Économiser des tokens sans sacrifier la qualité

Économiser des tokens sans sacrifier la qualité

Chaque token compte — surtout sur des APIs de production. Voici 7 techniques que j'utilise au quotidien.

1. Prompt Caching (Claude)

Si tu envoies le même system prompt à chaque requête, active le cache :

messages=[{
    "role": "user",
    "content": [{
        "type": "text",
        "text": ton_gros_system_prompt,
        "cache_control": {"type": "ephemeral"}
    }]
}]

Résultat : jusqu'à 90% de réduction sur les tokens en cache. TTL de 5 minutes, renouvelable.

2. Modèle adapté à la tâche

Ne pas utiliser Opus pour classifier des tickets de support.

3. Structured Output

Au lieu de demander une explication en prose et de parser ensuite, demande directement du JSON :

Réponds UNIQUEMENT avec ce JSON, sans texte avant ni après :
{"sentiment": "positive|negative|neutral", "score": 0.0-1.0}

Économie : 30-60% selon les cas (pas de blabla introductif).

4. Contexte minimal ciblé

Envoie uniquement les lignes de code pertinentes, pas le fichier entier. Ajoute // ... (reste du fichier) pour indiquer ce que tu omets.

5. Instructions courtes et directives

❌ "Pourriez-vous s'il vous plaît analyser le code ci-dessous et me dire si vous remarquez des problèmes potentiels..."

✅ "Bugs dans ce code :"

6. Batch processing

Regroupe plusieurs petites requêtes en une :

Traite ces 10 titres d'un coup. Pour chacun, retourne un JSON avec slug et meta_description.

1. "..."
2. "..."

7. Résumer l'historique long

Pour les conversations longues, utilise /compact (Claude Code) ou résume manuellement le contexte avant de continuer :

"Contexte : on a implémenté X et Y. Bug actuel : Z. Continue depuis là."

Estimation d'économies combinées : 40-70% selon ton usage.