Un agent qui tourne en production consomme rarement ce que tu penses. Tu as regardé le prix affiché par million de tokens, tu as multiplié par ton volume estimé, tu as un chiffre. Ce chiffre est faux. Il ignore les retries, les tokens de sortie qui explosent quand le modèle hésite, et surtout le coût des tâches ratées qui remontent en support humain. Avant de migrer un agent Claude vers Gemini Flash sur la seule promesse d'un tarif plus bas, il faut comparer autre chose que le prix brut. Ce guide donne les chiffres exacts (KB 2026), la méthode de test, et un arbre de décision. Pour le contexte général, tu peux te reporter au guide complet pour apprendre Claude en 2026.
Le prix affiché ne dit pas ce que coûte vraiment un agent
Commençons par poser les grilles. Trois éditeurs, trois familles de modèles économiques pour agents. Toutes les valeurs sont en dollars par million de tokens, tarifs API vérifiés à la mi-août 2026.
| Modèle | Input $/M | Output $/M |
|---|---|---|
| Claude Haiku 4.5 | 1 | 5 |
| Claude Sonnet 5 | 2 | 10 |
| Claude Opus 5 | 5 | 25 |
| Claude Fable 5 | 10 | 50 |
| GPT-5.6 Luna | 0,20 | 1,20 |
| GPT-5.6 Terra | 2 | 12 |
| GPT-5.6 Sol | 5 | 30 |
| Gemini 3.7 Flash (jusqu'au 31/12/2026) | 0,75 | 3,75 |
| Gemini 3.7 Flash (à partir du 01/01/2027) | 1,50 | 7,50 |
Sur le papier, Gemini 3.7 Flash en tarif introductif coûte environ 25 % de moins que Haiku en entrée et 25 % de moins en sortie. Écart réel jusqu'à fin décembre 2026 : sensible mais pas énorme. En janvier 2027, le tarif Gemini double : Flash devient légèrement plus cher que Haiku côté input, un peu plus cher côté output. La fenêtre pour un vrai delta prix Flash/Haiku est donc limitée dans le temps, ce que la plupart des comparatifs oublient de dire.
Deuxième biais : un agent ne consomme pas 50/50 input/output. Un agent bien conçu envoie un prompt système lourd et des données de contexte (beaucoup d'input, tokens cacheables), puis génère une réponse relativement courte. Le cache Anthropic facture les lectures à 10 % du prix input standard. Sur un agent avec un system prompt de 15k tokens réutilisé 500 fois par jour, l'input effectif tombe à 0,10 $/M sur Haiku au lieu de 1 $/M. Gemini a aussi son mécanisme de cache, mais on ne compare plus alors des tarifs affichés, on compare des architectures.
Troisième biais, le plus grave : le tokenizer. Depuis Opus 4.7, Claude utilise un tokenizer qui produit environ 30 % de tokens en plus pour un même texte que les anciens modèles (chiffre Anthropic officiel, variable selon le contenu). Un prompt qui faisait 10 000 tokens sur Sonnet 4.6 en fait environ 13 000 sur Sonnet 5. Le tarif Sonnet 5 est resté définitivement à 2 $ / 10 $ (Anthropic a annulé le 10 août 2026 la hausse prévue au 1er septembre), mais le nombre de tokens facturés grimpe mécaniquement. Comparer deux prix affichés sans compter la tokenisation revient à comparer des litres à des gallons.
Ce que mesurent AutomationBench, Tau-bench et SWE-bench
Trois benchmarks reviennent dans les slides des éditeurs. Ils ne mesurent pas la même chose.
AutomationBench est une évaluation privée Google, orientée workflows agentiques métiers réels (formulaires web, chaînes d'outils, décisions multi-étapes). Score Gemini 3.7 Flash publié par Google le 13 août 2026 : 30,4 %, contre 17,0 % pour Gemini 3.6 Flash. Aucun score Claude n'est publié officiellement sur AutomationBench ; les chiffres qui circulent sur des blogs tiers ne sont pas recoupés sur une source primaire. Ne les cite pas.
