---
title: "Tokens en cache et prompt caching expliqués | BroadRouter"
description: "L’entrée en cache coûte une fraction de l’entrée normale. Facturation du prompt caching, lecture de cached_tokens dans usage, et prompts structurés pour en profiter."
url: https://broadrouter.com/fr/blog/cached-input-tokens-explained/
lang: fr
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/blog/cached-input-tokens-explained/) (mis à jour le 2026-11-15).

# Tokens d’entrée en cache : réduire la facture d’une API LLM

Par l’équipe BroadNet Inference · 5 min de lecture · Publié 2026-11-14 · Mis à jour 2026-11-15

Les tokens d’entrée en cache sont des tokens de prompt que le fournisseur a déjà traités et peut réutiliser ; ils sont donc facturés à un tarif plus bas. Chez BroadNet Inference, DeepSeek V4.1 Flash facture l’entrée en cache $0.0055 par million de tokens, contre $0.175 pour l’entrée nouvelle. Pour obtenir la remise, placez la partie stable de chaque prompt en tête et gardez-la identique d’un appel à l’autre.

## À retenir

-   Entrée en cache sur DeepSeek V4.1 Flash : $0.0055 par million de tokens ; entrée nouvelle : $0.175.
-   Le bloc usage indique `prompt_tokens_details.cached_tokens` quand le modèle le renvoie, ce qui vous permet de mesurer votre taux de cache.
-   Placez le contenu stable en tête (prompt système, outils, documents) et le contenu variable à la fin.
-   Les caches comparent à partir du début du prompt. Un seul token modifié au début rend nouveau tout ce qui suit.
-   Ce sont les agents qui renvoient le même contexte de dépôt à chaque tour qui en profitent le plus.

**Sur cette page**

1.  Qu’est-ce qu’un token d’entrée en cache ?
2.  Combien coûtent les tokens en cache chez BroadNet Inference ?
3.  Combien le cache peut-il faire économiser ? Un exemple chiffré
4.  Comment voir les tokens en cache dans la réponse de l’API ?
5.  En quoi le prompt caching diffère-t-il entre OpenAI, Anthropic et DeepSeek ?
6.  Qu’est-ce qui fait baisser votre taux de cache ?
7.  Quand le cache cesse-t-il de compter ?
8.  Pourquoi le cache compte-t-il davantage avec un long contexte ?
9.  La place de BroadNet Inference

L’essentiel de ce qu’un agent envoie à un LLM est identique à chaque tour : le prompt système, les définitions d’outils, les fichiers sur lesquels il travaille et la conversation jusque-là. Seul le dernier message est nouveau. Avec le prompt caching, le fournisseur ne facture pas cette partie répétée au plein tarif.

## Qu’est-ce qu’un token d’entrée en cache ?

Chaque requête se compose de [tokens d’entrée et de sortie](https://broadrouter.com/fr/glossary/input-and-output-tokens/). Avant de pouvoir répondre, un modèle traite tout le prompt. Si une requête précédente commençait exactement par les mêmes tokens, le système de service peut réutiliser ce travail au lieu de le refaire. La partie réutilisée est indiquée comme [tokens d’entrée en cache](https://broadrouter.com/fr/glossary/cached-input-tokens/) et facturée à un tarif plus bas.

Deux points découlent de ce fonctionnement :

-   **Seul le préfixe est mis en cache.** La comparaison part du premier token et s’arrête à la première différence.
-   **La réponse n’est jamais mise en cache.** Le modèle génère toujours une nouvelle sortie, facturée au plein prix de la sortie.

