Les prix des LLM ont chuté en 2026, et la lecture de cache compte le plus

Si vous payez les modèles de langage au token, la grille tarifaire a changé plusieurs fois cette année. Max Woolf a placé sur une même chronologie les annonces d'OpenAI et d'Anthropic de juin à octobre 2026. Pour un développeur, le plus utile n'est pas le prix affiché mais le troisième chiffre : le prix d'une lecture de cache.

La chronologie, telle que Woolf la donne

Tous les prix sont en dollars par million de tokens, dans l'ordre entrée / sortie / lecture de cache, comme dans son article :

• 26 juin : GPT-5.6 Sol à $5 / $30 / $0.50, GPT-5.6 Luna à $1 / $6 / $0.10.
• 30 juin : Claude Sonnet 5 à un prix de lancement de $2 / $10 / $0.20, rendu permanent le 10 août.
• 24 juillet : Claude Opus 5 à $5 / $25 / $0.50.
• 30 juillet : GPT-5.6 Luna baissé de 80 % à $0.20 / $1.20 / $0.02.
• 21 août : GPT-5.6 Sol baissé d'environ 20 % à $4 / $20 / $0.40, pour trois mois.
• 1er septembre : Fable 5.1 à $10 / $50 / $0.25, contre $10 / $50 / $1 pour Fable 5.
• 3 septembre : GPT-6 Astra à $10 / $50 / $1.
• 22 septembre : GPT-6 Sol à $2 / $10 / $0.20, GPT-6 Luna à $0.10 / $0.50 / $0.01 et Claude Opus 5.5 à $4 / $20 / $0.20.
• 29 septembre : GPT-6.1 Sol à $2 / $10 / $0.10.

Regardez le passage de Fable 5 à Fable 5.1 : l'entrée et la sortie n'ont pas bougé. Seule la lecture de cache est passée de 1 $ à 0,25 $. Dans un comparatif classique, cela ressemble à une note de bas de page.

Pourquoi le troisième chiffre est celui qui compte

Selon Woolf, quand on utilise des agents pour coder, les lectures de cache représentent l'immense majorité de la dépense, de 96 % à 99 % du total des tokens d'après ses chiffres, parce que le cache contient toute la conversation précédente et qu'il est relu à chaque tour. Il ajoute que le cache est touché environ 90 à 100 % du temps selon le fournisseur. D'où sa conclusion : une baisse de 75 % du prix de lecture de cache revient à peu près à une baisse de 70 à 75 % du coût d'utilisation du modèle.

Woolf note aussi que la baisse de GPT-6.1 Sol s'aligne sur ce qu'il appelle le coût de lecture de cache d'Anthropic, à 5 % du prix d'entrée. Ce rapport entre prix d'entrée et prix de lecture mérite d'être vérifié pour chaque modèle : il dit ce qu'un cache touché vous fait vraiment économiser.

Ce que j'en ferais

La suite ne vient pas de l'article de Woolf. C'est de la pratique générale de mise en cache des prompts, que les fournisseurs proposent sous des formes différentes : vérifiez la documentation du vôtre.

Mettez la partie stable en premier. Un cache correspond depuis le début du prompt. Instructions système, définitions d'outils et longs textes de référence vont en haut et restent identiques à l'octet près d'un appel à l'autre. Tout ce qui change par requête, horodatage, nom d'utilisateur, identifiant aléatoire, vient après. Une seule valeur changeante près du début peut transformer chaque appel en défaut de cache.

Mesurez votre propre taux de succès. La plupart des API renvoient séparément les tokens d'entrée en cache et hors cache dans les données d'usage. Journalisez-les et calculez la part des lectures de cache dans votre dépense :

// u: tokens from your usage logs, p: dollars per million tokens
function cacheShare(u, p) {
  const cost = k => (u[k] * p[k]) / 1e6;
  const total = cost('input') + cost('output') + cost('cacheRead');
  return { cacheShare: cost('cacheRead') / total,
           hitRate: u.cacheRead / (u.cacheRead + u.input) };
}

Si la part du cache est élevée, comparez d'abord les modèles sur le prix de lecture de cache. Si le taux de succès est bas, cherchez la valeur qui change près du début de votre prompt.

Prochaine étape : prenez une journée de journaux d'usage, faites le calcul ci-dessus et voyez lequel des trois prix pèse vraiment sur votre facture. Source : Max Woolf, article du 25 octobre 2026 sur les baisses de prix d'OpenAI et d'Anthropic.