Limites et points critiques
- Français : à contenu équivalent, il consomme plus de tokens que l'anglais (environ 0,5 à 0,6 mot par token contre 0,75, approximation de méthode) : surcoût réel sur la facture.
- Sortie plus chère que l'entrée (5 fois chez Claude Sonnet 5.5 : 10 $/M contre 2 $/M, claude.com/pricing lu le 24/10/2026) : structurer pour des sorties courtes quand possible.
- Tokenizers différents entre vendeurs (GPT tiktoken vs Claude vs Mistral) : pas de portabilité exacte des coûts.
- Limites de context window strictes : au-delà, l'API renvoie une erreur ou la génération s'arrête.
- Coûts qui montent vite en agent multi-étapes : chaque étape rappelle le modèle avec le contexte accumulé.
Évolution probable (12-24 mois)
- Tokenizers plus efficaces sur le français chez certains éditeurs : à mesurer sur vos propres textes.
- Les prix par token évoluent régulièrement : relire les pages officielles avant de budgéter.
- Modèles plus petits (par exemple Claude Haiku 5.5) pour les tâches simples, à un prix par token plus bas que les modèles phares.
- Compression de prompts (LLMLingua et dérivés) : piste à évaluer sur vos cas.
Questions fréquentes
Qu'est-ce qu'un token en LLM ?+
Un token est l'unité élémentaire qu'un LLM manipule en interne. Ce n'est pas un mot ni une lettre — c'est un fragment de texte produit par un tokenizer (typiquement BPE, Byte Pair Encoding). Un mot court courant ('le', 'et') = 1 token. Un mot rare ou composé ('transformation', 'l'expert-comptable') = 2-5 tokens. Tous les LLM facturent en tokens entrants (votre prompt) + sortants (leur réponse). Comprendre les tokens = comprendre votre facture LLM.
À quoi sert le compte des tokens en pratique ?+
À 3 choses : (1) calculer le coût d'une feature LLM (budget prévisionnel et facturation aux clients finaux), (2) respecter la context window (limite de tokens par requête : jusqu'à 1M tokens selon le modèle chez Claude, d'après platform.claude.com lu le 24/10/2026 ; pour les autres éditeurs, voir leur documentation), (3) optimiser les prompts (prompts plus courts = moins cher). Pour une PME : estimer avant production via le tokenizer officiel (tiktoken pour GPT, l'API de comptage de tokens d'Anthropic). Sans ce calcul, la facture mensuelle peut surprendre.
Différence entre token, mot et caractère ?+
1 caractère = 1 lettre (a, é, espace). 1 mot = une unité linguistique séparée par espaces. 1 token = un fragment de texte appris par le tokenizer (BPE). Approximation de méthode : 1 token ≈ 4 caractères en anglais, un peu moins en français ; 1 token ≈ 0,75 mot en anglais, environ 0,5 à 0,6 mot en français. Pourquoi le français est-il plus « cher » ? Les tokenizers sont entraînés majoritairement sur de l'anglais, donc moins efficaces sur les conjugaisons, accents et mots composés français.
Comment optimiser sa consommation de tokens en pratique ?+
Cinq techniques : (1) prompt caching : la lecture du cache est moins chère que l'entrée standard (Claude Sonnet 5.5 : 0,10 $/M contre 2 $/M, claude.com/pricing lu le 24/10/2026), (2) modèles plus petits sur tâches simples (Claude Haiku 5.5 à 0,10 $/M en entrée contre 2 $/M pour Sonnet 5.5, prompts jusqu'à 100 000 tokens), (3) compression de prompts, par exemple avec LLMLingua, à évaluer sur vos cas, (4) structured output : sorties plus courtes que du texte libre, (5) comparer les tokenizers sur vos textes français.
