Le prix d'Opus 4.8, comme celui de Claude Opus 5 qui lui succède, est de 5 dollars par million de tokens en entrée et 25 dollars en sortie. Le fast mode, réservé à ces deux modèles, fait travailler le modèle jusqu'à 2,5 fois plus vite pour 10 dollars en entrée et 50 dollars en sortie. Ces chiffres sont vrais. Et ils sont aussi, pour un dirigeant, largement secondaires. Le coût des appels API ne représente souvent que 5 à 20 % du coût total d'un projet IA bien conçu. Ce qui pèse vraiment : l'intégration, les données, la supervision, la maintenance. Cet article vous donne les tarifs exacts, un exemple de facture mensuelle chiffré et les quatre leviers concrets pour optimiser votre budget sans sacrifier la qualité.
Les tarifs Opus 4.8 : grille complète standard et fast mode
Opus 4.8, sorti le 28 mai 2026, conserve exactement le même tarif standard qu'Opus 4.7. Anthropic a fait le choix de ne pas augmenter le prix au lancement du nouveau modèle, ce qui est notable.
| Mode | Tokens en entrée | Tokens en sortie | Vitesse relative |
|---|---|---|---|
| Standard | 5 $/M tokens | 25 $/M tokens | Référence |
| Fast mode | 10 $/M tokens | 50 $/M tokens | 2,5 fois plus rapide |
Le fast mode facture donc 2 fois plus cher par token que le mode standard, pour un débit de sortie jusqu'à 2,5 fois supérieur. Il est disponible uniquement sur Claude Opus 5 et Opus 4.8, via l'API Claude directe (pas d'équivalent sur Amazon Bedrock, Google Cloud ni Microsoft Foundry). Il a été retiré d'Opus 4.7 : une requête fast mode envoyée à ce modèle renvoie désormais une erreur. Si votre intégration ciblait encore le fast mode d'Opus 4.7, elle doit être redirigée vers Opus 4.8 ou Opus 5.
Pour une mise à l'échelle rapide, voici ce que ces tarifs représentent concrètement par requête, selon les volumes de tokens impliqués :
| Taille de la requête | Entrée estimée | Sortie estimée | Coût par requête (standard) |
|---|---|---|---|
| Question courte, réponse courte | 500 tokens | 300 tokens | ~0,01 $ |
| Question avec contexte documentaire | 3 000 tokens | 600 tokens | ~0,03 $ |
| Synthèse ou analyse longue | 6 000 tokens | 2 000 tokens | ~0,08 $ |
| Tâche agentique complexe | 20 000 tokens | 5 000 tokens | ~0,23 $ |
Le modèle est accessible via l'API Anthropic sous l'identifiant claude-opus-4-8, ainsi que sur Amazon Bedrock, Google Vertex AI et Microsoft Foundry. Depuis la publication de cet article, Anthropic a ajouté Claude Opus 5 (claude-opus-5) au même tarif : les chiffres de cette page restent donc valables sur ce modèle. Les tarifs ci-dessus sont ceux de l'API Anthropic directe. Les plateformes cloud ajoutent en général une légère marge.
En euros
À titre indicatif, avec un taux de change EUR/USD autour de 0,92, 5 dollars par million de tokens en entrée équivaut à environ 4,60 euros par million de tokens. Les chiffres de cet article sont exprimés en dollars car c'est la devise de facturation d'Anthropic. Convertissez selon le taux du moment.
Le coût du token dans le coût total d'un projet : replacer les chiffres
Voici la question que les dirigeants posent rarement et qui change tout à la lecture du tarif API : quelle part le coût des tokens représente-t-il dans un projet IA complet ?
La réponse, sur les projets que nous menons chez Tensoria avec des PME et ETI : entre 5 et 20 % du coût total, selon le volume d'usage. Le reste se répartit ainsi :
- Intégration et développement (40 à 60 %) : connecter l'API à vos outils (CRM, ERP, base documentaire, messagerie), concevoir les prompts, construire les workflows, déployer et tester.
- Données (10 à 25 %) : nettoyer, structurer et vectoriser vos documents pour qu'un assistant RAG les exploite correctement. C'est souvent le poste sous-estimé.
