Ce qui a changé dans les tarifs des API d'IA depuis janvier

Si vous avez construit un budget d'infrastructure en janvier et que vous le rouvrez aujourd'hui, vous constaterez probablement une bonne surprise, et vous en tirerez sans doute la mauvaise conclusion. Le prix des API d'IA a bien baissé sur six mois pour un usage donné, mais presque aucun fournisseur n'a révisé sa grille tarifaire à la baisse. Ce sont les modèles qui ont changé, pas les tarifs.

Cette distinction n'est pas un détail de comptable. Une baisse de grille est acquise et s'applique à votre code existant sans rien faire. Une baisse par substitution suppose de migrer vers un nouveau modèle, donc de refaire passer vos tests, éventuellement de reprendre vos instructions, et d'accepter un comportement différent. Le gain existe, mais il se paie en travail d'ingénierie.

Nous avons relevé les grilles publiques des principaux fournisseurs à la mi-juillet 2026 et les avons comparées à la situation de début d'année. Voici ce que ce relevé montre, y compris quelques mécanismes de facturation qui annulent discrètement une partie de la baisse affichée.

Le prix des API d'IA n'a pas baissé, les modèles ont été remplacés

Le constat le plus net de ce relevé est une absence : sur la période janvier à mi-juillet 2026, nous n'avons trouvé aucune annonce officielle de révision à la baisse d'un tarif existant chez les grands fournisseurs. Les grilles ont bougé parce que de nouveaux modèles sont arrivés à des positions tarifaires différentes, pas parce que les anciens ont été repositionnés.

L'illustration la plus parlante vient du haut de gamme. Le modèle le plus capable d'Anthropic était facturé 15 dollars par million de tokens en entrée et 75 dollars en sortie sur les générations antérieures. Les générations suivantes se sont installées à 5 et 25 dollars, et s'y tiennent depuis. Le tarif affiché du modèle historique, lui, n'a jamais bougé : il a simplement été retiré du catalogue. Sur le segment intermédiaire, le modèle de référence est passé de 3 et 15 dollars à 2 et 10 dollars fin juin, avec une mention à lire attentivement : il s'agit d'un tarif d'introduction valable jusqu'au 31 août 2026, après quoi le tarif standard remonte à 3 et 15 dollars.

Voici le relevé des tarifs des modèles de langage constatés à la mi-juillet 2026, en dollars par million de tokens, sur les grilles publiques des éditeurs.

Une lecture par famille se dégage. Le haut de gamme s'est stabilisé autour de 5 dollars en entrée, avec un étage supérieur à 10 dollars pour les modèles les plus récents. Le segment intermédiaire s'est resserré entre 1,50 et 3 dollars en entrée, et c'est là que la concurrence est la plus vive. Le segment économique est descendu très bas, jusqu'à 0,10 dollar en entrée, ce qui rend viables des usages de tri et de classification à très fort volume qui ne l'étaient pas il y a un an.

Trois mécanismes qui annulent une partie de la baisse

Comparer deux tarifs au token donne une image fausse dès qu'on regarde la facture réelle. Trois mécanismes, tous documentés publiquement, méritent d'être connus avant de conclure qu'un modèle est moins cher qu'un autre.

Le nombre de tokens n'est pas une constante

C'est le piège le plus coûteux et le moins connu. La documentation tarifaire d'Anthropic indique noir sur blanc que les modèles à partir de la génération 4.7 utilisent un nouveau découpage du texte en tokens, qui produit environ 30 % de tokens de plus pour le même texte. Autrement dit, un modèle affiché à 2 dollars par million de tokens face à un modèle à 3 dollars ne coûte pas un tiers de moins sur un texte donné : l'écart réel se réduit fortement une fois le surcoût de tokenisation intégré. La seule mesure fiable reste la facture constatée sur un échantillon représentatif de vos propres requêtes.

Les options qui multiplient le tarif

Plusieurs options courantes appliquent un multiplicateur au tarif de base. Exiger que l'inférence reste dans une zone géographique donnée applique un coefficient de 1,1 chez Anthropic sur les modèles récents. Les modes d'exécution accélérée sont facturés au double du tarif standard. Ce sont des choix légitimes, souvent imposés par la conformité ou par l'expérience utilisateur, mais ils doivent figurer dans le calcul dès le départ.

