Même prix par token, tâche 50% plus chère : mesurer l'IA

Un nouveau modèle d'IA est arrivé sur le marché au même prix catalogue que le précédent. Le fabricant affirme qu'il revient jusqu'à 30% moins cher par tâche. Une mesure indépendante affirme qu'il revient 50% plus cher. Les deux affirmations sont vraies — et comprendre pourquoi, c'est ce qui sépare un budget IA prévisible d'une facture qui surprend.

Ce qui a été annoncé

Le 28 septembre 2026, Anthropic a lancé Claude Sonnet 5.5. Le prix catalogue est resté identique à celui du Sonnet 5 : 2 dollars par million de tokens en entrée et 10 dollars par million de tokens en sortie. Le token est l'unité dans laquelle se mesure le texte qui entre et sort du système.

Selon la couverture du lancement, l'entreprise affirme que le modèle génère des réponses plus de 30% plus rapidement et coûte jusqu'à 30% de moins par tâche. L'économie ne vient pas d'un prix plus bas : elle vient du fait que le modèle a besoin de moins de tokens et de moins d'appels à des outils pour arriver au même résultat. Des clients cités lors du lancement ont rapporté de 12% à 14% de tokens en moins sur leur propre travail.

Ce que la mesure indépendante a révélé

Artificial Analysis, qui teste les modèles de tous les fabricants avec la même batterie de tâches, a publié des chiffres bien différents :

• Le Sonnet 5.5 a gagné 18 points par rapport au Sonnet 5 et s'est classé deuxième dans l'indice d'intelligence de la maison.
• Pour cela, il a dépensé environ 193 000 tokens de sortie par tâche — la plus grande consommation jamais mesurée par eux, soit environ sept fois celle du GPT-6 Astra, d'OpenAI, avec le même réglage.
• Le coût par tâche s'est élevé à 7,60 dollars, environ 50% de plus que le Sonnet 5.

Même prix catalogue, tâche 50% plus chère. Et plus intelligent, c'est vrai.

Les deux calculs sont corrects : la différence est un réglage

Les modèles actuels ont un réglage d'effort : combien le système peut réfléchir avant de répondre. La mesure indépendante a été réalisée à l'effort maximal. Les applications d'Anthropic elle-même utilisent l'effort moyen par défaut, et c'est dans cette plage que le fabricant montre des économies.

Autrement dit : le même modèle, au même prix par token, peut coûter moins cher ou bien plus cher que le précédent. Tout dépend de la position du réglage.

Cela change ce qu'il faut regarder dans une proposition. Le prix par token est devenu presque un détail. Ce qui décide de la facture, c'est le nombre de tokens que le modèle dépense pour terminer votre travail, et cela dépend du réglage d'effort, du type de tâche et du nombre de fois où il doit utiliser des outils en cours de route.

Le calcul qui tient sur un coin de table

La sortie coûte cinq fois plus cher que l'entrée, c'est donc elle qui pèse le plus. Un exemple avec le prix catalogue de ce modèle :

• Une tâche qui consomme 20 000 tokens de sortie coûte 0,20 dollar.
• Si le nouveau modèle en consomme 30 000 pour livrer la même chose, cela coûte 0,30 dollar.

C'est 50% de plus, avec un prix catalogue identique. Multipliez par dix mille tâches dans le mois et la différence cesse d'être un détail.

L'inverse se produit aussi : si le nouveau modèle résout la tâche avec 14 000 tokens, la même facture baisse de 30%. Qui ne mesure pas ne sait pas de quel côté il se trouve.

Comment tester avant de changer de modèle

1. Séparez vingt tâches réelles de votre activité. Pas d'exemples inventés : de vraies demandes de clients, de vrais documents, de vrais échanges avec le service client.
2. Exécutez les vingt sur les deux modèles, avec le réglage que vous utiliserez au quotidien. Tester à l'effort maximal et opérer à l'effort moyen, c'est mesurer autre chose.
3. Notez les tokens d'entrée et de sortie de chaque tâche. Chaque fournisseur renvoie ce chiffre avec la réponse.
4. Marquez les réponses qui ont pu être utilisées sans retouche. Une tâche qui a dû être refaite compte deux fois dans le coût.
5. Divisez la dépense totale par les tâches résolues. C'est votre coût par tâche, et c'est le seul chiffre qui compare vraiment deux modèles.

Cela prend un après-midi. C'est moins que ce que coûte la découverte de la différence sur la facture du mois suivant.

Quand l'effort maximal vaut son prix

Payer plus par tâche n'est pas une erreur quand la tâche est difficile et que l'erreur coûte cher. Un contrat révisé de travers, un calcul fiscal, un code qui part en production : dans ces cas-là, le modèle qui réfléchit davantage a tendance à se rentabiliser. Le raisonnement complet se trouve dans le texte sur quand cela vaut le coup de payer bien plus cher pour une IA.

Ce qui n'a pas de sens, c'est de laisser au maximum ce qui relève de la routine : classer des messages, résumer des conversations, répondre à des questions fréquentes. C'est là que se trouve le volume, et c'est là que le réglage oublié au mauvais endroit fait exploser la facture.

Cela confirme ce que nous écrivions il y a quatre jours

Dans le texte sur le prix de l'IA qui a cessé de baisser, la recommandation était de mesurer le coût par tâche, pas par mois. Ce lancement en montre la raison sous un autre angle : même le prix par token ne sert plus de repère. Deux modèles avec le même tarif peuvent avoir des factures opposées.

La couverture du lancement elle-même donne le bon avertissement : le résultat d'un test standardisé n'est pas le reflet de votre charge de travail. La seule mesure qui compte est celle de vos propres tâches.

Comment nous travaillons

Dans l'implémentation d'IA, chaque type de tâche sort avec deux chiffres définis : le coût par tâche résolue et le réglage d'effort sur lequel elle fonctionne. Quand un nouveau modèle apparaît, le changement est décidé en refaisant cette mesure, pas en lisant l'annonce. Pour ceux qui commencent leur calcul à zéro, le texte sur combien coûte l'IA dans votre entreprise présente les fourchettes actuelles.

Sources

Artificial Analysis, « Claude Sonnet 5.5 reaches #2 on the Artificial Analysis Intelligence Index », avec la note, la consommation de tokens et le coût par tâche. Couverture du lancement par VentureBeat le 28 septembre 2026, avec les affirmations de vitesse et d'économie d'Anthropic et les témoignages de clients.