- Supervision et contrôle qualité (continu) : surveiller les réponses, corriger les dérives, maintenir les évaluations. Un LLM en production sans supervision humaine est un risque opérationnel.
- Maintenance et évolution (15 à 25 % du coût initial par an) : mises à jour de modèle, adaptation aux changements de vos données, nouvelles fonctionnalités. Notre article sur la maintenance d'une solution IA après la livraison détaille ce que couvre réellement ce poste et comment le contractualiser.
Ce que ça change pour votre décision
Un projet de assistant IA interne qui consomme 50 dollars par mois en tokens peut nécessiter 20 000 à 30 000 euros de développement initial. Choisir un modèle 40 % moins cher ne change pas grand chose à la rentabilité du projet si l'intégration est bâclée. Ce qui décide du ROI, c'est la pertinence du cas d'usage et la qualité de la mise en oeuvre, pas le tarif au token.
Pour autant, le coût API n'est pas négligeable à fort volume : un agent de traitement automatique qui tourne sur des milliers de documents par jour peut générer des centaines de dollars par mois. C'est là que les leviers d'optimisation décrits plus loin font réellement la différence.
Vous avez un projet IA en tête et voulez estimer le budget réaliste ?
On cadre les usages, on évalue les volumes et on vous donne une fourchette honnête, sans engagement.
Exemple de facture mensuelle : assistant IA interne pour 30 utilisateurs
Prenons un exemple concret et transparent. Une PME de 80 personnes déploie un assistant IA interne basé sur Opus 4.8, connecté à sa base documentaire (procédures, fiches techniques, réglementation). 30 utilisateurs l'interrogent quotidiennement.
Hypothèses de calcul (à adapter à votre contexte) :
- 30 utilisateurs actifs par jour, 5 questions chacun en moyenne
- 150 requêtes par jour, soit environ 4 500 par mois (hypothèse d'un mois à 30 jours)
- Chaque requête : 3 000 tokens en entrée (contexte RAG inclus) et 600 tokens en sortie
- Mode standard pour les requêtes longues, fast mode pour les questions courtes (50/50)
| Poste | Calcul | Coût estimé/mois |
|---|---|---|
| Tokens entrée (standard, 50 %) | 2 250 req. x 3 000 tok. = 6,75 M tokens x 5 $/M | ~34 $ |
| Tokens sortie (standard, 50 %) | 2 250 req. x 600 tok. = 1,35 M tokens x 25 $/M | ~34 $ |
| Tokens entrée (fast mode, 50 %) | 2 250 req. x 1 500 tok. = 3,375 M tokens x 10 $/M | ~34 $ |
| Tokens sortie (fast mode, 50 %) | 2 250 req. x 400 tok. = 0,9 M tokens x 50 $/M | ~45 $ |
| Infrastructure (hébergement, base vectorielle) | Hébergement cloud léger, Pinecone ou Qdrant | ~80 à 150 $ |
| Total mensuel (API + infra) | Fourchette selon l'usage réel | ~225 à 295 $/mois |
Soit environ 200 à 270 euros par mois pour 30 utilisateurs, soit 7 à 9 euros par utilisateur et par mois. À titre de comparaison, un abonnement SaaS généraliste coûte souvent 20 à 40 euros par siège.
Ce que ce calcul ne montre pas : le coût de développement initial (15 000 à 30 000 euros pour un RAG bien intégré), la maintenance annuelle, et le temps de supervision humaine. Ce sont ces postes qui décident de la vraie rentabilité du projet, pas la facture mensuelle Anthropic.
Avertissement sur ces chiffres
Ces estimations reposent sur des hypothèses précises (nombre de requêtes, taille des tokens, mix standard/fast mode). Votre usage réel peut s'en écarter significativement. Un agent agentique qui effectue plusieurs appels par requête utilisateur multiplie la facture par 3 à 10. Commencez toujours par mesurer votre usage en test avant d'extrapoler.
Les quatre leviers d'optimisation du coût
Une fois les tarifs compris, la vraie question est : comment maîtriser la facture sans dégrader la qualité ? Quatre leviers concrets, du plus impactant au plus technique.