Les tarifs d'introduction datés

Un tarif promotionnel assorti d'une date de fin n'est pas un tarif. Si votre budget annuel s'appuie sur le tarif d'introduction du modèle intermédiaire d'Anthropic, il sera faux de 50 % à partir du 1er septembre 2026. La règle est simple : dans votre tableau de coûts, une colonne « valable jusqu'au » à côté de chaque tarif.

Les deux leviers qui réduisent vraiment la facture

Face à ces mécanismes, deux dispositifs officiels permettent des économies réelles et documentées, et ils sont largement sous-utilisés.

• Le traitement par lots. Remise de 50 % en entrée comme en sortie chez Anthropic, Google et Mistral, en échange d'un traitement asynchrone avec une fenêtre de l'ordre de 24 heures. Pour tout ce qui n'a pas besoin d'être temps réel, enrichissement de base, classification de documents, génération de résumés nocturnes, c'est une division par deux immédiate et sans effet sur la qualité.
• La mise en cache du contexte. Une relecture de contenu mis en cache est facturée 10 % du tarif d'entrée chez Anthropic comme chez Google, soit 90 % d'économie sur la partie stable de vos requêtes. Attention à la contrepartie, rarement mentionnée : l'écriture dans le cache coûte plus cher qu'une entrée normale, 1,25 fois le tarif de base pour un cache de cinq minutes et deux fois pour un cache d'une heure. Le cache devient donc rentable à partir de la première relecture dans le premier cas, de la deuxième dans le second. Sur un prompt système volumineux réutilisé des milliers de fois par jour, l'économie est massive. Sur des requêtes uniques, le cache coûte de l'argent.

Ces deux leviers se cumulent chez certains fournisseurs. Combinés, ils pèsent bien plus lourd sur une facture que le choix entre deux modèles voisins en tarif. Nous avons détaillé la mécanique complète du calcul dans notre article sur le coût du token et la facture d'une API d'IA.

Ce que cela change dans les arbitrages pris en janvier

La question intéressante n'est pas « combien coûte l'IA », mais « quelles décisions d'architecture prises en début d'année méritent d'être rouvertes ». Trois nous semblent concernées.

1. Le recours systématique au modèle haut de gamme. Beaucoup d'équipes ont câblé le modèle le plus capable partout, par prudence, en janvier. Avec un segment intermédiaire resserré entre 1,50 et 3 dollars en entrée et des capacités qui ont nettement progressé, le routage par type de tâche redevient l'optimisation la plus rentable. Encore faut-il disposer d'un jeu de tests capable de dire si le modèle moins cher fait le travail sur vos cas réels, ce que nous avons décrit dans notre grille de choix d'un modèle d'IA.
2. Les traitements écartés pour cause de coût. Un tri de documents à 0,10 dollar le million de tokens en entrée n'a plus le même profil économique qu'un tri à 1 dollar. Reprenez la liste des idées abandonnées en début d'année pour raison de budget : une partie est redevenue viable.
3. Le synchrone par défaut. Si vos traitements par lots appellent l'API en temps réel alors qu'ils tourneraient aussi bien la nuit, vous payez le double du nécessaire depuis six mois. C'est probablement le gain le plus rapide à obtenir, et il ne demande aucun changement de modèle.

Ce qu'il faut retenir

Le prix des API d'IA ne baisse pas, il se réorganise. La baisse du coût de l'IA que vous constatez sur un usage donné vient de la sortie régulière de modèles mieux placés, pas d'une révision des grilles existantes. Cela implique une conséquence pratique : le gain n'est pas automatique, il faut aller le chercher en migrant, et donc en testant.

Trois habitudes suffisent à garder le contrôle de son budget API. Relever les grilles publiques deux fois par an et noter les dates de fin de promotion. Mesurer sa facture sur un échantillon réel plutôt que de comparer des tarifs au token, à cause des écarts de tokenisation. Et vérifier une fois par trimestre que tout ce qui peut passer en traitement par lots ou bénéficier de la mise en cache le fait effectivement. Ces trois gestes rapportent davantage, et bien plus sûrement, que la chasse au fournisseur le moins cher.