À partir de combien de réutilisations le cache est-il rentable ?

Chez Anthropic, d'après la page tarifs : dès la première relecture pour le cache de 5 minutes (écriture à 1,25 fois le prix d'entrée), dès la deuxième pour le cache d'une heure (écriture à 2 fois le prix d'entrée).

Quand choisir le cache d'une heure plutôt que celui de 5 minutes ?

Quand les appels qui partagent le même début sont espacés de plus de cinq minutes mais qu'il y en a au moins trois dans l'heure (une écriture et deux relectures). Le cache de 5 minutes est prolongé gratuitement à chaque relecture ; s'il expire entre deux appels, chaque appel repaie l'écriture.

Cache de prompt : rentable à partir de combien d'appels ?

Chez Anthropic, le cache de prompt est rentable dès la première relecture avec la durée de cinq minutes, et dès la deuxième avec la durée d'une heure. C'est ce qu'indique la page tarifs lue le 15/11/2026 : écrire un début de requête en cache coûte 1,25 fois le prix d'entrée normal (cinq minutes) ou 2 fois (une heure), et le relire coûte 0,1 fois ce prix sur la plupart des modèles, 0,05 fois sur Claude Opus 5.5 et Claude Sonnet 5.5. La vraie question n'est donc pas le prix, mais le rythme de vos appels : le cache ne rapporte que si le même début revient avant d'expirer.

Pour la mise en œuvre (activation, points de cache, règles qui font qu'un cache « prend »), voir la page prompt caching du site API. Cette page-ci traite seulement la décision.

Le calcul du seuil

Notons P le prix d'entrée normal. Sans cache, chaque appel paie P pour le début répété. Avec cache :

Durée	Premier appel	Appels suivants	Rentable à partir de
5 minutes	1,25 × P	0,1 × P (0,05 × P sur Opus 5.5 et Sonnet 5.5)	1 relecture
1 heure	2 × P	idem	2 relectures

Avec la durée de cinq minutes, le surcoût de l'écriture (0,25 × P) est couvert dès la première relecture, qui économise 0,9 × P (ou 0,95 × P). Avec la durée d'une heure, le surcoût (1 × P) demande deux relectures.

Un exemple chiffré

Prenons des consignes fixes de 3 000 jetons sur Claude Sonnet 5.5, dont l'entrée coûte 2 dollars américains par million de jetons au 15/11/2026 (calcul illustratif) :

Nombre d'appels dans la durée du cache	Sans cache	Cache 5 minutes	Cache 1 heure
1	0,0060 $	0,0075 $	0,0120 $
2	0,0120 $	0,0078 $	0,0123 $
3	0,0180 $	0,0081 $	0,0126 $
10	0,0600 $	0,0102 $	0,0147 $

Détail : écriture 5 minutes à 2,50 $, écriture 1 heure à 4 $, lecture à 0,10 $ par million de jetons. Un appel isolé coûte plus cher avec cache ; dès deux appels, le cache de cinq minutes gagne ; dès trois, celui d'une heure aussi.

La décision selon votre rythme d'appels

Votre situation	Choix
Plusieurs appels par minute avec les mêmes consignes (assistant très utilisé, traitement en série)	cache de 5 minutes : il se prolonge gratuitement à chaque relecture
Quelques appels par heure, espacés de plus de 5 minutes	cache d'une heure, s'il y a au moins trois appels dans l'heure
Appels rares, moins d'un par heure avec le même début	pas de cache : chaque appel paierait l'écriture
Requêtes toutes différentes	pas de cache
Traitement par lots	cache d'une heure, conseillé par Anthropic pour les lots

Pour les lots, la documentation d'Anthropic précise que les relectures se font « au mieux », avec des taux constatés de 30 % à 98 % selon le trafic : comptez sur la remise des lots, et voyez le cache comme un bonus. Le détail des lots est sur la page traitement par lots du site API.

Les trois conditions avant de compter sur le cache

Une partie fixe assez longue. En dessous d'une taille minimale, la requête passe sans cache et sans erreur : 512 jetons pour Claude Opus 5.5, Sonnet 5.5 et Haiku 5.5, 4 096 pour Claude Haiku 4.5.
Une partie fixe placée au début. Le cache couvre le début de la requête (outils, puis consignes, puis messages) : tout ce qui change d'un appel à l'autre doit venir après.
Une partie fixe vraiment fixe. Modifier une définition d'outil invalide tout le cache ; une date ou un nom d'utilisateur glissé au début des consignes l'empêche de servir.

Vérifier que l'économie est réelle

Dans chaque réponse, le champ cache_read_input_tokens compte les jetons relus et cache_creation_input_tokens ceux écrits. Si les écritures restent nombreuses par rapport aux lectures, le cache expire entre vos appels : passez à la durée d'une heure ou retirez-le. La formule complète est sur calculer le coût d'un appel, et les autres leviers sur réduire la facture.