## Combien coûtent les tokens en cache chez BroadNet Inference ?

Par million de tokens, d’après le fichier de prix publié :

| Modèle | Entrée nouvelle | Entrée en cache | Sortie |
| --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/fr/models/deepseek-v4.1-flash/) | $0.175 | $0.0055 | $0.52 |
| [GLM 5.3](https://broadrouter.com/fr/models/glm-5.3/) | $0.78 | $0.173 | $3.46 |
| [Qwen3.8 27B](https://broadrouter.com/fr/models/qwen3.8-27b/) | $0.175 | $0.0435 | $2.17 |

Pour DeepSeek V4.1 Flash, l’écart est grand : comparez $0.0055 par million de tokens en cache et $0.175 par million de tokens nouveaux. Pour un agent qui renvoie un dépôt de 200 000 tokens à chaque tour, le taux de cache décide de l’essentiel de la facture.

## Combien le cache peut-il faire économiser ? Un exemple chiffré

Un agent de code envoie un prompt de 200 000 tokens 100 fois dans une journée de travail. Cela fait 20 millions de tokens d’entrée par jour.

| Taux de cache | Tokens d’entrée nouveaux | Tokens d’entrée en cache |
| --- | --- | --- |
| 0 % | 20 M à $0.175 par million | 0 |
| 50 % | 10 M à $0.175 par million | 10 M à $0.0055 par million |
| 90 % | 2 M à $0.175 par million | 18 M à $0.0055 par million |

La formule de la facture d’entrée quotidienne est `new tokens (M) × input price + cached tokens (M) × cached price` (tokens nouveaux en millions × prix de l’entrée + tokens en cache en millions × prix du cache). À 90 %, 18 M des 20 M de tokens d’entrée sont facturés au prix du cache au lieu du plein prix de l’entrée : plus l’écart entre les deux prix est grand, plus l’économie sur la facture d’entrée est importante. La sortie ne change pas. Essayez vos propres chiffres dans le [calculateur de prompt caching](https://broadrouter.com/tools/prompt-caching-calculator/).

## Comment voir les tokens en cache dans la réponse de l’API ?

La référence de l’API de BroadNet indique que, quand le modèle les renvoie, l’objet `usage` contient `prompt_tokens_details.cached_tokens` : les tokens du prompt lus depuis le cache, facturés au prix du cache. Dans un [flux](https://broadrouter.com/fr/glossary/streaming/), demandez l’usage dans le dernier chunk :

```python
from openai import OpenAI
import os

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
messages = [
    {"role": "system", "content": "You are a code reviewer."},  # stable prefix: keep it identical
    {"role": "user", "content": "Review the diff below."},
]
stream = client.chat.completions.create(
    model="broadnet/deepseek-v4.1-flash",
    messages=messages,
    stream=True,
    stream_options={"include_usage": True},
)
for chunk in stream:
    if chunk.usage:
        u = chunk.usage
        cached = (u.prompt_tokens_details.cached_tokens if u.prompt_tokens_details else 0) or 0
        print(f"prompt={u.prompt_tokens} cached={cached} rate={cached / max(1, u.prompt_tokens):.0%}")
```

Journalisez ce taux pour chaque requête pendant une journée. Il vous dit ce que vous payez vraiment, et c’est le chiffre à saisir dans le [calculateur de prompt caching](https://broadrouter.com/tools/prompt-caching-calculator/). Plus de détails sur l’usage en streaming dans le [guide du streaming](https://broadrouter.com/fr/guides/streaming-chat-completions/).

## En quoi le prompt caching diffère-t-il entre OpenAI, Anthropic et DeepSeek ?

Le cache n’est pas standardisé. Voici ce que disaient les documentations officielles quand nous les avons consultées le 14 novembre 2026 :

