’OpenRouter — les utilisateurs passés de 5.4 à 5.5 sans changer de charge de travail — a mesuré une hausse du coût réel de +49–92% selon la distribution de la longueur des prompts. C’est la version transparente d’une hausse de prix : un chiffre change, les achats peuvent le contester et l’ingénierie peut contourner le problème par le routage.

Anthropic l’a fait sans le montrer. Le tarif catalogue d’Opus 4.7 est identique à celui de 4.6 : la page tarifaire n’a pas bougé d’un pixel. C’est le tokenizer qui a changé. À texte d’entrée identique, le nouveau modèle génère 32–45% de tokens natifs supplémentaires. Anthropic a communiqué une plage d’inflation de 1.0–1.35x ; OpenRouter a mesuré ~45% sous 2K tokens, puis ~32–34% à l’échelle de la production au-dessus de 10K. Bilan sur le coût réel : +12–27% pour tout ce qui dépasse 2K, avec une légère baisse en dessous. Ni annonce à laquelle réagir, ni vague de départs, ni signal pour les achats : la facture du mois suivant est simplement plus élevée.

GitHub a choisi un changement structurel. Le 1er juin, les unités de requêtes premium de Copilot deviennent des AI Credits calculés au token selon les tarifs API publiés, tokens mis en cache compris. Le prix des forfaits de base ne change pas. Les utilisateurs agentiques engagés sur des forfaits annuels — ceux qui enchaînent de longues boucles de refactorisation avec un contexte étendu — seront les plus touchés à mesure que les multiplicateurs de modèles se cumulent.

Il ne s’agit pas de désigner le fournisseur le plus fautif. Le vrai constat est que la page tarifaire ne permet plus d’anticiper la facture. Le prix catalogue reste nécessaire, mais il ne suffit plus : tout modèle de coûts qui n’échantillonne pas les tokens natifs réellement produits par vos propres charges relève de la fiction.

Le changement de tokenizer qui devrait vraiment inquiéter

Parmi les trois mécanismes apparus cette semaine, celui d’Anthropic rebat discrètement les cartes du pilotage des coûts de l’IA.

Les chiffres sont désormais solidement recoupés. L’analyse des switchers d’OpenRouter a mesuré 32–45% de tokens natifs supplémentaires sur du trafic de production réel. Simon Willison a soumis les mêmes prompts directement au tokenizer d’Anthropic et obtenu une inflation de ~1.46x sur les prompts système. La note de version 4.7 d’Anthropic annonce de son côté une plage de 1.0–1.35x. Trois mesures indépendantes, une même direction. Le phénomène est réel : ce n’est ni un artefact d’échantillonnage ni une bizarrerie de benchmark.

Le danger opérationnel vient de la manière dont cette hausse arrive. Une augmentation explicite du tarif déclenche un calendrier connu : le juridique relit le contrat, la finance révise ses prévisions et l’ingénierie évalue une solution de rechange. Un changement de tokenizer applique une hausse rétroactive à tout ce qui est déjà en production. Chaque prompt du code, chaque message système ajusté au cours des six derniers mois, chaque bloc de contexte mis en cache : tout devient 32–45% plus lourd dès que le client appelle le nouvel endpoint du modèle. Aucune ligne comptable distincte ne permet de l’expliquer au directeur financier. Le total de la facture est simplement supérieur à celui du mois précédent.

Pour un fournisseur, l’instrument est bien plus efficace qu’une hausse annoncée. Pas de vague de départs. Pas de page comparative perdue face à un concurrent. Pas de cycle médiatique autour d’un titre « Anthropic raises prices 27% ». Cela ressemble à une mise à niveau du modèle — et c’en est une. L’équation économique, elle, change en silence.

Pour l’opérateur, c’est le levier prioritaire qui change. Négocier le prix catalogue était déjà rarement le meilleur usage du temps. Désormais, cela n’a plus vraiment de sens : le coût ne se trouve plus dans la grille tarifaire.

L’architecture qui a encaissé le choc — mon dispositif réel

Mes six routines éditoriales passent par un point de contrôle unique : génération du brief, rédaction, révision fidèle à la voix, vérification des faits, direction artistique et contrôle qualité final. Deux d’entre elles ont sollicité Opus le jour de la mise à niveau. Le plafond ferme de $20/day a tenu. Celui de $1 par instance aussi. Le coût par article n’a augmenté que d’un pourcentage à un chiffre.

Ce n’est pas de la chance. J’avais construit ces quatre leviers avant les annonces de la semaine, après avoir analysé le passage de l’Agent SDK à une facturation séparée et la hausse des limites hebdomadaires de Claude Code. Ma conclusion était simple : la volatilité des coûts imposée par les fournisseurs devenait la norme, et non l’exception. Les mécanismes diffèrent ; l’architecture reste la même.

