Andy Garcia · dev freelance
FRENES
Retour au blog
IA & Prix

Claude Haiku 5.5 coûte 0,10 $ le million de tokens d'entrée. Au-delà de 100 000 tokens dans un prompt, toute la requête coûte cinq fois plus

19 octobre 2026 9 min de lecture

Le mercredi 7 octobre, Anthropic a lancé Claude Haiku 5.5, la nouvelle version de son petit modèle rapide. Le titre, c'est le prix. Haiku 4.5 coûtait 1 $ le million de tokens en entrée et 5 $ en sortie. Haiku 5.5 coûte 0,10 $ et 0,50 $. Anthropic affirme qu'il revient en moyenne environ 75 % moins cher, et le destine aux gros volumes : résumés, compactage, classification, et sous-agents qui travaillent pour Opus 5.5 ou Sonnet 5.5.

Regarde le tableau des prix sur la page de lancement : chaque cellule de Haiku 5.5 contient deux nombres. L'entrée affiche « 0,10 $ / 0,50 $ ». Le second nombre est le prix des prompts de plus de 100 000 tokens. Simon Willison l'a écrit sans détour le jour même : au-delà de 100 000 tokens, « le prix est multiplié par 5 ».

La documentation tarifaire explique comment. « Claude Haiku 5.5 est tarifé selon la longueur du prompt : une requête dont le prompt dépasse 100 000 tokens paie des prix plus élevés. » La même page dit que les modèles Claude 4.6 et suivants obtiennent leur fenêtre de contexte complète de 1 M de tokens au tarif standard, « sauf Claude Haiku 5.5 ». Haiku 5.5 a lui aussi une fenêtre de 1 M de tokens. La partie bon marché, c'est le premier dixième.

Je construis un produit LegalTech sur Claude, et j'ai construit BidForge, une IA qui lit les dossiers de marchés publics français pour les petites entreprises. Les longs documents sont le cas normal dans les deux. J'ai donc lu la page de tarifs et le guide de migration avant les benchmarks. Voici ce qu'ils disent, avec l'arithmétique.

Une falaise, pas un palier

Dans une tranche d'impôt, seule la part au-dessus du seuil paie le taux supérieur. Ici, ce n'est pas le cas. Dès que le prompt dépasse 100 000 tokens, chaque token de la requête paie le prix supérieur, sortie comprise.

Au-dessus de la ligne, l'entrée passe de 0,10 $ à 0,50 $ le million de tokens, la sortie de 0,50 $ à 2,50 $, les écritures de cache de cinq minutes de 0,125 $ à 0,625 $, les lectures de cache de 0,01 $ à 0,05 $. La Batch API divise les deux colonnes par deux (0,05 $ et 0,25 $ sous la ligne, 0,25 $ et 1,25 $ au-dessus) mais garde la ligne. L'inférence réservée aux États-Unis ajoute son multiplicateur de 1,1, dit la documentation, y compris sur les prix supérieurs.

Prends une requête avec un prompt de 99 000 tokens et 2 000 tokens de sortie. Entrée : 99 000 × 0,10 $ / 1 M = 0,0099 $. Sortie : 2 000 × 0,50 $ / 1 M = 0,001 $. Total : 0,0109 $.

Ajoute 2 000 tokens au prompt. Entrée : 101 000 × 0,50 $ / 1 M = 0,0505 $. Sortie : 2 000 × 2,50 $ / 1 M = 0,005 $. Total : 0,0555 $.

Deux pour cent de prompt en plus, environ cinq fois la facture. Sur 100 000 requêtes de ce type, 1 090 $ deviennent 5 550 $.

Le côté sortie mérite un second regard. La réflexion (thinking) est activée par défaut sur Haiku 5.5, avec un effort moyen, et la documentation précise que les tokens de réflexion sont facturés comme des tokens de sortie, même quand le texte de la réflexion ne t'est pas renvoyé. Au-dessus de la ligne, ces tokens coûtent eux aussi 2,50 $ le million.

