Jetons 57 à 70 % moins chers selon OpenRouter : pourquoi la facture d'un agent dépend surtout du cache

Le prix d'un jeton (le morceau de texte que facture un modèle) baisse, mais ta facture d'agent ne suit pas mécaniquement. C'est la leçon la plus utile du récapitulatif d'octobre 2026 publié par OpenRouter, la plateforme qui donne accès aux modèles de nombreux éditeurs derrière une seule API. Ce texte explique ce que mesure son « prix effectif », pourquoi les agents en dépendent autant, et comment faire le calcul pour ton propre usage. Pour les notions de base, voir ce que sont un jeton et une fenêtre de contexte.

Ce que dit le rapport d'OpenRouter

OpenRouter indique avoir traité 790 000 milliards de jetons en octobre 2026, 37 % de plus qu'en septembre et environ 25 fois plus qu'en janvier, d'après son récapitulatif mensuel. La plateforme attribue une bonne part de la hausse à la mise à jour de DeepSeek V4.1 Flash et à l'arrivée de Claude Haiku 5.5.

Le chiffre qui change la lecture du marché : les clés d'API classées « agentiques » ont consommé 76 % des jetons en octobre, soit environ 600 000 milliards, contre 8 % un an plus tôt, selon OpenRouter. Au sens de ce rapport, une clé est classée comme agent d'après sept signaux, dont le taux d'appels d'outils, le nombre de tours par requête et le rythme des requêtes (voir ce qu'est un agent IA et comment il fonctionne).

Côté prix, OpenRouter calcule un prix moyen par million de jetons, toutes requêtes payantes confondues :

Source : récapitulatif d'octobre 2026 d'OpenRouter, consulté le 9 novembre 2026. Prix effectif = montant facturé divisé par les jetons d'entrée et de sortie ; variantes gratuites, clés apportées par le client (BYOK) et modèles anonymes exclus.

Un prix effectif n'est pas un tarif

Ce prix moyen n'est pas une baisse des grilles tarifaires. OpenRouter écrit lui-même qu'il peut bouger pour trois raisons : les prix catalogue des modèles, le mélange des modèles utilisés et le taux de cache de chaque session. Cas cité par la plateforme : l'essentiel de la baisse d'août pour les modèles fermés vient d'un changement de mélange, quand GPT-5.6 Luna, à environ 0,07 dollar par million de jetons, est devenu le modèle fermé payant le plus utilisé.

Autrement dit, si tu utilises le même modèle qu'en janvier avec le même prompt, rien ne garantit que ta facture ait baissé. La moyenne baisse aussi parce que d'autres utilisateurs basculent vers des modèles moins chers, ou parce que leurs agents relisent davantage de contexte en cache. À l'inverse, un tarif identique ne garantit pas la même facture : Muse Ember, Claude Haiku 5.5 et GPT-6 Luna ont le même prix par jeton, mais pas le même coût par tâche, parce qu'ils ne consomment pas autant de jetons.

Le rapport donne d'ailleurs l'ordre de grandeur de ce second effet : chez la plupart des fournisseurs, 85 à 97 % des jetons d'entrée envoyés par des agents ont été servis depuis le cache en octobre, et le taux médian est passé de 76,1 % en juin à plus de 90 % en octobre, selon OpenRouter.

Pourquoi le cache compte autant pour un agent

Un agent renvoie à chaque tour presque tout son contexte : la définition de ses outils, ses instructions, les fichiers lus, l'historique des échanges. Le cache de prompt permet au fournisseur de réutiliser le calcul déjà fait sur ce début de requête, à condition qu'il soit identique au caractère près. La documentation d'Anthropic précise que le cache suit l'ordre outils, instructions système, puis messages : changer une définition d'outil invalide tout ce qui suit.

Les écarts de prix sont importants. Pour Claude Sonnet 5.5, Anthropic affiche 2 dollars par million de jetons d'entrée normale, 2,50 dollars pour une écriture en cache de 5 minutes, 4 dollars pour une écriture d'une heure et 0,10 dollar pour une lecture en cache. Le cache de 5 minutes se prolonge gratuitement à chaque relecture.

Calcul : un tour d'agent à 100 000 jetons d'entrée

Pour rendre l'écart concret, voici un calcul de la rédaction à partir des tarifs publiés par Anthropic pour Claude Sonnet 5.5, relevés le 9 novembre 2026. Hypothèse simple : à chaque tour, la part qui n'est pas relue en cache est écrite dans le cache de 5 minutes. Les jetons de sortie, facturés 10 dollars par million, sont laissés de côté.

