OpenAI a revu le prompt caching de la famille GPT-6 le 22 septembre. La remise sur les tokens d'entrée servis depuis le cache passe de 50 % à 90 % et la fenêtre de réutilisation s'étend à 30 minutes. Un tableau de bord dédié arrive sur platform.openai.com. L'annonce complète la baisse de prix de Sol et Luna, présentés la veille. Le coût réel d'un agent en production se joue désormais autant sur le cache que sur le tarif affiché.
- Les tokens d'entrée en cache coûtent 10 % du prix au lieu de 50 %, sans surcoût d'écriture. Le préfixe reste réutilisable 30 minutes, contre quelques minutes non documentées avant.
- Un tableau de bord et un outil de diagnostic listent la cause exacte de chaque cache miss (outil modifié, modèle mis à jour) en JSON structuré.
- GitHub Copilot mesure 50 % de tokens frais en moins, et des clients passent de 83-85 % à 90-91 % de taux de hit.
OpenAI rejoint Anthropic sur la remise, sans le surcoût d'écriture
Le cache d'OpenAI reste automatique : aucun marqueur à poser, le système reconnaît les préfixes répétés. La mise à jour ajoute les briques qui manquaient aux équipes en production. Des points de coupe explicites pour choisir quel préfixe cacher. Le changement d'effort de raisonnement en cours de conversation sans invalider le cache. Un préchauffage pour réduire la latence du premier appel. Et une gestion des outils en ajout seul, parce qu'un outil modifié au milieu de la liste cassait le cache de tout ce qui suit.
La comparaison avec les concurrents devient serrée. Anthropic offre la même remise de 90 % en lecture, mais facture l'écriture 1,25 fois le prix de base, avec 5 minutes de durée de vie par défaut. Gemini propose 75 % de remise via un cache explicite, avec des frais de stockage et un seuil pensé pour les prompts de plus de 32 000 tokens. OpenAI aligne donc la meilleure remise du marché sur un cache automatique, sans surcoût d'écriture et avec 30 minutes de fenêtre. Sur la portion cachée d'un prompt, la facture est divisée par cinq par rapport au tarif de la semaine dernière.
Les chiffres avancés viennent d'OpenAI et de ses clients, pas d'un tiers. GitHub Copilot annonce 50 % de tokens frais en moins. D'autres équipes citées passent de 83-85 % à 90-91 % de taux de hit. Artificial Analysis n'a pas encore publié de mesure indépendante du coût réel par requête. Mon avis : notable pour toute équipe qui fait tourner des agents, du RAG ou un chatbot à fort volume. La baisse de prix de Sol et Luna a fait les titres. Pour un agent qui boucle sur un long contexte, le passage de 50 à 90 % de remise pèse pourtant plus lourd.
Ce que ça change pour vous
Si votre équipe consomme l'API avec des prompts système longs, des bases d'outils fournies ou du RAG, le gain arrive sans changement de code : le cache est automatique. Le levier de travail est ailleurs, dans le diagnostic. La plupart des taux de hit médiocres viennent d'outils modifiés entre deux appels, de préfixes instables (un horodatage en tête de prompt suffit) ou d'appels trop espacés. L'outil de diagnostic nomme maintenant la cause, token par token.
Si vous êtes sur Claude, refaites le calcul. À remise égale en lecture, l'absence de surcoût d'écriture et la fenêtre de 30 minutes contre 5 avantagent GPT-6 sur les charges espacées. Si vous faites du chat simple à faible volume, rien à faire, le gain sera marginal.
- Ouvre le tableau de bord Prompt Caching sur platform.openai.com et note ton taux de hit actuel, avant toute optimisation, pour mesurer le gain ensuite.
- Passe l'outil de diagnostic sur tes 10 requêtes les plus coûteuses : il liste la cause de chaque miss et le volume de tokens concerné.
- Déplace tout contenu variable (date, identifiant de session) en fin de prompt et fige le bloc système + outils en tête, pour maximiser le préfixe commun.
Sources
- OpenAI - Better prompt caching for GPT-6 (22 septembre 2026)
- Eden AI - Prompt Caching: Claude vs GPT vs Gemini Cost Playbook (25 juillet 2026)
Source : Openai.com
Cet article a été rédigé avec l’assistance d’un modèle de langage (LLM).
