Guide
Comment fonctionne la tarification des tokens LLM
Toutes les grandes API LLM facturent au token, un fragment de texte d’environ quatre caractères, soit les trois quarts d’un mot anglais. Les prix sont exprimés par million de tokens, et les tokens d’entrée (votre prompt système, l’historique de conversation, les documents récupérés et les résultats d’outils) sont facturés séparément des tokens de sortie (le texte que le modèle génère). La sortie est presque toujours le poste le plus cher : sur la plupart des modèles actuels, elle coûte quatre à cinq fois plus par token que l’entrée, car générer les tokens un par un consomme bien plus de temps GPU que lire un prompt en parallèle.
On obtient ainsi une formule simple pour n’importe quelle requête : tokens d’entrée × prix d’entrée ÷ 1M + tokens de sortie × prix de sortie ÷ 1M. Une requête de chatbot avec 2 000 tokens d’entrée et 500 tokens de sortie sur Claude Sonnet 5.5 ($2.00 en entrée / $10.00 en sortie par million) coûte environ $0.009. À 10 000 requêtes par jour, cela représente environ $2,738 par mois. Le calculateur ci-dessus fait exactement ce calcul pour tous les modèles à la fois, pour voir ce que coûte la même charge de travail chez chaque fournisseur.
Comparer les prix des API OpenAI, Claude et Gemini
Les prix affichés sont un point de départ, pas la réponse. Deux modèles au même prix par token peuvent produire des factures très différentes si l’un écrit des réponses plus longues, a besoin d’un prompt plus long pour bien se comporter, ou consomme davantage de tokens de raisonnement cachés. Les modèles de milieu de gamme comme Claude Sonnet 5.5, GPT-6.2 Sol et Gemini 4 Carbon ont aujourd’hui des prix presque identiques : une comparaison de coût LLM honnête fait donc passer vos propres volumes de tokens dans chacun d’eux. Pour parcourir rapidement tous les tarifs d’entrée, en cache et de sortie, consultez le tableau des prix des API LLM.
Pourquoi les agents IA multi-tours coûtent plus cher que les chatbots
Les API LLM sont sans état. Pour poursuivre une conversation, votre code renvoie tout l’historique à chaque appel, et un agent ajoute à cet historique des définitions d’outils, des appels d’outils et leurs résultats à chaque étape. Les tokens d’entrée augmentent donc à chaque tour, et l’entrée totale d’une session croît à peu près comme le carré du nombre de tours.
Prenons un agent de code ou de recherche qui démarre avec 12 000 tokens de contexte, ajoute à chaque tour 2 500 tokens de résultats d’outils et 500 tokens de sa propre sortie, et tourne pendant 25 tours. Une estimation naïve donne 25 × 12 000 = 0,3M tokens d’entrée. Le chiffre réel est d’environ 1,2M, soit 4× plus, car le tour 25 relit tout ce que les 24 premiers tours ont produit. Sans cache, cette seule session coûte environ $2.52 sur Claude Sonnet 5.5. Un calculateur de coût d’agent IA doit modéliser cette croissance du contexte, et c’est ce que fait le mode Pro / Agent ci-dessus. Les agents vocaux suivent le même schéma à chaque tour de parole ; le calculateur de coût d’agent vocal IA le modélise avec la reconnaissance vocale, la synthèse vocale et la téléphonie.
Comment le cache de prompt et la Batch API réduisent votre facture
Cache de prompt
Comme les agents renvoient sans cesse le même préfixe, les fournisseurs permettent de le mettre en cache. Les tokens d’entrée en cache sur Claude Sonnet 5.5 coûtent $0.10 par million au lieu de $2.00, soit une remise de 95 %. Anthropic facture un supplément pour écrire dans le cache ($2.50 par million) ; OpenAI et Google mettent automatiquement en cache les prompts au-delà d’une longueur minimale. Avec un taux de succès du cache de 85 %, la session d’agent ci-dessus passe de $2.52 à environ $0.677, soit 73 % d’économie. Pour obtenir un bon taux de succès, placez tout ce qui est stable (prompt système, schémas d’outils, documents de référence) au début du prompt et ajoutez le nouveau contenu à la fin. Un horodatage ou un identifiant utilisateur en haut du prompt invalide le cache à chaque requête.
Batch API
Si vous n’avez pas besoin d’une réponse en temps réel, la Batch API d’OpenAI, d’Anthropic et de Google retire 50 % sur les tokens d’entrée comme de sortie, en échange de résultats livrés sous 24 heures. Évaluations, classification de documents, extraction de données, recalcul d’embeddings et résumés nocturnes s’y prêtent parfaitement. Les remises batch et cache peuvent se cumuler, c’est pourquoi les pipelines hors ligne sont souvent les charges de travail LLM les moins chères à exécuter.
Comment les tokens de raisonnement cachés sont facturés
Les modèles de raisonnement réfléchissent avant de répondre. Ces tokens de réflexion sont générés comme n’importe quelle sortie et facturés au tarif de sortie, mais la plupart des API ne vous les montrent jamais. Une réponse visible de 500 tokens qui a nécessité 1 000 tokens de raisonnement est facturée comme 1 500 tokens de sortie : $0.015 au lieu de $0.005 sur Claude Sonnet 5.5. La consommation de raisonnement varie selon la difficulté de la tâche et le niveau d’effort choisi : mesurez-la dans le champ usage de réponses réelles, puis réglez le multiplicateur de raisonnement du calculateur en conséquence. Les tokens de raisonnement ne sont pas reportés dans le contexte du tour suivant : ils augmentent le coût de sortie sans gonfler l’entrée d’une boucle d’agent.
Conseils pratiques pour réduire votre facture mensuelle d’API LLM
- Routez selon la difficulté. Envoyez les appels simples de classification, d’extraction et de routage à un modèle économique et réservez les modèles phares aux cas difficiles. Beaucoup d’équipes réduisent ainsi leurs dépenses de 60 à 80 %.
- Limitez la longueur de sortie. Les tokens de sortie sont le poste le plus cher. Définissez max_tokens, demandez des formats concis comme le JSON, et évitez que le modèle répète son entrée.
- Concevez vos prompts pour le cache. Mettez le contenu stable en premier, le contenu variable en dernier, et vérifiez le nombre de tokens en cache dans les réponses de l’API pour confirmer les succès.
- Allégez le contexte des agents. Résumez ou supprimez les anciens résultats d’outils au lieu de traîner des fichiers et des logs complets à chaque tour.
- Passez en batch tout ce qui peut attendre. Le même modèle à moitié prix, c’est l’économie la plus facile à obtenir.
- Ajustez l’effort de raisonnement. Utilisez un effort faible ou moyen, ou un modèle sans raisonnement, quand un raisonnement approfondi n’améliore pas les résultats.
- Reconsidérez l’auto-hébergement à grande échelle. À plusieurs milliards de tokens par mois, un modèle open-weight sur un GPU dédié peut revenir moins cher. Utilisez le calculateur de seuil de rentabilité API vs auto-hébergement pour trouver votre point de bascule, et le calculateur de VRAM LLM pour dimensionner le matériel.
Toutes les valeurs de ce calculateur sont stockées dans l’URL de la page : une fois votre estimation faite, copiez le lien et partagez-le avec votre équipe ou votre responsable financier.