Envoyer une image à une API de vision (Claude) : guide

Un grand modèle capable de lire les images, comme Claude d'Anthropic, comprend une consigne écrite en français et répond sur le contenu d'une photo : lire un compteur, décrire une scène, trier des clichés envoyés par des techniciens. Il n'y a rien à entraîner. Cette page résume comment lui envoyer une image par l'API, quelles limites s'appliquent et combien cela coûte, d'après la documentation d'Anthropic lue le 15/11/2026. Les limites et prix changent : vérifiez la page officielle avant de chiffrer.

Trois façons d'envoyer une image

La documentation en liste trois :

1. Base64 : l'image est encodée et incluse dans le corps de la requête.
2. Adresse (URL) : vous donnez l'adresse d'une image hébergée en ligne.
3. Files API : vous téléversez l'image une fois, puis vous la référencez par son identifiant (file_id) autant de fois que nécessaire.

Dans une conversation à plusieurs tours, chaque requête renvoie tout l'historique. Avec du base64, les octets des images repartent à chaque tour, ce qui alourdit la requête et ralentit la réponse ; la Files API garde la charge petite. Sur Amazon Bedrock et Claude sur Google Cloud (géré par Google), seul le base64 est disponible, d'après la page.

Les limites à connaître

• Taille par image : 10 Mo (en base64) sur l'API Claude, 5 Mo sur Amazon Bedrock.
• Dimensions maximales : 8 000 × 8 000 pixels par image.
• Nombre d'images : 100 par requête pour les modèles à fenêtre de 200 000 jetons, 600 pour tous les autres ; la limite de requête est de 128 Mo sur l'API directe.
• Compression : réduire une image par JPEG ou WebP avec perte accélère l'envoi, mais peut nuire aux résultats, surtout si la compression est répétée. La documentation note qu'une forte compression JPEG peut rendre un texte illisible. Inspectez les images réellement envoyées.

Ce que coûte une image

Claude traite l'image par blocs de 28 × 28 pixels, chacun étant un jeton visuel. Une image coûte donc ⌈largeur / 28⌉ × ⌈hauteur / 28⌉ jetons. Au-delà d'une taille, l'image est réduite : le palier standard est plafonné à 1 568 pixels sur le grand côté et 1 568 jetons, le palier haute résolution (modèles 4.7 et suivants) à 2 576 pixels et 4 784 jetons.

Pour estimer le coût, multipliez par le prix du jeton d'entrée du modèle. L'exemple de la documentation : à 1 dollar par million de jetons (Claude Haiku 4.5, palier standard), une image de 1 000 × 1 000 coûte environ 1,30 dollar les mille images. Les prix changent selon les modèles et les dates : consultez la page de tarifs d'Anthropic pour le modèle que vous choisissez. Elle mentionne aussi une API par lots avec 50 % de remise sur les jetons d'entrée et de sortie, pour du traitement différé.

Ce que le modèle fait mal

La section « Limitations » de la documentation est directe :

• Il peut se tromper ou halluciner sur des images de mauvaise qualité, tournées ou très petites (moins de 200 pixels).
• Ses comptages sont approximatifs, surtout avec de nombreux petits objets.
• Il ne sait pas dire si une image est générée par IA.
• Il refuse de nommer des personnes sur une image.
• Pour l'imagerie médicale complexe (scanner, IRM), il n'est pas conçu pour remplacer un avis médical.

Pour un contrôle répétitif de pièces ou un comptage précis, ces limites orientent plutôt vers un modèle spécialisé entraîné sur vos images : voir Détection d'objets avec YOLO et Détection de défauts.

Quand cette voie est la bonne

Avant d'envoyer des images à un service externe

Une image peut contenir des personnes, des plaques, un plan confidentiel. Demandez-vous ce que vous envoyez et où cela est traité. Si des salariés ou des clients sont visibles, lisez Vidéosurveillance et IA : la CNIL et consultez votre DPO (délégué à la protection des données). Pour la lecture de documents scannés (factures, contrats), voyez plutôt le comparatif des API d'OCR.