1. Choisir le bon niveau d'effort par tâche
Opus 4.8 propose cinq niveaux d'effort : Low, Medium, High (par défaut), Extra et Max. Ce n'est pas un gadget : choisir le bon niveau est un levier d'optimisation aussi important que le choix du modèle lui-même.
- Low et Medium : classification, reformulation, extraction de champs dans un formulaire. Rapide, peu coûteux.
- High (défaut) : réponses documentées, synthèses, rédaction métier. Le bon équilibre pour 80 % des usages courants.
- Extra et Max : raisonnement complexe, analyse juridique ou financière multivariée, tâches agentiques de longue durée. Justifié seulement si la qualité de la décision le requiert.
En pratique : cataloguez vos types de requêtes, testez chaque niveau sur un échantillon représentatif, et fixez le niveau adapté dans le prompt système. Une migration systématique de High vers Medium sur les requêtes simples peut diviser le coût de traitement par 2 à 3 sur ce segment.
2. Activer le cache de prompt sur les contextes statiques
Le cache de prompt (prompt caching) permet de stocker côté Anthropic un bloc de contexte statique, comme les instructions système, les exemples ou la base documentaire, pour ne pas le facturer en entrée à chaque requête.
Avec Opus 4.8 (et désormais Opus 5), l'API Messages accepte des instructions système en cours de tâche sans casser le cache de prompt. C'est une avancée directement utile pour les agents de longue durée : vous pouvez affiner les instructions au fil des étapes sans perdre le bénéfice du cache sur le contexte commun.
Sur un assistant qui envoie 2 000 tokens d'instructions système à chaque requête et tourne à 4 500 requêtes par mois, le cache évite de facturer environ 9 millions de tokens en entrée par mois, soit une économie de 45 dollars au tarif standard. Modeste en absolu, mais récurrent et cumulatif. À noter : le seuil minimal pour qu'un bloc soit cachable est de 1 024 tokens sur Opus 4.8, et de seulement 512 tokens sur Opus 5, ce qui permet de mettre en cache des blocs plus courts qu'auparavant.
3. Architecture RAG plutôt que tout-en-contexte
Charger l'intégralité d'un document de 50 pages dans le contexte à chaque requête est coûteux et souvent inutile. Une architecture RAG (Retrieval-Augmented Generation) récupère uniquement les 3 à 5 passages les plus pertinents et les passe au modèle.
Résultat : des tokens d'entrée divisés par 5 à 20 par rapport à l'approche tout-en-contexte, pour une qualité de réponse souvent supérieure parce que le modèle reçoit moins de bruit. Le coût initial est plus élevé (vectorisation des documents, infrastructure de recherche sémantique), mais il se rembourse rapidement sur un usage intensif.
Pour les détails de coûts d'un projet RAG, voyez notre article sur le coût d'un projet RAG en entreprise.
4. Choisir le bon modèle par type de tâche
Opus 4.8 est le modèle le plus puissant et le plus cher de la gamme Anthropic. Il n'est pas forcément justifié pour toutes les tâches. Une architecture multi-modèles courante :
- Claude Haiku (le modèle le moins cher) : tri, classification, reformulation, extraction de données structurées.
- Claude Sonnet : rédaction, synthèse, réponses documentées de qualité correcte. Bon compromis pour la majorité des usages courants.
- Opus 4.8 : tâches complexes où la qualité de raisonnement est déterminante, analyses critiques, code agentique avancé.
Depuis le 30 juin 2026, ce palier intermédiaire profite du nouveau tarif de Claude Sonnet 5 : 3 dollars en entrée et 15 dollars en sortie par million de tokens, soit environ 1,7 fois moins cher qu'Opus. Jusqu'au 31 août 2026, un tarif d'introduction descend même à 2 dollars et 10 dollars, soit 2,5 fois moins cher qu'Opus, pour des performances qui s'en rapprochent sur plusieurs benchmarks.
Le palier haut a lui aussi bougé : Claude Opus 5, publié le 24 juillet 2026, reprend exactement le tarif d'Opus 4.8 (5 $ en entrée, 25 $ en sortie). Les calculs de budget de cet article restent donc valables tels quels sur le nouveau modèle.
