Limites et points critiques
- Les tarifs publics peuvent changer : relire la page de tarifs de l'éditeur avant tout chiffrage et prévoir une clause de révision dans le contrat client.
- Le tarif de sortie est un multiple de celui d'entrée (5 fois pour Claude Sonnet 4.5 : 15 $ contre 3 $, claude.com/pricing lu le 24/10/2026) — un max_tokens strict limite la facture.
- Les marketplaces cloud (AWS Bedrock, Azure, GCP Vertex) ont leurs propres grilles de prix, à comparer avec l'API directe de l'éditeur.
- Le nombre de tokens dépend de la langue et du tokenizer : un même texte en français peut consommer plus de tokens qu'en anglais, à mesurer avec le compteur de tokens du fournisseur.
- Prompt caching cassé par changement minime du prompt système — discipline de versioning critique.
Évolution probable (12-24 mois)
- Les petits modèles récents proposent des tarifs d'entrée plus bas que les modèles haut de gamme de leur famille (1 $ pour Haiku 4.5 contre 3 $ pour Sonnet 4.5, claude.com/pricing lu le 24/10/2026).
- Modèles de plus en plus efficaces (distillation, MoE, quantization runtime) qui rendent les small models compétitifs.
- Les caches de prompt (Anthropic, Gemini) facturent la lecture à 10 % du prix d'entrée, ce qui réduit le coût des contextes répétés.
- Batch API à 50 % de remise annoncée par Anthropic et par Google (pages officielles lues le 24/10/2026) — viable pour les workloads asynchrones.
Questions fréquentes
Qu'est-ce que le cost per token ?+
Le cost per token est le prix unitaire facturé par les fournisseurs LLM (Anthropic, OpenAI, Mistral, Google) pour chaque million de tokens traités. Tous les fournisseurs distinguent : tokens d'input (votre prompt + contexte + historique), tokens d'output (la réponse générée), et tokens de cache (entrée répétée, lecture facturée 10 % du prix d'entrée chez Claude : 0,30 $ contre 3 $ pour Sonnet 4.5, tarif public lu le 24/10/2026 sur claude.com/pricing). C'est la métrique FinOps de référence en IA : les coûts d'inférence d'un projet IA en cloud s'y ramènent.
À quoi sert de connaître le coût par token ?+
Connaître le cost per token sert à 3 choses : (1) estimer le coût opex d'un projet IA avant lancement (essentiel pour le business case), (2) comparer économiquement les modèles (Claude vs GPT vs Mistral) en cohérence avec leur qualité, (3) identifier les leviers d'optimisation FinOps (model routing, prompt caching, structured output).
Différence entre coût input et coût output ?+
La sortie coûte plus cher que l'entrée chez les fournisseurs du tableau. Exemple Claude Sonnet 4.5 : 3 $/M en entrée contre 15 $/M en sortie (15/3 = 5 fois, tarif public lu le 24/10/2026 sur claude.com/pricing) ; Gemini 2.5 Pro : 1,25 $ contre 10 $ (10/1,25 = 8 fois, lu sur ai.google.dev). Conséquence : raccourcir les sorties est PLUS rentable que raccourcir les entrées. Pratiques : (1) consigne 'sois concis' ou structured output JSON pour borner la sortie, (2) max_tokens strict, (3) éviter le chain-of-thought sur les tâches simples. Le cache d'entrée (Anthropic, Gemini) est facturé 10 % du prix d'entrée (0,30 $ contre 3 $ pour Sonnet 4.5) — à exploiter sur les prompts répétés (RAG, agents).
