Prix des API de LLM : tokens, cache et budget

Le prix d’une API de LLM dépend principalement des tokens envoyés au modèle et des tokens qu’il génère, facturés à des tarifs distincts. Le cache, le traitement par lots et les services annexes modifient ce calcul : pour estimer un budget, mesurez le coût d’une tâche complète, puis multipliez-le par votre volume prévu.

Lire un tarif : unité, modèle et fournisseur

Un tarif exprimé par million de tokens est un prix unitaire, pas un forfait. Vous payez la consommation correspondante : un appel court ne nécessite pas d’acheter un million de tokens. L’entrée et la sortie constituent des postes séparés, auxquels peuvent s’ajouter d’autres unités de facturation.

Avant toute comparaison, relevez le modèle exact, le fournisseur, la devise, le mode de traitement et la date. Vérifiez aussi les conditions du tarif : longueur du contexte, modalité, région d’exécution ou engagement commercial. Une ligne de prix isolée ne décrit pas nécessairement votre usage.

Les fiches des modèles de langage servent de repère pour examiner ces caractéristiques. Le comparateur de benchmarks complète cette lecture : un modèle moins cher au token peut coûter davantage par résultat acceptable s’il exige plusieurs tentatives.

Distinguez enfin l’abonnement à une interface, la facturation de son API et les frais d’une plateforme intermédiaire. Ne déduisez pas les droits de l’un à partir du prix de l’autre. Pour une application professionnelle, conservez la grille applicable à votre compte et la date de consultation avec votre estimation.

Les mécanismes et tarifs officiels cités dans ce guide ont été vérifiés le 24 octobre 2026. Ils constituent des repères datés ; les calculs explicitement présentés comme hypothèses illustrent une méthode, sans représenter des consommations observées.

Compter les tokens plutôt que les mots

Un token est une unité de représentation du contenu utilisée par le modèle. Il peut correspondre à un fragment de mot, à un signe ou à une autre portion de texte. Une longueur en caractères ne permet donc pas de déduire un coût exact.

La tokenisation dépend du modèle et du contenu : français, code, tableaux et identifiants ne se découpent pas nécessairement de la même manière. Évitez une conversion universelle entre mots et tokens pour établir un budget. Un comptage effectué pour un modèle ne doit pas être réutilisé sans vérification pour un autre.

Comptez également la requête complète. Elle peut contenir les instructions système, les messages précédents, les documents, les descriptions d’outils et les schémas de réponse attendus. Le texte saisi par l’utilisateur n’en constitue parfois qu’une petite partie.

La documentation de comptage d’Anthropic précise, au 24 octobre 2026, que son estimation accepte notamment les instructions système, les outils, les images et les PDF, avec des restrictions selon leur mode de transmission. Elle distingue aussi l’estimation préalable de la consommation effectivement rapportée.

Pour budgéter, préparez un échantillon représentatif : demandes courtes, documents longs, conversations et cas difficiles. Comptez chaque requête avec le modèle visé, puis conservez les compteurs réels lors du pilote. Cette mesure évite de bâtir toute la prévision sur un exemple particulièrement simple.

Séparer l’entrée, la sortie et le raisonnement

L’entrée correspond au contenu traité par le modèle ; la sortie correspond à ce qu’il génère. Les tarifs peuvent différer fortement. Une application de résumé et une application de rédaction ne doivent donc pas être comparées sur leur seul volume total de tokens.

Prenons Claude Sonnet 5.5 : au 24 octobre 2026, Anthropic affiche 2 dollars par million de tokens en entrée et 10 dollars en sortie sur sa page officielle de prix. Dans ce cadre, un token de sortie coûte cinq fois un token d’entrée.

Avec l’hypothèse de 4 000 tokens entrants et 800 sortants par appel :

entrée : 4 000 × 2 ÷ 1 000 000 = 0,008 dollar ;
sortie : 800 × 10 ÷ 1 000 000 = 0,008 dollar ;
total : 0,016 dollar par appel, hors autres postes.

La sortie représente ici la moitié du coût malgré un volume cinq fois inférieur. Ces quantités sont des hypothèses pédagogiques, pas une mesure du modèle.

La réponse visible ne suffit pas toujours à compter la génération. La grille tarifaire de Google inclut explicitement les tokens de réflexion dans certaines lignes de sortie, selon les offres documentées au 24 octobre 2026. Vérifiez donc ce que votre compteur englobe.