|  | OpenAI | Anthropic | DeepSeek (API directe) |
| --- | --- | --- | --- |
| Activation | Par défaut pour les modèles compatibles | Sur demande, avec un champ `cache_control` (automatique ou par bloc) | Par défaut pour tous les utilisateurs |
| Prompt minimum | 1 024 tokens à partir de GPT-5.6 | 512 à 4 096 tokens selon le modèle | Aucun minimum indiqué |
| Durée de vie du cache | 30 minutes par défaut à partir de GPT-5.6 ; option de 12 heures | 5 minutes par défaut, 1 heure moyennant supplément | Au mieux ; vidé quand il n’est pas utilisé, « a few hours to a few days » (traduction : « de quelques heures à quelques jours ») |
| Écritures | 1,25 × l’entrée (30 minutes) ou 2,5 × (12 heures) à partir de GPT-5.6 | 1,25 × l’entrée pour 5 minutes, 2 × pour 1 heure | Aucun coût d’écriture mentionné |
| Lectures | 0,1 × l’entrée à partir de GPT-5.6 (0,05 × sur GPT-6.1 Sol et Terra) | 0,1 × l’entrée sur la plupart des modèles, moins sur certains | Prix « cache hit » distinct (traduction : « succès de cache ») |
| Champ d’usage | `cached_tokens` dans le détail des tokens | `cache_read_input_tokens` | `prompt_cache_hit_tokens` |

Sources : [guide du prompt caching d’OpenAI](https://developers.openai.com/api/docs/guides/prompt-caching), [documentation du prompt caching d’Anthropic](https://platform.claude.com/docs/en/build-with-claude/prompt-caching) et [documentation du context caching de DeepSeek](https://api-docs.deepseek.com/guides/kv_cache). Là où l’écriture coûte plus cher, un cache écrit mais jamais lu revient plus cher que pas de cache du tout. Le cache n’est rentable que sur les prompts que vous répétez réellement. Pour comparer les prix catalogue par modèle, voir le [tableau des prix des API LLM](https://broadrouter.com/fr/llm-api-pricing/).

## Qu’est-ce qui fait baisser votre taux de cache ?

Les caches comparent un préfixe exact : tout ce qui change au début du prompt rend nouveau le reste. Les causes habituelles :

-   un horodatage, un identifiant de requête ou un nom d’utilisateur en haut du prompt système ;
-   des définitions d’outils ou du JSON sérialisés avec un ordre de clés différent à chaque appel, ce qui change les [tokens](https://broadrouter.com/fr/glossary/token/) ;
-   un agent qui réécrit ou résume son historique au lieu de le compléter ;
-   de longues pauses, après lesquelles le cache a expiré.

La solution est un ordre fixe des couches (prompt système, outils, documents, historique, nouveau message), chaque couche restant identique à l’octet près d’un appel à l’autre. Notre guide pour [structurer ses prompts afin que le préfixe soit mis en cache](https://broadrouter.com/fr/blog/prompt-structure-for-caching/) montre cette organisation en code, avec un test qui prouve que le préfixe est réutilisé.

## Quand le cache cesse-t-il de compter ?

Avec un forfait, la facture ne dépend plus du tout des tokens. Full Moon coûte $60 par mois et par session pour DeepSeek V4.1 Flash en illimité. Si votre agent dépasse déjà le [seuil de rentabilité](https://broadrouter.com/fr/blog/flat-rate-vs-pay-per-token-llm-api/), le taux de cache n’est plus un problème de coût. Sur les longs prompts, les habitudes ci-dessus aident encore pour la vitesse : elles valent donc la peine d’être gardées dans tous les cas.

## Pourquoi le cache compte-t-il davantage avec un long contexte ?

DeepSeek V4.1 Flash et GLM 5.3 acceptent jusqu’à 1 048 576 tokens par requête. C’est le cache qui rend les prompts très longs abordables avec une clé facturée au token, car la grande partie répétée de la [fenêtre de contexte](https://broadrouter.com/fr/glossary/context-window/) est facturée au tarif du cache. Voir [quand une fenêtre de contexte d’un million de tokens vaut la peine](https://broadrouter.com/fr/blog/million-token-context-window-guide/).

