Le 22 septembre 2026, le marché des agents IA a basculé. OpenAI et Anthropic ont publié le même jour des modèles moins chers que leurs prédécesseurs, déclenchant une guerre des prix ouverte. D’un côté, GPT-6 Sol à la moitié du prix de GPT-5.6 Sol. De l’autre, Claude Opus 5.5 à 20 % sous Opus 5 et jusqu’à 60 % sur les lectures de cache.
Cette synchronisation parfaite ne doit rien au hasard. Elle révèle une pression concurrentielle inédite, des modèles chinois à poids ouvert à Grok 4.7, et une course au volume dont les entreprises sont les premières bénéficiaires. Mais lire les grilles tarifaires publiques ne suffit plus : le coût réel d’un agent dépend du cache, des paliers de service et de la consommation effective de tokens.
GPT-6 Sol et Luna : les nouveaux tarifs d’OpenAI décryptés
OpenAI frappe fort avec deux déclinaisons de GPT-6. GPT-6 Sol coûte 2 dollars par million de tokens en entrée et 10 dollars en sortie, contre 4 et 20 dollars pour GPT-5.6 Sol. La baisse atteint donc exactement 50 % sur les deux compteurs.
GPT-6 Luna, le moins cher des modèles GPT-6, tombe à 0,10 et 0,50 dollar par million de tokens, contre 0,20 et 1,20 dollar pour GPT-5.6 Luna. Luna figure parmi les modèles OpenAI les plus abordables jamais lancés : seuls GPT-4.1 Nano (0,10 $/0,40 $ en avril 2025) et GPT-5 Nano (0,05 $/0,40 $ en août 2025) l’ont précédé à ce niveau de prix.
Caractéristiques techniques et économie du cache
Sol et Luna disposent d’une fenêtre de contexte de 1 050 000 tokens en entrée et d’un maximum de 128 000 tokens en sortie, avec un niveau de raisonnement réglable de none à max. Sol a une date de coupure des connaissances au 20 avril 2026 et Luna au 18 mai 2026.
Le pilotage du raisonnement a un impact direct sur la facture : un agent en mode max consomme davantage de tokens de sortie, facturés dix fois plus cher que l’entrée. C’est le premier levier d’optimisation à maîtriser.
Claude Opus 5.5 : la riposte d’Anthropic et l’économie du cache
Anthropic répond sur le même terrain. Claude Opus 5.5 coûte 4 dollars par million de tokens en entrée et 20 dollars en sortie, soit 20 % de moins qu’Opus 5. Mais la vraie révolution se situe côté cache : le coût des lectures en cache d’Opus 5.5 a baissé de 60 %.
L’impact est considérable car, sur les conversations longues, plus de 90 % des tokens d’entrée peuvent être facturés à ce tarif réduit. Un agent qui coûtait 100 dollars par jour sur Opus 5 revient à environ 60 dollars sur Opus 5.5, à tâche égale selon les chiffres d’Anthropic.
Côté OpenAI, la mécanique est similaire : l’entrée en cache est facturée à 10 % du tarif non mis en cache, soit 0,20 dollar par million de tokens pour Sol, et les écritures en cache sont facturées à 1,25 fois le tarif d’entrée non mis en cache. OpenAI propose une réduction de 90 % sur les lectures de tokens d’entrée mis en cache et affirme que ses améliorations de mise en cache ont réduit de plus de moitié le volume de tokens facturés au tarif plein sur GitHub Copilot.
Comment calculer le coût réel d’un agent
Peu d’analyses détaillent la méthodologie de calcul, pourtant indispensable. Voici la décomposition à appliquer pour toute simulation :
- Tokens d’entrée neufs : le contexte ajouté à chaque tour, facturé au tarif plein.
- Tokens d’entrée en cache : l’historique retransmis à chaque appel, facturé au tarif réduit (0,20 $/M pour Sol, tarifs cache baissés de 60 % pour Opus 5.5).
- Écritures en cache : facturées à 1,25 fois le tarif d’entrée plein chez OpenAI, un coût caché à intégrer.
- Tokens de sortie : le raisonnement et les réponses, souvent 5 à 10 fois plus chers que l’entrée.
- Appels d’outils : chaque appel réinjecte du contexte, ce qui gonfle les entrées cachées ou non au fil de la session.
C’est exactement ce qu’a mesuré ActuIA : sur une session d’agent simulée à volume de jetons constant, la facture passe de 3,48 à 1,74 dollar chez OpenAI et de 4,35 à 3,34 dollars chez Anthropic. Une division par deux côté OpenAI, une baisse de 23 % côté Anthropic, alors que les baisses de prix affichées sont respectivement de 50 % et 20 à 60 %. La nuance vient du mix de tokens entre entrée, sortie et cache.
Combien coûte réellement une session d’agent IA aujourd’hui ?
Le chiffre d’ActuIA donne un ordre de grandeur utile : 1,74 dollar par session chez OpenAI et 3,34 dollars chez Anthropic, pour une tâche d’agent représentative. Sur des centaines de sessions quotidiennes, l’écart entre fournisseurs devient rapidement significatif en budget annuel.