Une limite de sortie aide à encadrer la consommation, mais une limite trop basse peut interrompre une réponse exploitable. Testez ensemble la longueur, la qualité et le taux de reprise : économiser sur un appel interrompu peut conduire à en payer un second.

Vérifier les paliers de contexte et les modalités

Le tarif annoncé peut s’appliquer sous certaines conditions de longueur. Il faut alors vérifier le seuil, les catégories concernées et la portée de la majoration : toute la requête ou seulement une portion. Ne supposez jamais que chaque token supplémentaire conserve le même prix.

Exemple officiel au 24 octobre 2026 : Claude Haiku 5.5 est affiché à 0,10 dollar en entrée et 0,50 dollar en sortie par million de tokens pour les prompts allant jusqu’à 100 000 tokens. Au-delà, la même page tarifaire d’Anthropic affiche respectivement 0,50 et 2,50 dollars.

Cette distinction rend insuffisante une moyenne mensuelle globale. Deux applications consommant le même volume total peuvent répartir leurs requêtes différemment entre les paliers. Conservez donc la longueur de chaque appel pour reconstruire le coût.

Les entrées multimodales demandent également une lecture spécifique. Pour un document, une image ou un enregistrement, relevez l’unité indiquée par le fournisseur : tokens, durée, image ou autre unité contractuelle. N’appliquez pas une estimation textuelle à un fichier sans vérifier son traitement.

Enfin, une grande fenêtre de contexte indique une capacité technique, pas un budget conseillé. Charger tout un dossier peut augmenter les dépenses et compliquer l’exploitation des informations. Mesurez l’effet de la sélection documentaire avant de décider combien de contenu transmettre.

Comprendre le cache et son seuil de rentabilité

Le cache de prompt permet de réutiliser un préfixe d’entrée déjà traité. Il convient notamment aux instructions stables ou aux documents communs à plusieurs demandes. Il ne signifie pas que la réponse précédente est renvoyée à l’identique.

Son intérêt dépend des lectures réellement obtenues. Un préfixe modifié, des appels trop espacés ou une requête trop courte peuvent empêcher la réutilisation attendue. Placez les éléments stables avant les informations variables, puis vérifiez les compteurs.

Au 24 octobre 2026, la documentation officielle du cache d’Anthropic indique pour Sonnet 5.5, par million de tokens, 2,50 dollars pour une écriture de cinq minutes et 0,10 dollar pour une lecture, contre 2 dollars en entrée ordinaire.

Hypothèse : un préfixe de 10 000 tokens est utilisé dix fois, avec une écriture puis neuf lectures valides :

sans cache : 100 000 × 2 ÷ 1 000 000 = 0,20 dollar ;
avec cache : 10 000 × 2,50 ÷ 1 000 000 + 90 000 × 0,10 ÷ 1 000 000 = 0,034 dollar.

Ce calcul exclut les parties variables et la sortie. Pour une seule utilisation, l’écriture coûterait davantage que l’entrée ordinaire.

La formule générale est simple : comparez le coût des utilisations ordinaires au coût d’écriture augmenté des lectures. Si le préfixe expire et doit être recréé, recommencez le calcul. Une réduction annoncée sur les lectures ne représente donc pas la réduction de toute votre facture.

Distinguer cache automatique et cache explicite

Un cache automatique recherche les occasions de réutilisation sans que vous pilotiez nécessairement chaque élément. Un cache explicite demande une configuration ou une gestion dédiée. Les conditions varient selon le modèle et l’API utilisés.

La documentation du cache de Google, mise à jour le 23 octobre 2026, précise que le cache implicite est activé par défaut pour les modèles pris en charge. Elle indique aussi que le cache explicite n’est pas disponible dans l’API Interactions ni pour les modèles à partir de Gemini 4 Argon.

Cette différence interdit de transposer une configuration entre offres sans relire la documentation. Vérifiez la longueur minimale, la stabilité requise, l’expiration et les compteurs disponibles. Lorsque la grille facture une conservation dans le temps, ajoutez ce stockage au calcul.

Suivez surtout la part des tokens bénéficiant du cache. Compter seulement les requêtes avec au moins une lecture peut donner une impression trompeuse : une petite portion réutilisée ne réduit pas beaucoup une longue entrée variable.

