Accueil / Contexte et coût

Quota, débit et routage vers le modèle le moins cher

Deux plafonds distincts gouvernent une session, le coût en argent et le débit en jetons par minute, et les deux se traitent par le même réflexe : router les tâches répétitives vers Haiku ou Sonnet, garder Opus pour le raisonnement difficile, et attendre en respectant un délai croissant après une erreur 429 plutôt que de relancer aussitôt.

Une rafale d'appels lancés vers Claude peut échouer de deux façons très différentes, et les deux se confondent facilement sous le mot générique de limite. La première est un plafond en argent, le spend limit, qui bloque tout nouvel appel jusqu'au premier jour du mois suivant une fois dépassé. La seconde est un plafond de débit, en jetons par minute, qui se lève de lui même quelques instants plus tard. Les deux renvoient la même erreur 429, ce qui les rend difficiles à distinguer sans y prêter attention : seul le plafond de débit porte un en-tête retry-after indiquant le délai à respecter, et le champ error.details.error_code vaut enforced_spend_limit_reached quand c'est le plafond en argent qui a répondu.

Deux plafonds, deux pannes différentes

Distinguer les deux se lit dans la réponse elle même :

reponse.statut == 429
si reponse.entetes contient "retry-after" :
    afficher "plafond de debit, reessayer dans " + reponse.entetes["retry-after"] + " s"
sinon si reponse.corps.error.details.error_code == "enforced_spend_limit_reached" :
    afficher "plafond en argent atteint, aucune attente ne le debloque"

Confondre les deux conduit à un mauvais réflexe : relancer immédiatement un appel après un 429 aggrave la saturation du débit au lieu de la résoudre, alors que la même réaction n'a aucun sens face à un plafond mensuel déjà atteint, où seule l'attente jusqu'au mois suivant, ou une hausse du plafond, change quelque chose, et où aucune tentative ne débloquera l'accès avant cette date. Les limites de débit de Sonnet et de Haiku ont par ailleurs été alignées sur celles d'Opus à chaque palier. La figure qui accompagne cette leçon chiffre ce changement et un second, moins visible : depuis les modèles Claude 4.7 et suivants, le même texte compte environ 30% de jetons en plus qu'avant, un écart dont l'ampleur exacte dépend du contenu, sans que la documentation le chiffre par type de contenu.

Router vers le moins cher, attendre en respectant le délai annoncé

Le réflexe qui traite les deux plafonds à la fois est le même : confier les tâches répétitives, résumer, extraire, classer, à Haiku ou Sonnet, et réserver Opus au raisonnement qui le justifie réellement. Cela réduit à la fois la facture et le débit consommé par minute, puisque chaque appel évité pèse moins sur les deux plafonds en même temps. Face à une erreur 429 de débit, la réponse correcte est d'attendre le délai indiqué par l'en-tête retry-after plutôt qu'une relance immédiate ou une progression fixe qui l'ignorerait, laquelle échoue dès que ce délai dépasse ce qu'elle prévoyait. Face à un 429 de plafond en argent, aucune attente courte ne débloque quoi que ce soit. Le même principe de routage vers le modèle le moins cher qui suffit s'applique aussi au choix du levier à activer sur une session longue, et il rejoint directement ce que la leçon sur la facture cachée montre à propos du coût d'un appel d'outil répété.