Il existe deux façons de faire tourner Claude Code sans payer au token : le pointer vers des modèles sur votre propre matériel, ou le pointer vers le matériel de quelqu'un d'autre qui se trouve être gratuit. Elles échouent dans des directions opposées. L'inférence locale se heurte à un plafond matériel. L'inférence cloud gratuite se heurte à un plafond de limites de débit. Savoir quel plafond vous êtes sur le point d'atteindre, c'est tout l'enjeu, et la plupart des guides sur ce sujet ne mentionnent ni l'un ni l'autre.
Cet article couvre la moitié cloud : faire passer Claude Code par le catalogue de modèles gratuits d'OpenRouter. La configuration prend une dizaine de minutes. Le discernement sur ce qu'il faut réellement y faire passer compte davantage. Ce n'est pas un remplacement de Claude payant. C'est un outil différent, avec une forme différente.
Pourquoi le gratuit dans le cloud bat le gratuit en local sur du matériel ordinaire
J'ai raconté séparément mon essai de deux semaines en local avec Ollama, donc en version courte : la mémoire d'un ordinateur portable impose un plafond strict à la taille des modèles. Les modèles assez petits pour tourner confortablement sont nettement en dessous de ce dont la boucle agentique de Claude Code a besoin pour un travail en plusieurs étapes.
OpenRouter inverse la contrainte. Le catalogue gratuit inclut Nemotron 3 Super de NVIDIA, un modèle mixture-of-experts de 120B paramètres (12B actifs par token, architecture hybride Mamba-Transformer, sorti en mars 2026). Un modèle de cette taille est hors de portée d'un ordinateur portable typique. Via OpenRouter, il tourne sur une véritable infrastructure GPU.
C'est la vraie valeur de l'offre gratuite, et ce n'est pas « économiser de l'argent sur les tokens ». C'est l'accès à une classe de modèles que votre matériel ne peut pas atteindre. Si votre alternative était un modèle local de 7B, l'offre cloud gratuite n'est pas une option légèrement meilleure ; c'est une option d'une tout autre catégorie.
La raison pour laquelle cela peut être gratuit : NVIDIA, Meta et Alibaba publient des modèles open-weight parce que leur adoption alimente leurs véritables activités, et OpenRouter subventionne l'accès gratuit comme entonnoir de croissance. Aucune de ces motivations ne va disparaître, mais les identifiants de modèles individuels entrent et sortent de la collection gratuite, ce qui comptera plus tard pour votre configuration.
La configuration : trois variables et une déconnexion
Claude Code sépare son framework d'agent de son modèle. Lecture de fichiers, exécution shell, boucles de planification, sous-agents — tout cela relève du framework, et cela fonctionne de la même façon quel que soit ce qui répond aux appels d'API. Il suffit donc de rediriger les appels d'API.
Créez un compte OpenRouter gratuit, générez une clé (elle commence par sk-or-v1-) et ajoutez ceci à votre profil shell :
export ANTHROPIC_BASE_URL="https://openrouter.ai/api"
export ANTHROPIC_AUTH_TOKEN="sk-or-v1-your-key-here"
export ANTHROPIC_API_KEY=""
export ANTHROPIC_DEFAULT_SONNET_MODEL="nvidia/nemotron-3-super:free"
Ensuite, faites source ~/.zshrc, lancez claude et exécutez /status pour confirmer l'endpoint et le modèle.
Deux de ces lignes méritent une explication, parce que ce sont celles que les gens sautent.
La variable ANTHROPIC_API_KEY vide n'est pas décorative. Si vous avez déjà authentifié Claude Code avec un vrai compte Anthropic, les identifiants sont mis en cache, et quand les deux jeux existent, le mode d'échec n'est pas toujours une erreur. La version pernicieuse, c'est que tout fonctionne et que vos requêtes partent discrètement vers l'API payante d'Anthropic alors que vous croyez être sur l'offre gratuite. Vider explicitement la clé indique à Claude Code d'ignorer les identifiants en cache.