Pour une prévision initiale, établissez un scénario sans cache et un scénario avec réutilisation mesurée. Utilisez le premier comme référence prudente tant que le pilote ne confirme pas les lectures. Cette méthode rend visible la dépendance du budget à la répétition effective des demandes.

Utiliser le batch pour les tâches qui peuvent attendre

Le traitement par lots, ou batch, consiste à soumettre des demandes pour un traitement asynchrone. Il convient aux travaux dont le résultat peut arriver plus tard : classement documentaire, extraction périodique ou campagne d’évaluation.

Au 24 octobre 2026, la documentation Message Batches d’Anthropic annonce une réduction de 50 % et une expiration des demandes non traitées au bout de 24 heures. Ce délai ne doit pas être confondu avec une promesse de réponse immédiate.

Critère	Appel interactif	Traitement batch
Besoin principal	Répondre pendant l’échange	Traiter un volume différable
Réception du résultat	Dans le flux de l’appel	Par récupération ultérieure
Prix applicable	Grille du mode interactif	Grille batch de l’offre
Gestion des erreurs	Reprise pendant le parcours	Suivi des statuts individuels
Organisation	Disponibilité immédiate attendue	File d’attente et échéance

Le batch ne consiste pas à fusionner toutes les données dans un prompt gigantesque. Gardez des demandes identifiables et indépendantes pour contrôler les résultats et reprendre seulement les éléments nécessaires.

Ne cumulez pas automatiquement les réductions de cache et de batch dans votre tableur. Vérifiez leur compatibilité et les conditions de réutilisation pendant le traitement. Un cache favorable dans un échange rapproché peut être moins prévisible dans une file asynchrone.

Passer du prix par appel au budget mensuel

Construisez le budget à partir d’une unité utile : dossier traité, document validé ou demande résolue. Puis mesurez tous les appels nécessaires à cette unité. Le calculateur de prix LLM aide à convertir les volumes ; la qualité des hypothèses reste déterminante.

Pour chaque catégorie, multipliez le nombre de tokens par son tarif et divisez par un million lorsque la grille utilise cette unité. Séparez l’entrée ordinaire, l’écriture de cache, la lecture et la sortie. Vérifiez si les compteurs sont inclus les uns dans les autres avant de les additionner.

Reprenons l’hypothèse précédente : 4 000 tokens entrants et 800 sortants, à 2 et 10 dollars par million. Pour 20 000 tâches mensuelles nécessitant chacune un appel, le coût de génération serait :

20 000 × 0,016 = 320 dollars par mois.

Si l’on suppose ensuite que 10 % des tâches nécessitent un appel supplémentaire identique, cela ajoute 2 000 appels, soit 32 dollars. Le total devient 352 dollars, hors outils, infrastructure et conditions fiscales applicables. Ces volumes et ce taux sont des hypothèses de simulation.

Ajoutez une fourchette de consommation :

Scénario hypothétique	Tâches mensuelles	Appels par tâche en moyenne	Coût de génération calculé
Volume réduit	10 000	1	160 dollars
Référence avec reprises	20 000	1,1	352 dollars
Volume accru avec reprises	30 000	1,1	528 dollars

Ces scénarios conservent la même longueur d’appel. Si les demandes supplémentaires sont plus longues, reconstruisez leur coût plutôt que d’appliquer un multiplicateur uniforme.

Ajouter les dépenses autour du modèle

Le calcul des tokens ne couvre pas nécessairement toute l’application. Une recherche externe, l’exécution de code, le stockage documentaire ou l’indexation peuvent créer d’autres lignes de dépenses. Relevez leurs unités et leurs conditions dans les contrats concernés.

Un service peut aussi entraîner plusieurs consommations successives : appel externe, contenu récupéré injecté dans le modèle, puis génération de la réponse. Identifiez ces étapes pour éviter d’omettre un poste ou de compter deux fois le même.

Pour un budget exploitable, distinguez :

la génération et ses reprises ;
les outils et services appelés ;
l’hébergement, le stockage et les journaux ;
les licences et frais de plateforme ;
le temps de vérification humaine.

Le coût par résultat accepté relie enfin dépense et utilité. Divisez les dépenses du périmètre choisi par les résultats validés selon vos critères. Précisez toujours ce périmètre : une mesure limitée aux tokens ne se compare pas directement à une mesure incluant la relecture.

L’article Combien coûte vraiment un agent IA par mois ? élargit cette analyse aux dépenses d’exploitation. Pour comparer deux solutions, gardez le même niveau de qualité attendu et les mêmes postes comptables.

