Calculateur de coût des jetons d’un modèle d’IA

Les modèles de langage se facturent au jeton, et les jetons de sortie coûtent nettement plus cher que ceux d’entrée. Pour une requête, le montant paraît dérisoire ; multiplié par des milliers par jour, il ne l’est plus, et trois détails peuvent vraiment le changer : le cache de prompts (le contexte répété coûte bien moins), les jetons de raisonnement (facturés comme de la sortie même invisibles) et les remises par lots.

Saisissez vos jetons et vos prix au million : vous obtenez le coût de chaque requête, par jour, mois et an, la part de la dépense due à l’entrée, à la sortie ou au raisonnement, et la baisse du coût si vous mettez davantage de contexte en cache. Tout se passe dans votre navigateur.

Chaque type de jeton est divisé par un million et multiplié par son prix : l’entrée hors cache au prix d’entrée, l’entrée lue en cache à son prix propre, la sortie et le raisonnement au prix de sortie. On additionne et, s’il y a une remise, on l’applique au total. On ramène ensuite au nombre de requêtes et de jours.

L’économie due au cache est l’écart entre payer cette part de l’entrée au prix normal ou au prix du cache.

Comment est facturé un modèle de langage

On paie au jeton, pas à la requête : jetons d’entrée (tout ce que vous envoyez) et jetons de sortie (ce que génère le modèle). Ces derniers coûtent plus cher car les générer demande plus de calcul. Un jeton est un fragment de mot : en anglais, environ 1,3 jeton par mot (0,75 mot par jeton) ; en français, il y en a en général un peu plus.

Le cache de prompts

Si chaque requête répète un long bloc (instructions, exemples, un document), de nombreux fournisseurs permettent de le mettre en cache : les lectures suivantes coûtent une fraction du prix normal (environ un dixième chez plusieurs fournisseurs). Le cache a ses règles (taille minimale, durée, parfois un supplément pour l’écriture), mais avec de grands contextes répétés, c’est le levier d’économie le plus puissant.

Jetons de raisonnement

Les modèles à raisonnement « réfléchissent » avant de répondre. Ces jetons sont facturés comme de la sortie même s’ils ne sont pas affichés, et peuvent être bien plus nombreux que la réponse. Si vous en utilisez un, estimez combien il en génère en moyenne et saisissez-le.

Traitement par lots

Certaines API baissent le prix (souvent de moitié) pour les requêtes qui n’exigent pas de réponse immédiate. Utile pour classer, résumer ou étiqueter de gros volumes.

Comment réduire la facture

• Raccourcir le contexte envoyé et éviter de répéter de longues instructions.
• Mettre en cache ce qui se répète.
• Utiliser un modèle plus petit pour les tâches simples.
• Limiter la longueur de la réponse.
• Traiter par lots ce qui n’est pas urgent.

Erreurs fréquentes

• Oublier que les jetons de sortie coûtent plusieurs fois plus que ceux d’entrée.
• Ignorer les jetons de raisonnement.
• Calculer avec la longueur d’un prompt de test et non du prompt réel (avec historique et documents).
• Considérer les prix comme fixes : ils changent.
• Comparer des modèles sur le même texte sans tenir compte du fait qu’ils comptent les jetons différemment.

Limites de ce calculateur

• Vous saisissez les prix ; le calculateur ne les consulte ni ne les met à jour. Le comparateur de coûts d’IA liste les prix par modèle avec leur date de révision.
• Il n’inclut ni le supplément d’écriture du cache facturé par certains fournisseurs, ni les paliers de prix selon la longueur du prompt, ni les coûts d’outils (recherche, exécution de code).
• Il suppose le même nombre de jetons à chaque requête.
• Il accepte jusqu’à 31 jours d’utilisation par mois.

Avis

Il s’agit d’une estimation. Vérifiez toujours les prix et les conditions sur la page officielle du fournisseur.