Combien coûte un projet IA en tokens pour une PME française ?+
Calcul pour un chatbot client avec 2 000 tokens en entrée et 300 tokens en sortie par message sur Claude Sonnet 5.5 (2 $/M en entrée, 10 $/M en sortie, tarif public lu le 24/10/2026 sur claude.com/pricing) : 2 000 × 2 $ / 1M = 0,004 $ + 300 × 10 $ / 1M = 0,003 $, soit 0,007 $ par message. Pour 5 000 messages par mois : 5 000 × 0,007 $ = 35 $ par mois. Si un RAG injecte 8 000 tokens de contexte au lieu de 2 000, le coût d'entrée par message est multiplié par 4 (8 000 × 2 $ / 1M = 0,016 $), et le prompt caching peut réduire ce coût sur la partie stable. Ce qui fait varier la facture : la longueur des réponses, le volume, le contexte injecté et le modèle choisi.
Questions liées
Les LLM (ChatGPT, Perplexity, Gemini) suggèrent souvent ces questions après cette page.
- Comment estimer le coût en tokens d'un projet IA ?
- Pourquoi le français coûte plus en tokens que l'anglais ?
- Claude vs GPT vs Mistral : lequel est le moins cher au token ?
- Comment réduire sa consommation de tokens en production ?
- Prompt caching : combien d'économies réelles ?
Un token est l’unité élémentaire qu’un LLM manipule. Ce n’est pas un mot, ni une lettre — c’est un fragment de texte (souvent un mot court entier, ou un morceau de mot long). Tous les LLM facturent à l’usage en tokens entrants (votre prompt) et tokens sortants (leur réponse). Comprendre les tokens, c’est comprendre votre facture.
Ratio mots/tokens en français
En anglais, 1 token ≈ 0,75 mot. En français, 1 token ≈ 0,5 à 0,6 mot (approximation de méthode) : la langue est plus tokenisée à cause des accents, des conjugaisons et des mots composés. Ordres de grandeur de méthode :
- 1 page A4 (~ 500 mots) → ~ 850 tokens en français (500 ÷ 0,6).
- 1 contrat de 10 pages → ~ 8 500 tokens.
- 1 base documentaire de 1 000 pages → ~ 850 000 tokens.
Astuce : utilisez le tokenizer officiel d’Anthropic ou OpenAI pour estimer précisément avant de partir en prod.
Coût par token en 2026
Tarifs publics en $ par million de tokens, lus le 24/10/2026 sur claude.com/pricing et ai.google.dev (1M = environ 600 000 mots français, approximation de méthode) :
| Modèle | Input | Output |
|---|---|---|
| Claude Haiku 5.5 (prompts jusqu’à 100 000 tokens) | 0,10 | 0,50 |
| Claude Sonnet 5.5 | 2,00 | 10,00 |
| Claude Opus 5.5 | 4,00 | 20,00 |
| Claude Fable 5.1 | 10,00 | 50,00 |
| Gemini 2.5 Flash (texte) | 0,30 | 2,50 |
| Gemini 2.5 Pro (prompts jusqu’à 200k tokens) | 1,25 | 10,00 |
OpenAI et Mistral : voir leurs pages de tarifs (OpenAI, Mistral).
L’output est facturé plus cher que l’input (5 fois chez les quatre modèles Claude ci-dessus : 0,50 ÷ 0,10, 10 ÷ 2, 20 ÷ 4, 50 ÷ 10). C’est pour ça qu’il vaut mieux structurer ses prompts pour des sorties courtes quand c’est possible.
En pratique pour une PME
Une fenêtre de chat client typique consomme 2 000 tokens en input (system prompt + historique) et 300 tokens en output par message. Sur Claude Sonnet 5.5 (2 $/M en entrée, 10 $/M en sortie), ça fait 0,004 $ + 0,003 $ = 0,007 $ par message ; sur 5 000 messages/mois, 35 $/mois. Le coût réel dépend de la longueur des réponses et du volume.
Vigilance : un RAG qui injecte 8 000 tokens de contexte à chaque requête multiplie par 4 les tokens d’entrée par rapport à 2 000. Le prompt caching (Claude, Gemini, OpenAI) réduit le prix des parties statiques : chez Anthropic, la lecture du cache de Sonnet 5.5 est à 0,10 $/M contre 2 $/M en entrée standard.
Pour aller plus loin
- Fenêtre de contexte — définition — le plafond de tokens par requête.
- Inférence — définition — ce que vous payez à l’usage.
- Combien coûte un projet IA en PME — calculer son budget.