Maîtriser les boucles, les reprises et les plafonds

Un agent peut effectuer plusieurs appels pour une seule demande. Chaque étape ajoute potentiellement du contenu : observations, résultats d’outils et messages précédents. La consommation dépend donc à la fois du nombre d’étapes et de la taille de leur contexte.

Exemple purement arithmétique, sans cache : supposons un premier appel de 2 000 tokens d’entrée, puis neuf appels dont l’entrée augmente chaque fois de 1 000 tokens. Le total atteint 65 000 tokens entrants, avant même de compter les sorties. Dix appels ne correspondent pas simplement à dix fois la première entrée.

Fixez des limites par tâche : nombre d’étapes, volume de sortie, délai et reprises autorisées. Une erreur répétée doit conduire à un arrêt explicite ou à une intervention, plutôt qu’à une nouvelle tentative sans diagnostic.

Distinguez également alerte et blocage. Une notification de dépense ne constitue pas une limite technique. Lorsque plusieurs appels sont lancés en parallèle, une partie du budget peut déjà être engagée avant la remontée des compteurs.

Prévoyez donc une enveloppe pour les appels en cours et un contrôle dans l’application. Le guide Réduire le coût d’un agent IA détaille les arbitrages entre contexte, routage et limites d’exécution.

Suivre le budget et comparer à qualité constante

Pendant le pilote, associez chaque consommation à une tâche et à un résultat. Conservez le fournisseur, le modèle exact, le mode de traitement, les catégories de tokens, les appels d’outils et la raison des reprises. Stockez seulement les données nécessaires au suivi.

Examinez la moyenne, mais aussi la dispersion. Quelques tâches longues peuvent peser fortement sur la facture. Séparez les familles de demandes pour distinguer une hausse du trafic d’une modification des usages ou d’un défaut de configuration.

Rapprochez périodiquement votre estimation des consommations du fournisseur. Une différence peut venir du cache, d’un tarif mal appliqué, d’une catégorie de tokens oubliée ou d’appels lancés hors du parcours suivi. Documentez la cause avant de modifier les hypothèses.

Pour changer de modèle, comparez des tâches identiques et mesurez le résultat accepté, le délai et les reprises. Le guide Choisir un modèle de langage complète cette démarche. Le tarif au token devient alors un critère parmi ceux qui déterminent le coût du service rendu.

À retenir

Comptez la requête complète et séparez entrée, sortie, cache et services annexes.
Datez les tarifs et vérifiez leurs conditions : contexte, modalités et mode de traitement.
Budgétez une tâche complète, avec ses reprises, puis construisez plusieurs scénarios de volume.
Mesurez les économies de cache et de batch sur votre charge réelle.
Suivez le coût par résultat accepté et prévoyez des limites applicatives avant la montée en charge.

Pages liées

Questions fréquentes

Combien coûte un million de tokens ?

Il n'existe pas de prix unique : il dépend du modèle, du fournisseur et de la catégorie de tokens. Comparez séparément l'entrée, la sortie et les lectures de cache, puis vérifiez les conditions liées au contexte ou au mode de traitement.

Un abonnement à un assistant inclut-il son API ?

Ne le présumez pas : vérifiez les droits et crédits explicitement inclus dans votre contrat. Pour un budget d'application, distinguez les licences des utilisateurs, les éventuels crédits et la consommation facturée par le fournisseur d'API.

Peut-on connaître le prix exact avant un appel ?

Vous pouvez estimer l'entrée et calculer une enveloppe avec une limite de sortie. Le montant final dépend toutefois de la génération effective, du cache obtenu et des services utilisés. Rapprochez ensuite cette estimation des compteurs de consommation.

Le cache rend-il les réponses gratuites ?

Le cache de prompt réutilise du contenu d'entrée déjà traité ; il ne dispense pas de générer une réponse. Une application peut aussi mémoriser une réponse complète et la servir sans nouvel appel, mais elle doit alors gérer sa validité et les droits d'accès.

Quel budget prévoir pour un agent IA ?

Partez du nombre de tâches et mesurez tous les appels nécessaires à chacune, y compris les reprises. Ajoutez les outils, l'hébergement et la supervision. Un prix par message ne représente pas correctement une tâche composée de plusieurs étapes.

Comprendre les prix des API de LLM : tokens, entrée et sortie, cache, batch, estimation d'un budget