Source : calcul Le Latent d'après la documentation sur le cache de prompt d'Anthropic (tarifs de Claude Sonnet 5.5), consultée le 9 novembre 2026. Illustration, pas une mesure sur un agent réel.

Passer de 70 % à 90 % de jetons relus divise ici par plus de deux le coût d'entrée d'un tour. À l'inverse, l'écriture coûte 25 % de plus que l'entrée normale : avec ces tarifs, le cache ne devient rentable qu'au-delà d'environ 21 % de jetons relus (0,50 dollar de surcoût d'écriture rapporté à 2,40 dollars d'économie par lecture, calcul de la rédaction d'après Anthropic). Un agent qui relit son contexte franchit ce seuil sans peine ; une suite de requêtes toutes différentes, non.

Les multiplicateurs ne sont pas les mêmes partout

Chaque fournisseur applique ses propres règles, et les documentations ne concordent pas toujours. La page d'OpenRouter sur le cache annonce une lecture à 0,1 fois le prix d'entrée chez DeepSeek, 0,25 fois chez Google Gemini et Grok, et une écriture facturée 1,25 fois chez OpenAI à partir de la famille GPT-5.6.

Pour OpenAI, la même page indique des lectures à 0,25 ou 0,50 fois le prix d'entrée selon le modèle. La documentation d'OpenAI donne d'autres valeurs pour GPT-5.6 et les modèles suivants : 0,1 fois sur la plupart de ces modèles et 0,05 fois sur GPT-6.1 Sol et GPT-6.1 Terra. Même écart chez Anthropic : OpenRouter parle d'un multiplicateur de 0,1 fois, alors qu'Anthropic applique 0,05 fois à Claude Opus 5.5 et Claude Sonnet 5.5. En cas de doute, la page tarifaire de l'éditeur du modèle fait foi.

Ce que ça change pour toi

Si tu fais tourner un agent par API, trois réglages pèsent plus que la tendance du marché :

• Un début de requête stable. Outils, instructions et documents de référence en tête, toujours dans le même ordre ; horodatage, identifiants de requête et mémoire injectée après le dernier point de cache, comme le recommande Anthropic.
• La bonne durée de cache. Le cache par défaut d'Anthropic dure 5 minutes : si ton agent attend plus longtemps entre deux tours (relecture humaine, tâche longue), le cache d'une heure coûte 2 fois l'entrée à l'écriture mais évite de tout réécrire, selon sa documentation.
• Le même fournisseur d'une requête à l'autre. Un cache ne se partage pas entre fournisseurs. OpenRouter renvoie les requêtes d'une même conversation vers le même fournisseur, et un champ session_id permet de le forcer dès le premier appel ; la session expire après 60 minutes d'inactivité. Si tu utilises son routeur Auto Code pour les agents de code, cette fidélité au modèle n'est assurée qu'au mieux.

Pour suivre ton taux réel, lis les champs d'usage renvoyés par l'API plutôt que la page tarifaire : cache_read_input_tokens et cache_creation_input_tokens chez Anthropic, cached_tokens chez OpenAI et OpenRouter, comme le détaillent les documentations d'OpenAI et d'OpenRouter.

Les limites du rapport

Ces chiffres décrivent le trafic d'une seule plateforme, pas le marché entier. Les clés apportées par les clients (BYOK) et les variantes gratuites sont exclues des prix, et la distinction entre agents et humains repose sur un classement maison à sept signaux (taux d'appels d'outils, tours par requête, rythme des requêtes…), décrit dans la note de méthode d'OpenRouter sans vérification extérieure.

Deux autres données du rapport méritent la même prudence. Les modèles dits de décision, qui tranchent une question étroite (routage, modération, oui ou non), atteignent 21 % des requêtes la semaine du 26 octobre, mais OpenRouter précise qu'ils pèsent beaucoup moins en jetons ou en dépense. Les modèles à poids ouverts sont repassés au-dessus de 70 % des jetons payants deux semaines après la semaine du 28 septembre, mais ne pèsent qu'environ un quart de la dépense, selon la même source (voir ce que veut dire « poids ouverts »).

Le rapport ne dit rien, enfin, des prix en euros ni de l'usage depuis la France : les montants restent en dollars, sans conversion officielle. Pour d'autres explications sur le fonctionnement des modèles, voir la rubrique Comprendre.