Sur un projet avec 10 000 requêtes par mois réparties sur ces trois niveaux, la facture peut être 3 à 5 fois inférieure à un usage uniforme d'Opus 4.8, pour une expérience utilisateur indistinguable sur les tâches simples.
Vous voulez chiffrer l'architecture LLM adaptée à votre usage ?
On évalue le mix modèles, les niveaux d'effort et l'impact sur la facture mensuelle sur votre cas concret.
Fast mode : quand l'activer, quand l'éviter
Le fast mode, disponible sur Opus 4.8 et sur Opus 5, coûte 2 fois plus cher par token que le mode standard (10 dollars en entrée, 50 dollars en sortie par million), pour un débit de sortie jusqu'à 2,5 fois supérieur. Il n'existe plus sur Opus 4.7, dont le fast mode a été retiré par Anthropic. Son intérêt n'est pas universel.
Activer le fast mode quand :
- La latence perçue par l'utilisateur est critique : un assistant conversationnel où une réponse en 4 secondes plutôt qu'en 10 change l'adoption.
- Un traitement par lots doit tenir dans une fenêtre horaire contrainte : nuit, plage de maintenance, SLA client.
- Les requêtes sont courtes et les sorties sont concises : le surcoût par token est compensé par des volumes de tokens plus faibles.
Garder le mode standard quand :
- L'usage est asynchrone : synthèse d'un rapport, traitement d'emails, analyse nocturne. La latence n'est pas visible par un utilisateur.
- Les tokens d'entrée sont très longs (documents complets, longues conversations) : le surcoût x2 sur un volume élevé n'est pas justifié si le temps de réponse n'est pas un enjeu.
- Le budget mensuel API est serré et l'usage est à fort volume : le mode standard reste le plus économique par token.
L'exemple Databricks est utile ici pour cadrer les attentes : l'équipe a mesuré un coût en tokens 61 % inférieur à Opus 4.7 sur son agent de données Genie. Ce chiffre reflète l'amélioration du rapport performance/coût global du modèle, pas uniquement le fast mode. Ne projetez pas 61 % d'économie sur votre projet : c'est un résultat sur un cas d'usage spécifique, avec une architecture spécifique.
Dynamic workflows : le cas à part dans le budget
Les dynamic workflows, disponibles en preview dans Claude Code avec Opus 4.8, permettent d'orchestrer des dizaines à des centaines de sous-agents en parallèle pour des tâches à très grande échelle. C'est techniquement impressionnant. C'est aussi, du point de vue du budget, le cas qui demande le plus de vigilance.
Chaque sous-agent consomme ses propres tokens. Une session de dynamic workflows sur une migration de code complexe peut générer des dizaines de millions de tokens en quelques heures. Anthropic recommande explicitement de commencer par des tâches cadrées et de mesurer avant d'élargir l'échelle.
Règle de pilotage
Avant de lancer un workflow agentique en production, définissez un budget tokens maximum par session, configurez des alertes de dépassement dans votre dashboard Anthropic et testez sur un périmètre réduit. Les dynamic workflows sont puissants mais ne sont pas "gratuits" parce qu'ils fonctionnent bien. C'est exactement la logique d'un projet de développement classique : cadrer avant d'industrialiser.
Pour les usages PME standards (assistant interne, automatisation de tâches répétitives, traitement documentaire), les dynamic workflows ne sont pas pertinents. Ils ciblent des tâches d'ingénierie à très grande échelle. Pour comprendre les différences entre ces architectures agentiques et un assistant classique, notre article sur ce que change Opus 4.8 pour votre entreprise pose le cadre utile.
Résultats observés
Des projets qui ont chiffré l'usage avant de se lancer
Dans chacun de ces cas, l'estimation du coût mensuel API a été faite avant le développement. Voici ce qui a été déployé.
de temps gagné sur la rédaction des rapports de copropriété
« Concret, mesurable, validé par les équipes. »
Géraud, Copro Assistance
de temps économisé sur les mémoires techniques d'appels d'offres
« On peut répondre à plus de dossiers. »
Nicolas, Raynier Plomberie
de temps économisé sur la recherche dans la base documentaire interne
« Les équipes retrouvent l'info instantanément. »
Florian, Actia
Assistant IA interne RAG
Ce qui a changé récemment
La gamme de modèles Anthropic et l'écosystème autour du coût des projets IA ont bougé depuis la première version de cet article. Voici les évolutions qui changent concrètement votre budget.