SWE-Bench Pro mesure la capacité à résoudre des issues GitHub réelles. Chiffres 2026 : Claude Fable 5 à 80 %, GPT-5.6 Sol à 64,6 %. C'est le benchmark le plus proche de ce que fait un agent de code en prod.
Tau-bench mesure la fiabilité conversationnelle avec outils (agents support client, réservation, transactions). Aucun score Tau-bench n'est disponible dans les sources vérifiées de cette KB pour Gemini 3.7 Flash ni pour Haiku 4.5. Prends les chiffres qui circulent avec des pincettes.
Un delta de 15 points sur un benchmark agentique n'est pas une marge de confort théorique. Sur 1 000 tâches par jour, un modèle à 60 % de complétion versus 75 % livre 150 tâches réussies de moins. Si chaque échec déclenche un ticket support humain à 3 € de coût interne, l'écart de qualité vaut 450 € par jour. À ce niveau, économiser 40 $ par jour sur les tokens en descendant en gamme est une mauvaise affaire.
Gemini Flash vs Claude Haiku : le duel prix/fiabilité
Le vrai match économique se joue entre Gemini 3.7 Flash et Claude Haiku 4.5. Ce sont deux modèles positionnés sur les hauts volumes : classification, extraction structurée, résumés, routage.
| Critère | Gemini 3.7 Flash | Claude Haiku 4.5 |
|---|---|---|
| Input $/M (2026) | 0,75 | 1 |
| Output $/M (2026) | 3,75 | 5 |
| Contexte | non communiqué officiellement | 200K tokens |
| Cache lecture | disponible | 10 % du prix input |
| Tarif après 01/01/2027 | 1,50 / 7,50 | inchangé annoncé |
Cas d'usage où Flash gagne : classification à haut volume (routage de tickets, détection de langue, tagging), extraction structurée simple (mail vers JSON), résumés courts en batch. Sur 100 000 classifications à 500 tokens input / 50 tokens output, Flash coûte environ 56 $, Haiku environ 75 $. L'écart est réel mais tient dans les 30 $, à comparer au temps d'ingénierie de la migration.
Cas d'usage où Haiku garde l'avantage : tool use en chaîne (l'agent appelle 5+ outils dans une même conversation), sortie JSON strict avec schéma imposé, français nuancé, contexte long qui dépasse 100k tokens. Sur ces tâches, le taux de retry avec Flash monte assez pour effacer l'économie sur les tokens. Le vrai comparatif est le coût par succès, pas le coût par appel.
Autre concurrent oublié dans le duel Google/Anthropic : GPT-5.6 Luna à 0,20 $ / 1,20 $ depuis le 30 juillet 2026 (baisse de 80 %). C'est le modèle texte économique le moins cher du marché aujourd'hui. Luna n'est pas multimodal, il ne remplace pas Haiku sur les tâches vision, mais sur la classification pure c'est lui qui gagne le match prix.
Quand Sonnet reste indéplaçable, même à 5x le prix
Il y a un seuil au-delà duquel descendre en gamme coûte plus cher que rester sur Sonnet ou Opus. Le seuil se calcule ainsi : quand le coût d'une erreur (support humain, remboursement client, correction manuelle, perte de conversion) dépasse 10 fois le coût des tokens d'une tâche réussie, tu ne descends pas.
Exemples concrets où Sonnet 5 (2 $ / 10 $) reste le bon choix : agents de code qui refactorent, agents juridiques qui interprètent des clauses, agents avec 20+ outils MCP branchés, agents qui prennent des décisions financières. Fable 5 domine sur les tâches longues et complexes selon les benchmarks disponibles (SWE-Bench Pro : 80 % pour Fable 5, aucun score SWE-Bench Pro chiffré n'est publié pour Opus 5), et Opus 5 offre une intelligence proche de Fable pour environ la moitié du prix (5 $ / 25 $ vs 10 $ / 50 $) selon la presse tech, ce qui en fait le point d'équilibre sur les agents de code sérieux.