## La place de BroadNet Inference

BroadNet publie un prix d’entrée en cache pour chaque modèle de chat qui en a un et indique les tokens en cache dans l’usage quand le modèle les renvoie : vous pouvez donc mesurer votre taux avant de vous engager. Il ne publie ni durée de vie du cache ni longueur minimale de prompt ; mesurez-les sur votre propre trafic. Si votre agent tourne toute la journée, un forfait règle complètement la question.

Outils gratuits sur ce sujet (en anglais)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[Outils gratuits (en anglais)](https://broadrouter.com/tools/)

## Termes de cet article

[Token](https://broadrouter.com/fr/glossary/token/)

Un token est l’unité de texte qu’un modèle de langage lit et écrit : un mot, une partie de mot, un signe de ponctuation ou une suite d’octets produite par le tokenizer du modèle. Les API LLM comptent, limitent et facturent généralement l’usage en tokens.

[Tokens d’entrée en cache (cached input tokens)](https://broadrouter.com/fr/glossary/cached-input-tokens/)

Les tokens d’entrée en cache sont des tokens de prompt qu’un fournisseur de LLM a traités récemment et peut réutiliser depuis un cache au lieu de les recalculer, en général un préfixe répété comme un prompt système ou un document. Les fournisseurs les facturent moins cher que les nouveaux tokens d’entrée.

[Tokens d’entrée et de sortie](https://broadrouter.com/fr/glossary/input-and-output-tokens/)

Les tokens d’entrée sont les tokens qu’un modèle de langage lit dans une requête, dont le prompt système, l’historique de conversation, les définitions d’outils et les images. Les tokens de sortie sont ceux qu’il génère en réponse, raisonnement compris. Les API LLM les facturent généralement séparément, et la sortie coûte en général plus cher.

[Streaming](https://broadrouter.com/fr/glossary/streaming/)

Le streaming est une manière de renvoyer la réponse d’un modèle de langage par petits chunks pendant sa génération, plutôt qu’en un seul bloc à la fin. Les API compatibles OpenAI streament via des server-sent events quand la requête règle stream sur true.

[Appel d’outils (tool calling, function calling)](https://broadrouter.com/fr/glossary/tool-calling/)

L’appel d’outils, aussi appelé function calling, est une fonctionnalité des API LLM dans laquelle le modèle renvoie une demande structurée d’exécution d’une fonction définie par le développeur, avec des arguments JSON. L’application exécute la fonction et renvoie le résultat ; le modèle n’exécute jamais de code lui-même.

[Prompt système (system prompt)](https://broadrouter.com/fr/glossary/system-prompt/)

Le prompt système est le texte d’instructions qu’une application envoie à un modèle de langage avant la conversation, généralement sous forme de message au rôle system ou developer. Il fixe le rôle, les règles, le ton et le format de sortie du modèle, qui est censé le suivre même face à des messages contradictoires de l’utilisateur.

[Fenêtre de contexte (context window)](https://broadrouter.com/fr/glossary/context-window/)

La fenêtre de contexte est le nombre maximal de tokens qu’un modèle de langage peut traiter dans une seule requête. Elle couvre le prompt, l’historique de conversation, les définitions d’outils, les images et la sortie générée, tokens de raisonnement compris. Ce qui ne tient pas doit être coupé, résumé ou réparti sur plusieurs requêtes.

[Agent de code IA (AI coding agent)](https://broadrouter.com/fr/glossary/coding-agent/)

Un agent de code IA est un outil logiciel dans lequel un modèle de langage travaille en boucle sur une base de code : il lit des fichiers, les modifie, lance des commandes comme les tests, lit la sortie et décide de l’étape suivante jusqu’à ce que la tâche soit terminée ou qu’une limite soit atteinte.

## Questions fréquentes

### Faut-il activer le prompt caching ?

Cela dépend du fournisseur. OpenAI et DeepSeek mettent en cache automatiquement ; Anthropic demande un champ cache\_control. Chez BroadNet Inference, regardez le bloc usage : quand le modèle indique des tokens en cache, ils apparaissent dans prompt\_tokens\_details.cached\_tokens et sont facturés au prix de l’entrée en cache.

