Tarification au token
La tarification au token (token pricing) est la façon dont la plupart des API de modèles d'IA facturent : un prix fixe par million de tokens d'entrée envoyés et un prix distinct, généralement plus élevé, par million de tokens de sortie générés par le modèle, avec des remises pour les entrées en cache et les traitements batch.
Aussi appelé : price per million tokens, input vs output tokens
Par Divya Sharma · Vérifié le 16 nov. 2026 · Notre méthode
Les fournisseurs facturent en tokens plutôt qu'en requêtes ou en mots. La page de tarifs d'Anthropic, par exemple, liste des prix par MTok, c'est-à-dire par million de tokens, avec des colonnes distinctes pour l'entrée de base, les écritures en cache, les lectures en cache et la sortie. L'entrée couvre tout ce que vous envoyez : le prompt système, l'historique de conversation, les documents récupérés et les définitions d'outils. Les tokens de sortie sont ce que le modèle écrit en retour, y compris les tokens de raisonnement cachés des modèles de raisonnement.
Calculer un coût
Le coût par requête est égal aux tokens d'entrée multipliés par le prix d'entrée, plus les tokens de sortie multipliés par le prix de sortie, chacun divisé par un million. Les longues conversations coûtent plus cher à chaque tour, car tout l'historique est envoyé à chaque fois. La sortie est généralement facturée plusieurs fois plus cher que l'entrée, si bien qu'un modèle bavard peut coûter plus qu'un modèle apparemment plus cher.
Ce qui modifie la facture
Le prompt caching facture moins cher un préfixe répété. Une API batch accorde une remise pour les traitements qui peuvent attendre. Certains fournisseurs facturent davantage les prompts très longs ou certaines régions. Le tokenizer compte aussi : Anthropic note qu'un tokenizer plus récent produit environ 30 % de tokens en plus pour le même texte, si bien que les prix au token ne sont pas directement comparables d'une famille de modèles à l'autre.
Comparer les modèles
Le prix au token n'a de sens qu'à côté de la qualité et de la vitesse. Un modèle bon marché qui demande trois nouvelles tentatives n'est pas bon marché. Notre étude sur les prix des modèles d'IA suit les prix catalogue des fournisseurs, et les classements montrent la qualité à côté du coût.
Termes liés
- Token (LLM)
- Un token (LLM), ou jeton, est l'unité de texte de base qu'un modèle de langage lit et écrit, souvent un mot, une partie de mot, un signe de ponctuation ou un octet. Les prix, la vitesse et les limites de contexte se comptent tous en tokens.
- Tokens de sortie
- Les tokens de sortie (output tokens) sont les tokens qu'un modèle de langage génère dans sa réponse. Ils sont comptés et facturés séparément des tokens d'entrée, et un réglage max_tokens plafonne le nombre qu'une réponse peut contenir.
- Prompt caching
- Le prompt caching (mise en cache des prompts) est une fonctionnalité d'API qui stocke la forme traitée d'un préfixe de prompt répété, comme un long prompt système ou un document, pour que les requêtes suivantes commençant par le même préfixe soient moins chères et plus rapides.
- API batch
- Une API batch (traitement par lots) vous permet de soumettre un grand ensemble de requêtes à un modèle en une seule tâche et d'en récupérer les résultats plus tard, au lieu d'attendre chaque appel. Les fournisseurs exécutent la tâche quand la capacité le permet et la facturent en général moins cher.
- Tokenizer
- Un tokenizer est le composant qui découpe le texte en tokens et les transforme en identifiants numériques qu'un modèle de langage peut traiter, puis qui retransforme en texte les identifiants produits par le modèle.
- Limite de débit (API)
- Une limite de débit (rate limit) plafonne l'usage qu'un compte peut faire d'une API sur une période donnée, généralement en requêtes par minute (RPM) et en tokens par minute (TPM). Les requêtes au-delà de la limite sont rejetées, en général avec une erreur HTTP 429.