Sur les agents de code spécifiquement, la question n'est pas Gemini Flash vs Haiku, c'est laquelle de Sonnet 5 ou Opus 5 choisir dans Claude Code. Le sujet est traité en détail dans configurer Claude et choisir le bon abonnement.
Méthode de test en 48h avant de migrer
Pas de migration sans dataset. Protocole minimum viable, réplicable en un week-end :
- Extraire 100 tâches réelles des logs de l'agent existant. Pas 20, pas 1 000. 100 est le minimum statistique pour distinguer un écart de 5 points de complétion.
- Nettoyer et labelliser : chaque tâche a un input, une sortie attendue (ou un critère de succès), une catégorie.
- Faire tourner en parallèle sur les deux modèles via API, mêmes prompts, mêmes outils.
- Mesurer quatre choses par tâche : succès binaire, coût réel en tokens facturés, latence de bout en bout, nombre de tokens de sortie.
- Calculer le coût par succès (pas le coût par appel) et le comparer.
# Structure minimale d'un log de bench
task_id,category,model,input_tokens,output_tokens,cost_usd,latency_ms,success
001,extraction,haiku-4-5,842,124,0.00146,1230,1
001,extraction,gemini-3-7-flash,791,138,0.00111,980,1
002,tool_chain,haiku-4-5,1204,356,0.00298,2100,1
002,tool_chain,gemini-3-7-flash,1198,412,0.00244,1780,0
Outils de logging à considérer : Langfuse ou Helicone pour l'instrumentation propre, un simple CSV pour un premier test. Ce que tu cherches : pas le modèle le moins cher, celui avec le meilleur ratio coût / tâche réussie sur ton propre dataset. Aucun benchmark public ne remplace ce test sur tes vraies données.
Pour prototyper l'ensemble avant industrialisation, Claude Projects et Artifacts permettent de faire tourner les scripts d'évaluation et de visualiser les résultats sans monter d'infra.
Stratégie hybride : router selon la complexité
Le vrai gain n'est presque jamais un remplacement en bloc. Il vient d'une architecture qui envoie chaque requête vers le modèle adapté à sa complexité. Pattern général :
- Un classifieur en tête (heuristique simple, regex, ou petit modèle type Luna à 0,20 $/M) trie la requête entrante en 3 classes : triviale, standard, complexe.
- Triviale (classification, extraction simple, réponse type FAQ) : Gemini Flash ou Luna.
- Standard (tool use, réponse contextuelle avec 2-3 outils) : Haiku 4.5.
- Complexe (raisonnement long, code, décision à fort enjeu) : Sonnet 5 ou Opus 5.
Un agent support client bien routé peut réduire nettement le coût total en ne gardant Claude que sur une minorité de cas, les plus ambigus. Le reste part sur des modèles économiques sans dégradation perceptible pour l'utilisateur final : la part exacte dépend entièrement de ton trafic, il n'existe pas de ratio universel à citer, mesure-la sur ton propre dataset. La condition : que le classifieur soit fiable. S'il route mal 10 % du trafic, tu récupères en support humain ce que tu as gagné en tokens.
Ce type d'architecture recoupe une question plus large de choix d'écosystème traitée dans le comparatif Claude vs ChatGPT. Pour la partie industrialisation des workflows agentiques, le pipeline de blog SEO avec Claude illustre la même logique de routing appliquée à un pipeline éditorial.
Passer à la pratique
Ne migre rien sans le test 48h décrit plus haut. Le classement des modèles change tous les deux mois (Anthropic annule des hausses de prix, Google fixe des tarifs promotionnels à date limitée, OpenAI casse les prix de Luna), et un choix pris sur les chiffres de juin est déjà à réévaluer en septembre. La bonne question n'est pas «Flash ou Haiku ?», c'est «combien me coûte une tâche réussie sur mon dataset ?». Tout le reste suit. Si tu veux structurer cette démarche de bout en bout, de l'analyse des logs à la mise en prod d'agents hybrides, c'est ce qu'on construit dans la formation Maîtriser Claude au quotidien avec un projet livrable par module.