Coût réel des modèles OpenAI et Anthropic : l’écart se resserre

Le prix affiché au million de tokens ne suffit pas à estimer le coût réel d’un modèle d’IA en entreprise. À partir de quatre tâches concrètes, OpenAI et Anthropic aboutissent à des factures très différentes, parfois avec un écart qui va du simple au double, voire davantage. Dans certains cas, le modèle le moins cher au catalogue ne l’est pas vraiment à l’usage. Et le “million de tokens” a parfois l’élasticité d’un vieux mètre ruban.

Quand le tarif catalogue ne raconte pas toute l’histoire

Les trois modèles d’OpenAI et d’Anthropic testés ici ne sont pas comparés sur un simple benchmark de labo, mais sur des tâches d’entreprise où la réponse doit être unique et vérifiable. Les auteurs ont utilisé les API officielles, avec un niveau de raisonnement identique (“high”), trois passes par modèle, et un cache activé des deux côtés pour coller à un usage de production. Cette méthode compte, car le coût final dépend autant du prix facial que du nombre de tokens réellement consommés. Or ce nombre varie selon le modèle, le type de tâche et le tokenizer, c’est-à-dire l’outil qui découpe le texte en unités facturables.

Sur le papier, Anthropic est moins cher sur plusieurs lignes tarifaires. GPT-6 Astra est affiché à 10,00 $ par million de tokens en entrée contre 4,00 $ pour Claude Opus 5.5, et à 50,00 $ en sortie contre 20,00 $. En revanche, GPT-6.1 Sol et Claude Sonnet 5.5 sont alignés à 2,00 $ en entrée et 10,00 $ en sortie. Même chose pour GPT-6 Luna et Claude Haiku 5.5, tous deux à 0,10 $ en entrée et 0,50 $ en sortie. À première vue, le classement semble donc simple. Il ne l’est pas.

Des écarts qui changent selon la tâche

Sur le test de correction de bug dans Flask, GPT-6 Astra finit à 0,4278 $ contre 0,2534 $ pour Claude Opus 5.5, soit un coût 1,7 fois plus élevé malgré un prix catalogue 2,5 fois supérieur. GPT-6.1 Sol et Claude Sonnet 5.5, pourtant au même tarif théorique, ressortent à 0,0730 $ contre 0,1217 $, ce qui donne l’avantage à OpenAI. En bas de gamme, GPT-6 Luna coûte 0,0048 $ quand Claude Haiku 5.5 monte à 0,0398 $, soit un écart de 8,4 fois. Les modèles d’Anthropic ont ici consommé davantage de tokens pour un résultat comparable, notamment parce qu’ils découpent le texte différemment.

La logique se répète sur l’extraction de données de factures. GPT-6 Astra reste plus cher, à 0,4023 $ contre 0,2405 $ pour Claude Opus 5.5. Dans la gamme intermédiaire, GPT-6.1 Sol coûte 0,0791 $ et Claude Sonnet 5.5 0,1284 $. Le plus petit modèle change encore l’équation : GPT-6 Luna revient à 0,0041 $, quand Claude Haiku 5.5 atteint 0,0088 $. Ici, Anthropic n’est gagnant qu’en haut de gamme grâce au tarif plus bas de Claude Opus 5.5 sur le papier et à une consommation de tokens un peu plus contenue sur ce test.

Le long document favorise surtout les petits modèles

Le prospectus pré-IPO de SpaceX, long de 400 pages, crée des écarts plus marqués. GPT-6 Astra est facturé 2,9275 $, contre 1,0770 $ pour Claude Opus 5.5. En milieu de gamme, les deux modèles sont presque à égalité, avec 0,5369 $ pour GPT-6.1 Sol et 0,5358 $ pour Claude Sonnet 5.5. Le bas de gamme redevient le terrain d’OpenAI : GPT-6 Luna tombe à 0,0294 $, contre 0,1458 $ pour Claude Haiku 5.5. Sur ce type de document, les modèles d’Anthropic ont compté beaucoup plus de tokens en entrée, ce qui alourdit la note.

Le dédoublonnage d’un fichier client de 300 lignes, dont 40 doublons, confirme le schéma. GPT-6 Astra coûte 0,6184 $ face à 0,3451 $ pour Claude Opus 5.5. GPT-6.1 Sol descend à 0,1126 $, sous les 0,1673 $ de Claude Sonnet 5.5. En bas de gamme, GPT-6 Luna passe à 0,0061 $, là où Claude Haiku 5.5 affiche 0,0105 $. Sur cette tâche, les modèles d’OpenAI consomment moins de tokens en sortie, en entrée et en raisonnement, ce qui fait la différence au moment de payer.

Ce que ces mesures disent du marché

Au total, les quatre tests convergent : à prix affiché comparable, Anthropic se révèle presque toujours plus cher à l’usage. Selon les auteurs, le tokenizer de Claude explique une grande partie de l’écart, avec 46 à 63 % de tokens en plus consommés selon les cas. Autrement dit, un million de tokens Anthropic contient environ 35 % de texte en moins qu’un million de tokens OpenAI. Le constat vaut aussi pour le raisonnement : à niveau identique, les modèles d’Anthropic produisent souvent davantage de tokens.

Un point ressort toutefois nettement. Sur chacune des tâches, un petit modèle a terminé le travail sans erreur pour un coût 30 à 90 fois inférieur à celui du haut de gamme. Le bon choix n’est donc pas forcément celui qui affiche le plus gros tarif — ni le plus gros ego, si l’on veut rester poli. Pour les entreprises qui multiplient les appels API, cette différence peut vite changer la facture mensuelle, surtout quand les volumes montent et que la précision attendue reste modeste.