Claude sur Amazon Bedrock : quotas, throttling et hausses de quota

Les quotas qui s'appliquent à Claude

Malgré leur nom, ces quotas couvrent toutes les API d'inférence qui appellent le modèle sur bedrock-runtime, dont Converse, Responses et Chat Completions. Le point de terminaison plus récent bedrock-mantle est compté à part, avec des quotas distincts de jetons d'entrée et de sortie par minute et sans quota de requêtes par minute.

Valeurs par défaut publiées pour les modèles Claude actuels

Pourquoi le quota baisse plus vite que la facture

Bedrock convertit les jetons de sortie en consommation de quota selon un taux de burndown. AWS indique 10 fois pour Claude Opus 5.5, Sonnet 5, Opus 5 et Fable 5.1, 15 fois pour les modèles Claude en version 4.8 et 5 fois pour les versions 4.7 et antérieures. La page ne donne pas de taux propre pour Sonnet 5.5 ni Haiku 5.5. Seuls les jetons réellement utilisés sont facturés.

Le quota est aussi débité d'avance. Au début d'une requête, Bedrock déduit les jetons d'entrée plus la valeur complète de max_tokens, puis restitue la part inutilisée à la fin. Les lectures de cache ne comptent pas. La formule d'AWS appliquée à une requête Claude Opus 5.5 :

jetons d'entrée   20 000
max_tokens        32 000
sortie générée     2 000

réservé au début  52 000
  = input + max_tokens
débité à la fin   40 000
  = input + output x 10
jetons facturés   22 000
  = input + output

Régler max_tokens au plus près de la sortie réelle est le moyen le moins cher de faire tenir plus de requêtes simultanées dans le même quota.

Inférence interrégionale

L'inférence interrégionale envoie une requête via un profil d'inférence, et Bedrock choisit la région qui la sert. Les appels via un profil utilisent le quota interrégional du modèle, distinct du quota à la demande des appels dans une seule région.

ThrottlingException et les erreurs voisines

Le budget d'exemple d'AWS est de six tentatives au total, la requête initiale plus cinq nouvelles tentatives. Avec boto3 :

import boto3
from botocore.config import Config

config = Config(retries={
    "total_max_attempts": 6,
    "mode": "standard",
})
client = boto3.client(
    "bedrock-runtime", config=config
)

Demander une hausse de quota

1. Ouvrez Service Quotas, choisissez Amazon Bedrock et vérifiez les valeurs appliquées à votre compte pour le modèle et la région que vous appelez.
2. Vérifiez d'abord le cycle de vie du modèle. AWS n'accorde pas de hausse pour les modèles Legacy ou Deprecated.
3. Demandez la hausse sur "Cross-Region InvokeModel tokens per minute" pour le modèle. AWS Support propose alors de relever aussi les quotas de jetons à la demande par minute et par jour dans le même dossier.
4. Montrez un usage réel. Selon AWS, la priorité va aux clients dont le trafic consomme déjà le quota existant, et les autres demandes peuvent être refusées. Les petites hausses sont souvent accordées automatiquement ; les plus importantes sont examinées par AWS Support.
5. Le point de terminaison bedrock-mantle suit sa propre procédure.

# Quotas Claude appliqués, région courante
aws service-quotas list-service-quotas \
  --service-code bedrock \
  --query "Quotas[?contains(QuotaName,
    'Claude Sonnet 5.5')].[QuotaName,Value]" \
  --output table

# Demander une hausse avec le code du quota
aws service-quotas \
  request-service-quota-increase \
  --service-code bedrock \
  --quota-code L-XXXXXXXX \
  --desired-value 12000000

Débit provisionné et niveaux de service

Tirer plus du quota dont vous disposez

• Baissez max_tokens à la sortie attendue, puisque la valeur complète est réservée au début de chaque requête.
• Utilisez le cache de prompts pour le contexte répété.
• Limitez par jetons et par concurrence. AWS prévient qu'un limiteur sur les seules requêtes par minute ne protège pas quand la taille des requêtes varie.
• Montez en charge par paliers et observez à chaque palier les taux de 429, 503 et 529.
• Passez les traitements hors ligne en inférence par lots, et les travaux tolérants à la latence en Flex Tier quand le modèle le permet.

Aller au-delà du quota d'un seul compte

Pour tenir un objectif de disponibilité, AWS conseille lui-même des nouvelles tentatives bornées et un repli multirégion ou multimodèle dans votre application. Une passerelle fait ce travail pour vous, sur plusieurs fournisseurs.

Avec Standard Compute, votre compte Bedrock devient un chemin parmi d'autres pour Claude, sans quota AWS à demander de votre côté. Claude est servi par Anthropic et les grands clouds, et la même API donne accès à GPT, Gemini et à des modèles ouverts comme GLM, DeepSeek et MiniMax. Chaque étape va au modèle le moins cher capable de la faire et au fournisseur le moins cher assez rapide pour la servir.

Pour Claude en Europe, définissez une règle Europe pour l'entreprise, une équipe ou une seule clé : chaque requête, y compris les nouvelles tentatives et les replis, n'est alors servie que par des points de terminaison d'inférence européens approuvés. Claude Opus 5.5, Sonnet 5.5 et Haiku 5.5 tournent en Europe sur Google Vertex AI et Amazon Bedrock en Irlande. Vous signez notre DPA dans le tableau de bord.

from openai import OpenAI

client = OpenAI(
    base_url="https://api.stdcmpt.com/v1",
    api_key=STANDARD_COMPUTE_KEY,
)

# "standardcompute" envoie chaque étape au
# modèle le moins cher capable de la faire.
# Pour imposer Claude :
# model="anthropic/claude-sonnet-5.5"
client.chat.completions.create(
    model="standardcompute",
    messages=messages,
)

Pour les quotas d'Azure OpenAI, voir Quotas Azure OpenAI. Pour Standard Compute en entreprise, voir Passerelle IA pour les entreprises.

Questions fréquentes

Sources (vérifiées le 9 novembre 2026)

1. Quotas pour Amazon Bedrockdocs.aws.amazon.com
2. Quotas pour le point de terminaison bedrock-runtimedocs.aws.amazon.com
3. Mode de comptabilisation des jetons dans Amazon Bedrockdocs.aws.amazon.com
4. Points de terminaison et quotas Amazon Bedrock (Référence générale AWS)docs.aws.amazon.com
5. Inférence interrégionaledocs.aws.amazon.com
6. Résolution des codes d'erreur d'API Amazon Bedrockdocs.aws.amazon.com
7. Meilleures pratiques de mise à l'échelle et de débitdocs.aws.amazon.com
8. Débit provisionné dans Amazon Bedrockdocs.aws.amazon.com
9. Niveaux de service pour l'inférencedocs.aws.amazon.com
10. Demande d'augmentation de quota (Service Quotas)docs.aws.amazon.com
11. Claude Code sur Amazon Bedrockcode.claude.com

À lire aussi

• Passerelle IA pour les entreprises
• Quotas et limites Azure OpenAI
• Passerelle IA européenne