Aller au contenu
Cercle IA Tech · Coûts Un site du réseau Cercle IA Tech

Guide

Jetons de réflexion : ce qu'ils ajoutent à la facture

Les jetons de réflexion sont facturés comme de la sortie, même invisibles : règles d'Anthropic et de Google, exemple chiffré du 15/11/2026.

Mis à jour le

Un modèle qui réfléchit avant de répondre produit des jetons que vous ne voyez pas toujours, et vous les payez au prix de la sortie, qui est le plus élevé. La facture suit donc le travail réel du modèle, pas la longueur de la réponse affichée. Cette page explique ce qui est facturé chez Anthropic et chez Google, d'après leurs pages lues le 15/11/2026, et chiffre un exemple.

Pour une plateforme proposant plusieurs modèles, les fonctions de choix et de comparaison d’ALMA donnent un cadre d’essai. Demandez comment les consommations associées à la réflexion sont prises en compte ; la longueur visible de la réponse ne suffit pas pour comparer.

Ce que disent les éditeurs

Anthropic. La documentation liste trois charges : les jetons de réflexion (facturés comme sortie), les blocs de réflexion des tours précédents qui restent dans le contexte (facturés comme entrée), et le texte de la réponse. Elle précise que les jetons de sortie facturés ne correspondent pas aux jetons visibles : on paie la réflexion complète, même quand la réponse n'en montre qu'un résumé. La génération du résumé ne coûte rien. Le champ output_tokens de la réponse reste le total faisant foi.

Sur les modèles 4.6 et suivants (et Claude Opus 4.5), les blocs de réflexion des tours précédents sont conservés par défaut et refacturés en entrée à chaque appel. Sur les modèles plus anciens, seul le dernier tour est conservé.

Google. La page tarifs de l'API Gemini indique que, pour les modèles listés, le prix de sortie inclut les jetons de réflexion. Il n'y a pas de ligne séparée : le prix de sortie de Gemini 3.8 Flash, 3,75 $ par million de jetons, vaut réflexion comprise.

Exemple chiffré, calculé par nous

La documentation d'Anthropic donne un exemple de champ d'usage : 25 jetons d'entrée, 348 jetons de sortie dont 312 de réflexion. Il s'agit d'un exemple isolé, pas d'une moyenne.

  • Part de réflexion : 312 / 348, soit environ 90 % de la sortie.
  • Sur Claude Sonnet 5.5 (sortie à 10 $ par million, prix relevé le 15/11/2026) : 348 × 10 / 1 000 000 = 0,00348 $ par requête.
  • Si l'on ne comptait que les 36 jetons visibles : 0,00036 $. L'écart est d'un facteur dix.
  • À 10 000 requêtes par mois : 34,80 $ réels, contre 3,60 $ estimés à tort.

Deuxième calcul, pour les tours précédents : une conversation de dix tours où chaque tour produit 300 jetons de réflexion conservés ajoute 300 × (0 + 1 + … + 9) = 13 500 jetons d'entrée au total. À 2 $ par million sans cache, cela fait 0,027 $. C'est peu pour une conversation, mais c'est un coût qui croît avec la longueur, comme sur le coût d'une conversation de chatbot.

Les deux leviers

  • L'effort : il guide la quantité de réflexion, sans la garantir. Les niveaux vont de low à max. Le niveau par défaut est medium sur Claude Opus 5.5 et Claude Haiku 5.5, high sur la plupart des autres modèles. Anthropic recommande de baisser l'effort plutôt que de demander au modèle, dans le texte, de moins réfléchir : sur certains modèles, cette consigne ne réduit pas la réflexion de façon fiable.
  • max_tokens : plafond dur de la sortie d'une requête, réflexion et réponse confondues. Dans une boucle d'outils, chaque requête a le sien : il ne borne pas le coût de tout le tour.

Une précaution : changer le niveau d'effort entre deux requêtes peut invalider le cache de prompt, d'après la documentation. Choisissez un réglage par conversation et gardez-le.

Ce qu'il faut mesurer

Relevez thinking_tokens sur vingt vraies requêtes avant de chiffrer un budget. Une consigne simple peut ne déclencher aucune réflexion ; un problème à plusieurs étapes peut en déclencher beaucoup. La méthode générale est sur calculer le coût d'un appel API, et un plafond mensuel vous protège d'une dérive : voir plafonner les dépenses.

Pour savoir quand la réflexion vaut son prix selon la qualité attendue, voyez la page modèle de raisonnement. Les prix changent : revérifiez-les sur les pages officielles avant de signer un budget.

Questions fréquentes

Les jetons de réflexion sont-ils facturés si je ne les affiche pas ?

Oui. D'après la documentation d'Anthropic lue le 15/11/2026, la facturation est la même que la réflexion soit affichée en résumé ou omise : vous payez les jetons réellement générés, pas le résumé visible.

Comment savoir combien de jetons ont servi à réfléchir ?

Chez Anthropic, le champ usage.output_tokens_details.thinking_tokens de la réponse donne la part de réflexion, toujours inférieure ou égale à output_tokens, qui reste le total facturé.

Comment réduire cette dépense ?

En baissant le niveau d'effort, qui guide la quantité de réflexion, et en fixant max_tokens, qui plafonne la sortie totale d'une requête, réflexion comprise.

Sources

Pages consultées pour écrire cet article :

  1. https://alma.iarche.fr/fr/features
  2. https://platform.claude.com/docs/en/build-with-claude/thinking-steering-and-cost
  3. https://platform.claude.com/docs/en/build-with-claude/extended-thinking
  4. https://platform.claude.com/docs/en/about-claude/pricing
  5. https://aistudio.google.com/docs/pricing

À lire aussi