Comment réduire le coût par token en pratique ?+
Cinq leviers : (1) Model routing — utiliser un petit modèle (Haiku, Gemini Flash, Mistral Small) sur les étapes simples et garder un modèle plus puissant pour les étapes complexes ; l'économie dépend de la part du volume routée et de l'écart de prix (entrée à 1 $ pour Haiku 4.5 contre 3 $ pour Sonnet 4.5). (2) Prompt caching Anthropic ou context caching Gemini : lecture du cache facturée 10 % du prix d'entrée (0,30 $ contre 3 $ pour Sonnet 4.5). (3) Structured output JSON avec schéma strict : sorties plus courtes, donc moins de tokens facturés au tarif de sortie. (4) Batch API : 50 % de remise annoncée par Anthropic (claude.com/pricing) et par Google (ai.google.dev) pour les traitements asynchrones, lue le 24/10/2026. (5) Distillation : un petit modèle spécialisé pour les tâches récurrentes ; l'économie dépend de la tâche et se mesure sur vos propres volumes.
Combien coûte un projet IA en pratique pour une PME ?+
Le coût d'inférence se calcule, il ne se devine pas. Exemple (hypothèse de l'auteur : 2 000 tokens en entrée et 500 en sortie par interaction), notre calcul à partir du tarif public de Claude Sonnet 4.5 lu le 24/10/2026 sur claude.com/pricing (3 $ en entrée, 15 $ en sortie par million de tokens) : 2 000 × 3 $ / 1 000 000 = 0,006 $ ; 500 × 15 $ / 1 000 000 = 0,0075 $ ; soit 0,0135 $ par interaction et 135 $ pour 10 000 interactions. Le coût réel varie avec la longueur des prompts et du contexte, la part de cache, le modèle choisi, le nombre d'étapes d'un agent et le volume. Le développement, l'intégration et la maintenance s'ajoutent à l'inférence.
Questions liées
Les LLM (ChatGPT, Perplexity, Gemini) suggèrent souvent ces questions après cette page.
- Claude vs GPT vs Mistral : lequel est le moins cher en 2026 ?
- Comment fonctionne le prompt caching d'Anthropic ?
- Qu'est-ce que le model routing et comment l'implémenter ?
- Combien coûte un agent IA en production pour une PME ?
- Batch API ou real-time API : laquelle choisir ?
Le cost per token est le prix unitaire facturé par les fournisseurs LLM, exprimé en $/million de tokens. Tous les coûts d’un projet IA en cloud se ramènent à ce chiffre — c’est la métrique FinOps de référence.
En pratique
Tarifs publics lus le 24/10/2026 sur claude.com/pricing et ai.google.dev (entrée / sortie, $/M tokens ; Gemini 2.5 Pro pour les prompts de 200k tokens ou moins) :
| Modèle | Entrée | Sortie | Cache (lecture) |
|---|---|---|---|
| Claude Haiku 4.5 | $1 | $5 | $0.10 |
| Claude Sonnet 4.5 | $3 | $15 | $0.30 |
| Claude Opus 4.7 | $5 | $25 | $0.50 |
| Gemini 2.5 Flash | $0.30 | $2.50 | $0.03 |
| Gemini 2.5 Pro | $1.25 | $10 | $0.125 |
Les tarifs OpenAI et Mistral se lisent sur leurs pages officielles : tarifs API OpenAI et tarifs Mistral.
La sortie coûte 5 fois plus cher que l’entrée chez Claude (15/3, 25/5, 5/1) et 8 à 8,3 fois chez Gemini 2.5 (10/1,25 ; 2,50/0,30). Conséquence : raccourcir les sorties est plus rentable que raccourcir les entrées.
Pourquoi c’est important pour votre projet IA
- Le coût d’une tâche dépend de la longueur des prompts, du modèle choisi et du nombre d’étapes : un agent mal conçu consomme plus de tokens qu’un agent optimisé pour la même tâche.
- Leviers majeurs : prompt caching (lecture du cache à 10 % du prix d’entrée), model routing (un petit modèle sur les étapes simples), structured output (sorties courtes et bornées).
- Exemple de calcul (hypothèse de l’auteur : 2 000 tokens en entrée, 500 en sortie ; Claude Sonnet 4.5 à 3 $ / 15 $ lus le 24/10/2026 sur claude.com/pricing) : 2 000 × 3 $ / 1 000 000 + 500 × 15 $ / 1 000 000 = 0,0135 $ par interaction.