La seconde moitié du même piège, c'est OAuth. Si vous vous êtes connecté via le flux du navigateur, exécutez /logout une fois dans Claude Code avant de vous fier aux variables d'environnement, car le token OAuth en cache peut avoir la priorité sur elles. La vérification /status qui suit est la seule preuve qui compte. Traitez « /status a-t-il affiché OpenRouter ? » comme une barrière stricte : la facturation silencieuse ne produit aucun symptôme jusqu'à la facture.
La variable ANTHROPIC_DEFAULT_SONNET_MODEL associe le niveau de travail par défaut de Claude Code au modèle de votre choix. Il existe des variables sœurs pour les niveaux Opus et Haiku, ce qui vous permet d'associer chaque niveau à un backend différent si vous voulez que le sélecteur de modèle continue d'avoir un sens.
Les limites de débit sont le produit
Voici la partie sur laquelle la plupart des articles se trompent, parfois de beaucoup. Les limites de l'offre gratuite d'OpenRouter, au moment où j'écris : 20 requêtes par minute, et 50 requêtes par jour si vous n'avez jamais acheté de crédits. Achetez 10 $ de crédits une seule fois — une fois pour toutes, pas chaque mois — et le plafond quotidien passe à 1 000 requêtes sur les modèles gratuits et y reste.
Mettez maintenant ces chiffres en regard du comportement réel de Claude Code. Un outil agentique est le pire client possible pour une API plafonnée en requêtes. Une « tâche » n'est pas une requête. Un prompt comme « ajoute une page de paramètres avec des tests » se démultiplie en appels de planification, lectures de fichiers, appels de génération, suivis de résultats d'outils, exécutions de tests et boucles de correction — des dizaines de requêtes d'API pour une seule unité d'intention humaine. À 50 requêtes par jour, une seule tâche moyenne peut terminer votre journée avant le déjeuner.
La limite par minute mord différemment. La boucle de Claude Code envoie des requêtes de suivi en rafales rapides juste après le retour des résultats d'outils, ce qui est exactement le schéma que punit une limitation à 20 par minute. Le symptôme est un agent qui avance en accordéon : rafale rapide, blocage, rafale rapide. Il finit quand même, mais le rythme n'a rien à voir avec la fluidité de l'offre payante.
Le conseil honnête est donc sans détour : le dépôt de 10 $ n'est pas optionnel si vous comptez l'utiliser pour du vrai travail. C'est un dépôt unique, remboursable dans l'esprit, qui fait passer le plafond quotidien d'« une tâche » à « une journée de travail complète ».
Quel modèle gratuit épingler, et pourquoi l'épinglage compte
La configuration ci-dessus épingle nvidia/nemotron-3-super:free comme modèle par défaut. Le raisonnement porte sur l'architecture, pas sur une préférence de fan : un MoE de 120B avec 12B paramètres actifs est actuellement la meilleure réponse à « autant de capacité qu'une offre gratuite peut servir sans que l'économie s'effondre », et NVIDIA l'a conçu explicitement pour les charges de travail agentiques. Qwen3 Coder est l'autre modèle gratuit à connaître ; si votre usage est massivement de la génération de code, c'est un choix par défaut raisonnable à la place.
Ce que j'éviterais spécifiquement pour Claude Code, c'est l'option d'auto-routeur qui choisit un modèle gratuit à chaque requête. Pour une question ponctuelle en chat, ça va. Dans une boucle d'agent, cela signifie que des étapes consécutives d'une même tâche peuvent recevoir des réponses de modèles différents, avec des habitudes de formatage différentes et une fiabilité différente dans l'appel d'outils, et le framework n'a aucun moyen de compenser. Les boucles d'agent veulent un interlocuteur constant. Épinglez un seul modèle.