Mais attention au piège de la comparaison brute : la baisse de prix ne s’accompagne pas toujours d’une baisse de la consommation réelle de tokens. Un modèle plus performant peut se contenter de moins d’appels d’outils, ou au contraire raisonner plus longtemps. Simon Willison a largement documenté ce type de décalage entre tarifs affichés et factures réelles : le seul indicateur fiable reste votre propre workload, mesuré en production ou en simulation.
Performances vs prix : ce que révèlent les benchmarks (DeepSWE, AutomationBench, ARC-AGI-3)
Le rapport qualité-prix se juge sur des tests standardisés. Sur le benchmark de génie logiciel DeepSWE, OpenAI revendique 68,8 % pour Sol, à 1,1 point de Claude Fable 5. Sur ce créneau, GPT-6 Sol reste plus de deux fois moins cher qu’Opus 5.5 au million de tokens.
OpenAI met aussi en avant AutomationBench, un test conçu par Zapier qui mesure la capacité d’un agent à mener un processus métier complet avec 47 outils. GPT-6 Sol y obtient 33,2 % de réussite pour 0,27 dollar. Ce type de métrique coût-résultat est bien plus parlant pour une entreprise qu’un score brut : il traduit la performance en valeur économique.
Reste le cas GPT-6 Astra, lancé le 3 septembre 2026 et facturé 10 et 50 dollars par million de tokens avec une fenêtre de contexte de 1 050 000 tokens. Le chiffre de 99,9 % sur ARC-AGI-3 annoncé au lancement n’est pas reproductible en appel d’API standard : la mesure indépendante d’ARC Prize donne 62,7 %. L’écart illustre l’importance de croiser les annonces officielles avec les évaluations tierces, comme celles d’Artificial Analysis, avant d’engager un budget sur un modèle haut de gamme.
Grok et les modèles chinois dans la comparaison
La comparaison ne peut plus ignorer les outsiders. Grok 4.7 est affiché à 2 $/6 $ par million de tokens, désormais au même tarif d’entrée que GPT-6 Sol mais 40 % moins cher en sortie. À l’autre extrémité, Claude Haiku 4.5 est facturé 1 $/5 $ par million de tokens, soit dix fois plus que GPT-6 Luna à 0,10 $/0,50 $. Les modèles chinois à poids ouvert, déployables en infra own-hosted, tirent encore le plancher des prix vers le bas et obligent les acteurs américains à réagir sur les tarifs, pas seulement sur les performances.
Le contexte stratégique : IPO Anthropic, pression des modèles chinois et de Grok
Cette guerre des prix intervient à quelques semaines de l’introduction en Bourse d’Anthropic, qui prépare une cotation au Nasdaq pour la mi-octobre 2026. Baisser les prix juste avant une IPO envoie un signal clair : le pari est celui du volume, pas de la marge unitaire. Plus de requêtes à prix unitaire plus faible, des coûts d’infrastructure mutualisés et un cache plus efficient peuvent compenser en partie la baisse par requête.
La question de la durabilité financière reste ouverte. Pour OpenAI comme pour Anthropic, chaque requête à prix réduit n’est rentable que si le volume croît plus vite que le coût de calcul, et si la mise en cache absorbe une part croissante du contexte. Les entreprises qui bâtissent leur stack sur ces tarifs doivent donc anticiper des ajustements futurs, dans un sens comme dans l’autre.
Autre angle à surveiller : la confiance dans les agents autonomes. Les incidents de sécurité rapportés autour de GPT-6 Astra depuis son lancement rappellent que le coût n’est qu’un critère parmi d’autres. Un agent pas cher mais peu fiable sur des actions sensibles coûte plus cher en supervision et en correction qu’un modèle premium bien encadré.
Comment choisir son modèle IA en fonction du coût par tâche
Voici une grille de décision simple pour arbitrer entre coût et fiabilité :
- Agents conversationnels à fort volume : GPT-6 Luna (0,10 $/0,50 $) est imbattable pour du tri, du routage ou des réponses simples.
- Agents de codage et de processus métier : GPT-6 Sol (2 $/10 $) offre le meilleur rapport coût/performance sur DeepSWE et AutomationBench.
- Conversations longues et sensibles : Claude Opus 5.5 (4 $/20 $) avec le cache à -60 % devient compétitif dès que l’historique domine, cas typique des agents de support.
- Traitements asynchrones non urgents : Batch et Flex divisent la facture par deux, à réserver aux charges tolérantes à la latence.
- Fiables sur actions critiques : comparer les évaluations indépendantes plutôt que les benchmarks constructeurs, et prévoir une supervision humaine.
Le facteur 4 des paliers de service
Un paramètre souvent négligé par les entreprises : les paliers de service font varier le coût d’un même modèle par un facteur 4. Batch et Flex font tourner Sol à 1 $/5 $, le mode Fast à 4 $/20 $. Autrement dit, le même modèle, la même tâche et la même qualité de raisonnement peuvent coûter quatre fois plus selon le niveau de latence accepté. Toute comparaison tarifaire qui ignore ce paramètre est incomplète.
La méthode recommandée : modéliser vos sessions réelles (volume d’entrée, taux de hit cache, sortie moyenne, nombre d’appels d’outils), puis simuler la facture sur chaque palier de service chez chaque fournisseur. Les chiffres d’ActuIA montrent que l’écart entre le prix affiché et le coût constaté peut atteindre plusieurs dizaines de pourcents.