Le cache ne te protège pas

Sur la plupart des charges de travail Claude, le cache de prompt est le premier levier de coût. Ici, il ne déplace pas la ligne. La documentation : « La longueur du prompt d'une requête compte tous ses tokens d'entrée, y compris les lectures et les écritures de cache. » Et : « une requête au-dessus du seuil paie les prix supérieurs même si une partie de son prompt est un succès de cache. »

Ces deux phrases sont arrivées après le lancement. Les copies de la page de tarifs conservées par l'Internet Archive les 7 et 8 octobre décrivent le seuil en une phrase : « un prompt de plus de 100 000 tokens paie des prix plus élevés. » La copie du 9 octobre contient la règle du cache. Si tu as lu la page le jour du lancement en supposant que les tokens en cache ne comptaient pas, la page dit depuis autre chose.

Ainsi, les mêmes 90 000 tokens en cache coûtent 90 000 × 0,01 $ / 1 M = 0,0009 $ à lire dans une requête sous la ligne, et 90 000 × 0,05 $ / 1 M = 0,0045 $ dans une requête au-dessus. Le cache réduit toujours le prix d'entrée de 90 % de chaque côté. Il ne peut simplement pas te garder du côté bon marché.

Trois façons de franchir la ligne sans que personne n'y touche

Le tokenizer. L'annonce de lancement d'Anthropic dit que Haiku 5.5 « utilise un peu plus de tokens par tâche ». Le guide de migration est plus précis : « le même texte d'entrée produit environ 30 % de tokens en plus sur Claude Haiku 5.5 que sur Claude Haiku 4.5. L'augmentation exacte dépend du contenu. » Simon Willison a mesuré environ 1,25 fois sur un long prompt et a parlé d'« une hausse de prix cachée ». La conséquence : 100 000 / 1,3 font environ 77 000. Un prompt qui mesurait 77 000 tokens sur Haiku 4.5 peut tomber pile sur la ligne sur Haiku 5.5. Le guide te demande de recompter avec le nouveau modèle et de refaire les estimations de coût « y compris ses prix plus élevés pour les longs prompts ».

La réflexion qui reste dans le contexte. Sur Haiku 5.5, « les blocs de réflexion des tours précédents de l'assistant restent dans le contexte et comptent comme des tokens d'entrée, là où Claude Haiku 4.5 ne gardait que ceux du dernier tour. » Un agent multi-tours grossit donc plus vite que le seul changement de tokenizer ne l'explique. L'effacement des blocs de réflexion existe pour les élaguer.

Les images et les PDF. Haiku 5.5 utilise le palier d'image haute résolution. L'exemple du guide : une image de 2 000 sur 1 500 pixels coûte environ 2,5 fois plus de tokens visuels que sur Haiku 4.5. Les PDF sont traités comme du texte plus une image de chaque page, et la documentation PDF d'Anthropic estime entre 1 500 et 3 000 tokens de texte par page. Sur le texte seul, ça place la ligne quelque part entre environ 33 et 67 pages, avant de compter les images de pages.

Le réglage par défaut qui tombe sur la ligne

Anthropic destine Haiku 5.5 au compactage, le travail qui consiste à résumer une longue conversation pour qu'elle tienne de nouveau. L'assistant de compactage côté client du SDK a un seuil par défaut de 100 000 tokens, comptés comme entrée plus écritures de cache plus lectures de cache plus sortie. Quand le seuil est dépassé, il injecte une demande de résumé dans la conversation, et le modèle de résumé est par défaut le modèle principal.

Si ce modèle est Haiku 5.5, la demande de résumé transporte tout l'historique qui vient de dépasser 100 000 tokens. L'appel censé faire économiser de l'argent est facturé au-dessus de la ligne. Le déclencheur par défaut de l'effacement des résultats d'outils dans l'édition de contexte est lui aussi de 100 000 tokens d'entrée. Sur Haiku 5.5, je déplacerais les deux avec une marge sous la ligne de prix.