Levier 1 — un préfixe stable mis en cache. Chaque routine commence par un contrat en Markdown (~3500 tokens) et un bloc de voix propre à la catégorie (~1500 tokens), regroupés dans un préfixe éphémère mis en cache pendant 1 heure. Grâce à la remise de 90% sur les tokens mis en cache, l’inflation du tokenizer se concentre presque entièrement sur la petite partie dynamique. D’après OpenRouter, le cache absorbe 9% des tokens supplémentaires pour les prompts de 10–25K, 77% entre 50–128K et 93% au-dessus de 128K. Ma routine de rédaction tourne autour de ~14K : le cache n’absorbe donc qu’environ 9% de l’inflation, mais 5K des 14K tokens correspondent à un contenu stable qui aurait sinon subi la hausse au plein tarif. Cette décision structurelle fournit 70% de la protection.

Levier 2 — le routage des modèles. La rédaction s’exécute sur Sonnet. La synthèse des briefs et le classement par catégorie passent par Haiku. Opus reste réservé aux rares phases de recherche approfondie. La décision tarifaire d’un fournisseur ne peut pas faire déraper toute la facture, car le modèle de pointe n’est pas le choix par défaut. Le routeur crée aussi une option permanente : lorsque GPT-5.5 a doublé ses tarifs, je pouvais déplacer n’importe quelle routine vers un concurrent sans réécrire toute l’architecture.

Levier 3 — la maîtrise de la longueur des prompts. Sur Opus 4.7, la tranche de 2K–10K est la plus pénalisée (+27–69% de coût réel dans les données des switchers). C’est précisément là que se loge l’ingénierie de prompts paresseuse : exemples few-shot trop longs, définitions de rôles redondantes, vieux contexte jamais purgé. Compresser le contexte inutile n’est plus une simple règle d’hygiène ; c’est un gain économique direct.

Levier 4 — un point de contrôle unique des dépenses. Chaque appel payant à un modèle transite par une seule fonction. Contrôle avant l’appel : les dépenses du jour restent-elles sous $20 ? Contrôle après l’appel : cette instance a-t-elle coûté moins de $1 ? Si l’une des réponses est négative, la routine s’arrête et m’alerte. Si un fournisseur double du jour au lendemain le nombre de tokens comptabilisés, mon coût par article progresse d’un pourcentage à un chiffre, pas de 27%, car le plafond sert de dernier rempart. Il ne rend pas le modèle moins cher ; il borne le pire scénario.

Soyons clairs : le préfixe mis en cache est le levier porteur. Les trois autres constituent l’assurance. Si j’avais assemblé les prompts au cas par cas pour chaque requête, comme le font encore la plupart des équipes, l’intégralité des 32–45% aurait frappé la facture. Je ne l’aurais constaté qu’à la deuxième semaine, pas dès la première.

Ce qu’il faut faire cette semaine

Si vous utilisez Opus 4.7, oubliez la page tarifaire et examinez vos propres volumes de tokens. Prélevez un échantillon de 100 appels de production, passez-les par l’endpoint de comptage des tokens d’Anthropic avec 4.6 puis 4.7, et mesurez l’écart sur vos prompts. Réorganisez ensuite le cache de prompts autour d’un préfixe stable dès cette semaine — pas au prochain sprint ni au prochain cycle de planification. Le cache est le seul levier dont l’efficacité augmente avec la longueur des prompts, précisément là où l’inflation est la plus forte.

Si vous utilisez GPT-5.5, calculez le coût sur la cohorte des switchers avant de quitter 5.4. Le doublement du tarif est en partie compensé par une réduction de –19 à –34% de la longueur des réponses au-dessus de 10K tokens : le coût réel dépend donc entièrement du rapport entre sortie et entrée. Pour une charge de refactorisation avec un long contexte, le résultat peut être presque neutre. Pour un produit conversationnel, non.

Si vous utilisez Copilot, récupérez l’aperçu d’utilisation de début mai avant le 1er juin. Les utilisateurs du forfait de base qui envoient les prompts un par un ne verront pas la différence.

Il faut surtout élargir la perspective : l’IA est désormais la ligne la plus volatile du budget technologique. AWS ne double pas ses prix du jour au lendemain. La bande passante d’un CDN ne multiplie pas discrètement son unité de mesure par 1.4x. Postgres ne change pas de tokenizer. En une semaine, la couche IA vient pourtant de faire les trois. L’architecture de contrôle — cache, routeur de modèles, maîtrise des longueurs, plafond ferme des dépenses — n’est plus facultative pour les équipes attentives aux coûts. C’est le prix à payer pour exploiter ce type d’infrastructure en production.

Les fournisseurs continueront. Construisez le point de contrôle, ou subissez chacune de leurs décisions pendant les douze prochains mois.