Calculateur de cache de prompt
Envoyer 100 fois un début de prompt de 10 000 tokens à Claude Sonnet 5.5, avec 500 tokens d’entrée nouveaux et 300 tokens de sortie par appel, coûte 2,40 $ sans cache et 0,52 $ avec le cache de 5 minutes, soit 78 % d’économie dès l’appel 2 (prix vérifiés le 2026-10-16).
Mode d’emploi
- Choisissez un modèle et, pour Claude, la durée du cache : 5 minutes ou 1 heure.
- Saisissez les tokens répétés à chaque appel (prompt système, documents, définitions d’outils), les tokens qui changent, les tokens de sortie et le nombre d’appels.
- Indiquez combien de fois le cache est écrit : 1 si les appels arrivent avant l’expiration, davantage s’il expire et est réécrit. Lisez l’économie, les deux totaux et le seuil de rentabilité.
Méthode de calcul
Sans cache = appels × (tokens répétés + variables) × prix d’entrée + appels × tokens de sortie × prix de sortie, le tout ÷ 1 000 000.
Avec cache = écritures × tokens répétés × prix d’écriture + (appels − écritures) × tokens répétés × prix de lecture + le même coût d’entrée variable et de sortie.
Prix d’écriture = prix d’entrée × coefficient : Claude 1,25 pour le cache de 5 minutes et 2 pour celui d’1 heure, OpenAI 1,25 à partir de GPT-5.6 et 1 avant, cache implicite de Gemini 1.
Seuil = 1 + le plus petit nombre de lectures r tel que r × (prix d’entrée − prix de lecture) > (coefficient − 1) × prix d’entrée. Prix en dollars US par million de tokens.
Questions fréquentes
À partir de quand le cache de prompt est-il rentable ?
Avec le cache de 5 minutes de Claude, il est rentable dès le deuxième appel qui lit le cache, car une lecture coûte une petite fraction du prix d’entrée et le surcoût d’écriture n’est que de 25 %. Le cache d’1 heure coûte le double à écrire et demande une lecture de plus.
OpenAI facture-t-il l’écriture dans le cache ?
Chez OpenAI, le cache est automatique. Selon le guide OpenAI sur le cache de prompt, GPT-5.6 et les modèles suivants facturent l’écriture 1,25 fois le prix d’entrée, et les modèles antérieurs n’ont pas de surcoût.
Et Gemini ?
Gemini 2.5 et les modèles plus récents mettent en cache implicitement et répercutent la remise en cas de succès ; l’écriture est donc comptée ici comme une entrée normale. Les caches explicites facturent aussi un stockage par million de tokens et par heure, non inclus ici.
Pourquoi l’économie réelle peut-elle être plus faible ?
Chaque fournisseur impose une longueur minimale, seul un début identique est retrouvé et un cache expiré doit être réécrit. Reportez les expirations dans le champ des écritures et comparez avec l’usage renvoyé par l’API.