La comparaison

Sous la ligne, note Simon Willison, Haiku 5.5 égale exactement le prix du GPT-6 Luna d'OpenAI : 0,10 $ et 0,50 $. Luna a aussi un seuil, à 272 000 tokens d'entrée, au-delà duquel la page du modèle d'OpenAI dit que les prompts sont « facturés à 2 fois les tarifs d'entrée et de cache et 1,5 fois ceux de sortie pour toute la requête » : 0,20 $ et 0,75 $. Entre 100 000 et 272 000 tokens, le prix catalogue de Luna est un cinquième de celui de Haiku. Au-delà, Haiku coûte 2,5 fois plus en entrée et environ 3,3 fois plus en sortie. Chaque fournisseur compte les tokens avec son propre tokenizer, donc la seule comparaison honnête passe par tes propres documents, comptés par les deux.

Dans la gamme d'Anthropic, le cas du long prompt reste une bonne affaire. Au-dessus de la ligne, Haiku 5.5 coûte un quart du Sonnet 5.5 à 2 $ et 10 $, qui restent fixes sur toute la fenêtre. Et la note de bas de page d'Anthropic chiffre Haiku 5.5 à 90 % sous Haiku 4.5 pour les requêtes jusqu'à 100 000 tokens et à 50 % sous pour les requêtes au-delà. Elle ajoute que 90 % des requêtes Haiku 4.5 tombaient dans le premier groupe, et que sa moyenne d'environ 75 % de moins tient déjà compte du nouveau tokenizer. C'est le trafic d'Anthropic. Ton chiffre dépend de l'endroit où tombent tes propres requêtes.

Ce que je ferais avant de changer de modèle

Mesure la distribution, pas la moyenne. Journalise la longueur du prompt de chaque requête (entrée hors cache, écritures de cache et lectures de cache ensemble) et regarde quelle part de ton trafic Haiku 4.5 se situe entre 77 000 et 100 000 tokens, et quelle part est déjà au-dessus. Le point d'accès de comptage de tokens, avec le modèle réglé sur claude-haiku-5-5, te donne le nouveau compte avant l'envoi.

Mets un garde-fou dans le client. Quand un prompt compté s'apprête à franchir la ligne, décide dans le code : le raccourcir, le découper, ou l'envoyer à un autre modèle. Pas par accident, sur la facture.

Découpe quand la tâche le permet. Prends un document de 150 000 tokens et une réponse de 3 000 tokens. En un appel : 150 000 × 0,50 $ / 1 M + 3 000 × 2,50 $ / 1 M = 0,0825 $. En deux appels de 75 000 tokens avec 1 500 tokens de sortie chacun, plus un appel de fusion de 3 000 tokens en entrée et 1 500 en sortie : environ 0,0176 $. À peu près un cinquième. Ça marche pour l'extraction et les résumés par section. Ça ne marche pas pour une question qui exige d'avoir tout le document sous les yeux à la fois, et c'est le cas où je paierais le prix supérieur, ou choisirais un autre modèle, en connaissance de cause.

Pour un pipeline comme celui de BidForge, la première question que je poserais à chaque étape est de savoir si elle a besoin de tout le dossier d'appel d'offres sous les yeux, ou seulement du document qu'elle lit.

Règle les seuils de compactage et d'effacement avec une marge sous 100 000, autour de 80 000, pour que l'appel de résumé lui-même soit facturé sous la ligne.

Et compare le coût par tâche, pas le prix par token. Quand Opus 5.5 et GPT-6 Sol sont sortis à 90 minutes d'écart le 22 septembre, j'ai écrit que le coût par tâche était devenu le chiffre à lire. Haiku 5.5 ajoute une règle : sur ce modèle, la longueur du prompt fait partie du prix.

Haiku 5.5 coûte un dixième du prix sur les requêtes qui tiennent. Le travail d'ingénierie, c'est de s'assurer qu'elles tiennent.

Sources

Un projet du même genre ?

Je conçois et déploie des produits comme celui-ci. Parlons-en.

Discutons