Un modèle d’IA lit et écrit des jetons, des morceaux de mots. Par l’API, celle qu’utilisent les développeurs et les applications, la facture compte ces jetons : un prix pour un million de jetons lus, un autre, souvent plus élevé, pour un million de jetons écrits. QUELLE IA compte qu’un jeton vaut environ trois quarts de mot.
Comment se forme la facture
Une requête se paie en deux parties :
- les jetons lus, ou jetons d’entrée : votre question, la conversation qui précède, les documents joints ;
- les jetons écrits, ou jetons de sortie : la réponse, et la réflexion du modèle s’il réfléchit avant de répondre. OpenAI comme Google facturent ces jetons de réflexion au prix de la sortie, même quand vous ne les voyez pas.
Pour donner un ordre de grandeur, chaque fiche de QUELLE IA traduit ces deux tarifs en un prix pour 1 000 questions, à 1 000 jetons lus et 500 jetons écrits par question. Le calcul : 1 000 × (1 000 × prix d’entrée + 500 × prix de sortie) ÷ 1 000 000. C’est une convention du site, expliquée sur la page La démarche.
Pourquoi le prix au million ne suffit pas
Le prix au million donne le coût d’un jeton, sans dire combien de jetons le modèle écrira. Un modèle bavard, ou qui réfléchit longtemps, en écrit beaucoup plus pour la même tâche.
Artificial Analysis mesure ce coût réel : le coût d’une tâche, ce que coûte en moyenne une tâche de leur indice avec un modèle donné, réflexion comprise. QUELLE IA le montre, à part du score, dans le bloc Artificial Analysis de la fiche de chaque modèle concerné, avec la source et la date du relevé.
Pour un même modèle, ce coût change avec le réglage d’effort. Le prix par million de jetons reste identique d’un réglage à l’autre, mais à effort élevé le modèle écrit beaucoup plus de jetons de réflexion, et la tâche coûte plus cher. La fiche de Claude Fable 5.1 le montre réglage par réglage, à côté de son tarif.
À quoi ça sert, au quotidien
- Comparer deux modèles pour un projet. Regardez le coût d’une tâche sur leurs fiches, en plus du tarif : un modèle moins cher au jeton peut coûter plus à l’usage.
- Régler l’effort. Un effort plus bas fait écrire moins de jetons de réflexion, et la tâche revient en général moins cher. Le guide Quel effort choisir le détaille.
- Garder les conversations courtes. Le modèle relit tout le contexte à chaque message, et ces jetons se paient chaque fois. Google recommande la mise en cache du contexte pour réduire ce coût.
- Penser au français. Les découpeurs de jetons apprennent surtout sur de l’anglais. Les auteurs de CroissantLLM ont mesuré que celui de Llama demande 17 % de jetons de plus que le leur sur du français tiré du web, et jusqu’à 40 % sur du français encyclopédique.
Bon à savoir. Avec un abonnement (ChatGPT Plus, Claude Pro…), vous ne payez pas au jeton : un prix fixe, avec des plafonds d’usage. Le raisonnement au jeton vaut pour l’API. Le classement qualité-prix met en regard le score et le prix de chaque modèle.
Pour aller plus loin
- Quel effort de réflexion choisir pour une IA, et quandNiveau Amateur 10 min
- Fenêtre de contexte : ce que veut dire « 1 million de jetons »Niveau Débutant 2 min
- Quel abonnement d'IA choisir en FranceNiveau Débutant 6 min
- Lire le score de QUELLE IA : marge, rang et ex æquoNiveau Débutant 3 min
- Modèle de réflexion : penser avant de répondreNiveau Débutant 2 min
- Paramètres et paramètres actifs : la taille d'une IANiveau Débutant 2 min
Pour monter son atelier d'IA à la maison, mini lab AI, du même auteur, va plus loin.
Sources
- developers.openai.com, lue le
- aistudio.google.com, lue le
- aistudio.google.com, lue le
- arxiv.org, lue le