Deux remarques opérationnelles. Premièrement, les identifiants des modèles gratuits changent à mesure qu'OpenRouter fait tourner son catalogue ; si Claude Code se met soudain à renvoyer des erreurs au lancement après des semaines de fonctionnement, vérifiez la chaîne du modèle avant de déboguer quoi que ce soit d'autre. Deuxièmement, si vous utilisez un fichier CLAUDE.md (vous devriez), rappelez-vous qu'il a probablement été ajusté pour les modèles Claude. Les modèles plus petits ou entraînés différemment suivent moins bien les instructions longues et nuancées ; aplatir les instructions en étapes courtes et explicites permet de récupérer une part surprenante de fiabilité.
Ce que j'envoie aux modèles gratuits, et ce que je refuse d'y envoyer
Le travail client et de production a sa place sur une offre payante. La configuration cloud gratuite mérite sa place pour une catégorie précise de travail :
- Prototypes jetables et spikes. Tout ce que vous pourriez supprimer demain ne mérite pas de tokens payants.
- Boilerplate et échafaudage. Squelettes de composants, ébauches de fichiers de test, plomberie de configuration. Peu de raisonnement, beaucoup de frappe.
- Tâches répétitives à partir de modèles. Des transformations répétitives où le prompt est précis et où le mode d'échec saute aux yeux.
- Expériences avec le framework d'agent lui-même. Essayer une nouvelle forme de workflow, un nouveau skill, une nouvelle structure de prompt — l'itération est gratuite, donc vous itérez davantage.
Et la liste des refus : tout ce qui est sensible en matière de sécurité, tout ce qui touche à l'historique Git au-delà de simples commits, et toute modification d'une grande base de code où le raisonnement entre fichiers est le véritable travail. Les modèles gratuits disposent physiquement de grandes fenêtres de contexte, mais raisonnent à travers elles nettement moins bien que les modèles de pointe, et dans une chaîne d'agent, une étape faible fait boule de neige — le modèle écrit un fichier légèrement faux, l'étape suivante s'appuie dessus, et vous dépensez vos économies en débogage. J'ai exposé le calcul général pour adapter le niveau de modèle à la valeur de la tâche dans mon guide d'optimisation des coûts des agents IA ; la version en une ligne, c'est qu'un modèle gratuit qui a besoin de trois tentatives coûte plus cher qu'un modèle payant qui n'en a besoin que d'une, parce que votre temps est le dénominateur.
L'avantage moins évident est psychologique. Quand chaque appel est facturé, vous vous autocensurez : moins d'exécutions exploratoires, moins de passes « essayons d'une autre manière ». Avec une voie gratuite disponible, les expériences spéculatives ont réellement lieu, et certaines s'avèrent être la bonne réponse. Ce changement de comportement vaut plus que les économies ligne par ligne.
Où cela se situe dans le paysage des backends gratuits
OpenRouter est l'un des trois backends gratuits ou bon marché pour Claude Code ; les autres sont l'endpoint propre à NVIDIA et Ollama en local, et je compare les trois dans mon article sur les proxys gratuits pour Claude Code. Le classement court pour la plupart des gens : OpenRouter pour le choix de modèles et des limites tolérables après le déblocage à 10 $, Ollama en local pour le travail soumis à des contraintes de confidentialité ou hors ligne, et tout ce qui est payant pour le travail qui vous paie. Si vous êtes encore en train de budgéter le côté payant, mes habitudes de gestion des tokens couvrent l'autre moitié de la facture.
Dix minutes de configuration, trois variables d'environnement, un /logout, une vérification /status. Après 8+ ans à construire pour des clients, je privilégie par défaut une configuration ennuyeuse et vérifiable plutôt que des proxys astucieux, et c'est exactement cela : aucun middleware à surveiller, et pour annuler, il suffit de supprimer quatre lignes.
La décision suivante après cette configuration, c'est la politique de routage : quel travail va sur la voie gratuite, lequel reste sur les modèles payants, et ce qui empêche les deux d'échanger discrètement leurs places en cours de projet. Je conçois cette répartition pour les équipes, frontières comprises, via mes services.