Le fast mode disparaît d'Opus 4.7
Le fast mode d'Anthropic, qui accélère le débit de sortie jusqu'à 2,5 fois, n'est plus disponible que sur Claude Opus 5 et Opus 4.8, toujours au tarif de 10 dollars en entrée et 50 dollars en sortie par million de tokens. Une requête fast mode envoyée à Opus 4.7 renvoie désormais une erreur : Anthropic a retiré la fonctionnalité de ce modèle. Le fast mode reste réservé à l'API Claude directe, sans équivalent sur Amazon Bedrock, Google Cloud ni Microsoft Foundry (Anthropic, 2026).
Si votre intégration ciblait encore Opus 4.7 en fast mode, elle doit être migrée vers Opus 4.8 ou Opus 5 sous peine de pannes en production.
Fin de la surfacturation "long contexte"
Depuis le 13 mars 2026, la fenêtre de contexte élargie à 1 million de tokens est passée en disponibilité générale sur Opus 4.6 et Sonnet 4.6, au tarif standard. Le surcoût qui s'appliquait auparavant au delà de 200 000 tokens (10 dollars en entrée et 37,50 dollars en sortie par million) a été supprimé (Anthropic, mars 2026).
Pour un projet RAG ou un agent qui manipule de longs documents, cette suppression change directement l'équation économique : plus besoin de fragmenter agressivement le contexte pour éviter une facture doublée au delà de 200 000 tokens.
Claude Opus 5 devient le modèle Opus de référence
Anthropic a publié Claude Opus 5 (identifiant claude-opus-5), qui reprend exactement le tarif d'Opus 4.8 (5 dollars en entrée, 25 dollars en sortie par million de tokens) et la fenêtre de contexte de 1 million de tokens. Le seuil minimal de prompt cachable est abaissé à 512 tokens sur Opus 5, contre 1 024 sur Opus 4.8 (Anthropic, 2026).
Vous pouvez migrer vers Opus 5 sans revoir votre budget : les calculs de cet article restent valables, et des prompts jusqu'alors trop courts pour être mis en cache peuvent désormais l'être.
L'offre d'hébergement souverain s'élargit
OVHcloud et Scaleway permettent de consommer des modèles à poids ouverts via des GPU hébergés en France, sans avoir à gérer soi-même l'infrastructure. Mistral AI a par ailleurs publié le 29 avril 2026 son modèle Medium 3.5, un modèle dense de 128 milliards de paramètres à poids ouverts (licence MIT modifiée), qui fonctionne sur quatre GPU (Mistral AI, avril 2026).
Pour une entreprise contrainte par des exigences de souveraineté ou de conformité sectorielle, l'arbitrage ne se joue plus seulement sur le tarif au token : il faut comparer le coût complet d'une API managée à celui d'un hébergement français, GPU et exploitation compris.
Pour aller plus loin
- Claude Opus 4.8 pour votre entreprise : le décryptage complet des nouveautés du modèle, benchmarks et cas d'usage au-delà du prix.
- Coût d'un projet IA en PME en 2026 : la vue complète sur les fourchettes budget de 3 000 à 150 000 euros, tous postes de coûts confondus.
- Combien coûte un assistant IA interne : de la solution SaaS au RAG sur mesure, les chiffres réels et les coûts cachés.
- Coût d'un projet RAG en entreprise : du POC à la production, les postes de coûts et le TCO sur 1 an.
- Audit IA PME : méthode, coût et livrables : le point de départ avant de figer une architecture ou un choix de modèle.
- ROI des projets IA : comment le mesurer en 2026 : replacer le coût API dans une équation de rentabilité complète.
- Mistral, OpenAI ou Anthropic pour les entreprises françaises : arbitrer entre fournisseurs selon la souveraineté, le coût et le cas d'usage.
