Claude Opus 4.7 : estimer le coût API des longs documents, conversations et traitements par lots

Sans cache, la formule de base est simple :

Coût = input_tokens / 1 000 000 × 5
     + output_tokens / 1 000 000 × 25

Avec prompt caching, il faut séparer le contexte réutilisable du reste : la première écriture en cache 5 minutes est facturée 6,25 $/MTok, la première écriture en cache 1 heure 10 $/MTok, puis les cache hits ou refresh 0,50 $/MTok. Les nouveaux messages non mis en cache restent facturés au prix d’entrée standard, et les réponses du modèle au prix de sortie.

Long document analysé une seule fois : input + output suffisent

Si un document n’est traité qu’une fois, sans questions de suivi, le calcul est direct : document, consignes système et question comptent en tokens d’entrée ; la réponse du modèle compte en tokens de sortie. Exemples au tarif public de la Claude API :

Pour 300k tokens d’entrée et 8k tokens de sortie :

300 000 / 1 000 000 × 5  = 1,50
8 000 / 1 000 000 × 25   = 0,20
Total                     = 1,70 dollar

Attention toutefois aux migrations depuis un ancien modèle. La documentation d’Anthropic précise qu’Opus 4.7 utilise un nouveau tokenizer : pour un texte identique, le nombre de tokens peut augmenter jusqu’à 35 %.

Ainsi, une estimation initiale de 300k tokens d’entrée peut être portée prudemment à 405k. Avec 8k tokens de sortie :

405 000 / 1 000 000 × 5  = 2,025
8 000 / 1 000 000 × 25   = 0,20
Total                     ≈ 2,23 dollars

Même document, questions répétées : le cache fait la différence

Dans un produit de questions-réponses sur document, le coût le plus sous-estimé n’est pas toujours la réponse du modèle. C’est souvent le document complet, renvoyé et refacturé à chaque tour. Si le même fichier doit être interrogé plusieurs fois, le prompt caching doit être intégré dès le modèle de coût.

Hypothèse :

• Document : 300k tokens
• Nouvelle question à chaque tour : 2k tokens
• Réponse à chaque tour : 2k tokens de sortie
• Cache de prompt : 5 minutes

Dans cet exemple, le premier tour avec création du cache coûte plus cher qu’un appel sans cache. Mais dès le deuxième tour sur le même document, le total devient plus favorable :

Sans cache, deux tours : ≈ 1,56 × 2 = 3,12 dollars
Avec cache 5 minutes :  ≈ 1,935 + 0,21 = 2,145 dollars

La bonne question n’est donc pas seulement : combien coûte un appel ? Elle devient : combien de fois le même contexte sera-t-il réellement réutilisé, dans quel délai, et avec quelle quantité de contenu nouveau non mis en cache ?

Longues conversations : éviter de refacturer tout l’historique

Le raisonnement est identique pour les chats longs. Si l’application renvoie un historique massif à chaque message, les coûts d’entrée s’accumulent très vite. Les blocs d’historique stables et réutilisables doivent être évalués comme candidats au prompt caching.

Hypothèse :

• Historique de conversation : 200k tokens
• Nouveau message : 1k tokens par tour
• Réponse : 2k tokens de sortie par tour

Le choix entre 5 minutes et 1 heure ne se décide pas seulement au prix d’écriture. Il dépend surtout du comportement des utilisateurs :

• si les relances arrivent généralement dans les 5 minutes, le cache 5 minutes est le point de départ naturel ;
• si les utilisateurs reviennent souvent après plus de 5 minutes, mais dans l’heure, le cache 1 heure peut éviter des expirations et réécritures répétées ;
• si le rythme est imprévisible, il faut mesurer sur trafic réel : taux de cache hit, taille des contextes et coût par session.