### Comment vérifier que le prompt caching fonctionne ?

Demandez l’usage à chaque requête et calculez cached\_tokens divisé par prompt\_tokens. Un taux proche de zéro au deuxième appel d’un long prompt répété signifie que quelque chose change au début du prompt d’un appel à l’autre.

### Pourquoi mon taux de cache est-il faible ?

En général parce que quelque chose change au début du prompt à chaque appel, comme un horodatage, un identifiant de requête ou une liste d’outils réordonnée. Déplacez le contenu variable à la fin.

### Quelle est la différence entre prompt caching et cache de réponses ?

Le prompt caching réutilise le travail du fournisseur sur un préfixe de prompt répété, et le modèle écrit tout de même une nouvelle réponse. Le cache de réponses, c’est vous qui le construisez : vous stockez des réponses entières et les renvoyez pour des questions identiques sans appeler le modèle.

### Les tokens en cache sont-ils gratuits ?

Non. Ils sont facturés à un tarif plus bas, pas à zéro. Sur DeepSeek V4.1 Flash, l’entrée en cache coûte $0.0055 par million de tokens, et la sortie est facturée plein tarif.

### Le cache compte-t-il avec un forfait illimité ?

Pas pour la facture, car les sessions de forfait n’ont pas de compteur de tokens. Dans beaucoup de systèmes de service, il réduit tout de même le délai avant le premier token sur les longs prompts, donc les mêmes habitudes restent utiles.

## À lire ensuite

-   [Structurer ses prompts pour que le préfixe soit mis en cache](https://broadrouter.com/fr/blog/prompt-structure-for-caching/)
-   [Tarification des API LLM : entrée, cache, sortie et raisonnement](https://broadrouter.com/fr/blog/llm-api-pricing-explained/)
-   [API LLM : forfait ou paiement au token ? Le calcul de rentabilité](https://broadrouter.com/fr/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Quand une fenêtre de contexte de 1M de tokens vaut le coup (ou pas)](https://broadrouter.com/fr/blog/million-token-context-window-guide/)
-   [Mettre en cache les réponses d’API LLM : un cache exact en Python](https://broadrouter.com/fr/blog/cache-llm-responses-cut-cost/)
-   [Prix des API LLM en octobre 2026 : 3 hausses, aucune baisse](https://broadrouter.com/fr/blog/llm-api-price-changes-october-2026/)
-   [Les prix des API LLM changent-ils souvent ? 3 ans d’archives](https://broadrouter.com/fr/blog/how-often-llm-api-prices-change/)
-   [Guide : Streamer des chat completions et gérer les connexions coupées](https://broadrouter.com/fr/guides/streaming-chat-completions/)
-   [Guide : Utiliser le SDK Python d’OpenAI avec BroadNet Inference](https://broadrouter.com/fr/guides/openai-python-sdk/)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-cached-input-tokens-explained&utm_content=page-cta) ·

**Sources**

-   [Référence de l’API de BroadNet Inference, raisonnement et tokens en cache (consultée le 2026-11-14) (en anglais)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-cached-input-tokens-explained&utm_content=sources)
-   [Prix de BroadNet Inference lisibles par machine (pricing.json, consultés le 2026-11-14) (en anglais)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-cached-input-tokens-explained&utm_content=sources)
-   [Guide du prompt caching d’OpenAI (consulté le 2026-11-14)](https://developers.openai.com/api/docs/guides/prompt-caching)
-   [Documentation du prompt caching d’Anthropic (consultée le 2026-11-14)](https://platform.claude.com/docs/en/build-with-claude/prompt-caching)
-   [Documentation de l’API DeepSeek, context caching (consultée le 2026-11-14)](https://api-docs.deepseek.com/guides/kv_cache)
