Contexte technique
J'ai vérifié ce qui s'est vraiment passé car les plaintes sur Claude et Fable sont devenues trop similaires : les gens voient leurs limites de cinq heures et hebdomadaires fondre bien plus vite. À première vue, cela ressemble à une coupe silencieuse, mais les changements officiels racontent une autre histoire.
Pour l'API Claude en juillet 2026, je ne vois pas de baisse confirmée des limites. Au contraire, Anthropic les avait augmentées auparavant, et pour Claude Code avait même accordé un boost temporaire de 50 % jusqu'au 13 juillet. C'est là que la confusion commence : quand le boost prend fin, l'utilisateur a l'impression d'un « découpage net », alors que le système est simplement revenu au niveau de base.
Avec Fable, l'histoire est encore plus intéressante. Jusqu'au 7 juillet, Fable 5 consommait les limites d'abonnement avec un plafond basé sur la part du volume hebdomadaire. À partir du 8 juillet, le modèle est passé aux crédits d'usage, c'est-à-dire à une facturation réelle par token : environ 10 $ par million de tokens d'entrée et 50 $ par million de tokens de sortie.
Voilà pourquoi certains utilisateurs ont trouvé le compteur plus agressif. En réalité, ce n'est pas seulement le chiffre affiché qui a changé, mais toute la logique comptable. Pour l'automatisation IA, c'est critique : si votre agent ou scénario repose sur de longues générations, Fable tape désormais dans le budget d'une tout autre manière.
Impact sur l'entreprise et l'automatisation
Je vois cela comme un changement de modèle économique plutôt qu'une simple histoire de « mauvaises limites ». Si vous aviez conçu vos processus autour de l'abonnement, après le passage de Fable au paiement à l'usage, votre économie unitaire et vos garde-fous ont pu s'effondrer.
Qui en sort gagnant ? Ceux qui ont des appels courts et précis, un bon contrôle du contexte et une architecture IA solide. Qui perd ? Les équipes dont les prompts ont gonflé, dont la mémoire d'agent n'est pas nettoyée et où personne ne profile les dépenses.
Je vois constamment ce genre de déséquilibres : le problème ne vient pas d'un modèle unique, mais de la manière dont l'intégration IA est construite autour de lui. Chez Nahornyi AI Lab, nous nous attaquons précisément à ces goulets d'étranglement – quand, au lieu de se battre contre les limites, il faut repenser le routage des requêtes, le cache, la logique de repli et tout le périmètre de coûts.
Si votre Claude ou Fable a soudainement commencé à dévorer votre budget et à casser vos SLA, inutile de spéculer sur des captures d'écran. Avec l'équipe de Nahornyi AI Lab, je vous aide à décortiquer votre stack sereinement et à construire une automatisation IA où le système compte l'argent aussi bien que les tokens.