Traitements par lots : partir d’un budget conservateur

Les lots servent typiquement aux analyses hors ligne, à la classification, à l’annotation ou aux résumés en volume. Mais tant que le prix batch applicable à votre compte, à votre contrat ou à votre plateforme n’est pas confirmé, il vaut mieux ne pas intégrer de remise non vérifiée dans un budget officiel. L’approche prudente consiste à calculer d’abord avec le tarif synchrone public, puis à remplacer les prix par les tarifs réellement applicables si une réduction est confirmée.

La formule conservatrice reste donc :

Coût total = total input tokens / 1 000 000 × 5
           + total output tokens / 1 000 000 × 25

Exemple : 10 000 tâches, chacune avec 2k tokens d’entrée et 500 tokens de sortie.

Total input  = 10 000 × 2 000 = 20 000 000 tokens
Total output = 10 000 × 500   = 5 000 000 tokens

Coût input  = 20 × 5  = 100 dollars
Coût output = 5 × 25  = 125 dollars
Total       = 225 dollars

Ces 225 $ représentent une estimation prudente sans remise batch. Si vous confirmez ensuite un tarif batch applicable, il suffit de remplacer les prix unitaires dans la formule.

Autre point à surveiller : si vous n’appelez pas directement la Claude API d’Anthropic, mais passez par une plateforme cloud ou un routeur tiers, la facture peut différer. Le site tiers CloudPrice liste Opus 4.7 en Anthropic / global à 5 $ en entrée et 25 $ en sortie par MTok, mais indique aussi certains codes régionaux AWS Bedrock à 5,50 $ en entrée et 27,50 $ en sortie par MTok. Ce type de source peut servir de signal d’alerte, mais la décision d’achat doit rester fondée sur votre console de facturation, votre contrat et la documentation officielle de la plateforme concernée.

Ajouter un buffer : les coûts théoriques sont souvent trop sages

Sans données réelles de trafic, une estimation purement théorique est généralement optimiste. Trois variables méritent au minimum une marge de sécurité :

1. Risque lié au tokenizer : avec Opus 4.7, un texte identique peut générer jusqu’à 35 % de tokens en plus qu’avec certains modèles précédents.
2. Taux de cache hit incertain : le cache réduit fortement les coûts seulement si le même contexte est réellement réutilisé avant expiration.
3. Comportements d’usage : sorties plus longues que prévu, relances multiples, documents plus volumineux, historiques qui grossissent, tentatives répétées.

Voici des coefficients pratiques, non officiels, pour éviter de sous-budgéter :

Ces coefficients ne sont pas des tarifs Anthropic. Ils servent à piloter un budget avant d’avoir suffisamment de journaux de tokens, de taux de cache hit et de factures réelles.

Modèle rapide de calcul mensuel

Sans cache :

Coût mensuel ≈ requêtes par jour × 30
             × (input moyen / 1 000 000 × 5
                + output moyen / 1 000 000 × 25)

Avec cache, il faut impérativement séparer les lignes :

Coût mensuel ≈ coût input standard
             + coût d’écriture cache
             + coût cache hit / refresh
             + coût output

À renseigner avant toute mise en production :

La règle pratique

Pour une analyse unique de long document, le calcul direct à 5 $/MTok en entrée et 25 $/MTok en sortie suffit.

Pour un même document interrogé plusieurs fois, ou une conversation qui transporte beaucoup d’historique, le prompt caching doit être testé avant de figer le budget. Dans l’exemple d’un document de 300k tokens avec une question de 2k tokens et une réponse de 2k tokens, un second tour avec cache 5 minutes revient à environ 0,21 $, contre environ 1,56 $ si l’on renvoie tout le document.

Pour les traitements par lots, partez du tarif synchrone public tant que le prix batch ou le prix de votre plateforme n’est pas confirmé. Et si vous migrez depuis un ancien modèle vers Opus 4.7, commencez par majorer l’estimation d’entrée jusqu’à × 1,35 pour tenir compte du tokenizer, puis ajoutez un buffer opérationnel. C’est moins séduisant qu’un calcul au centime près, mais beaucoup plus proche d’une vraie facture.