Ce que coûte vraiment un modèle d'IA en 2027

Depuis un an, chaque annonce de modèle s'accompagne d'un prix au million de tokens, et chaque comparatif range les modèles dans l'ordre de ce prix. C'est devenu le réflexe du secteur : deux nombres, l'entrée et la sortie, et l'affaire semble réglée.

Elle ne l'est pas. Nous avons passé les dix derniers jours à tester quatre modèles sortis coup sur coup — Claude Fable 5.1, Gemini 3.8 Flash, DeepSeek V4.1 Flash et Jev — et à chaque fois le même constat s'est imposé : le tarif affiché prédit très mal ce que vous paierez à la fin du mois.

Pas d'un peu. D'un facteur qui va de deux à plus de dix selon la façon dont vous appelez le modèle.

Cet article rassemble ce que ces tests ont appris. Il propose une méthode de calcul en cinq étapes, un tableau des tarifs vérifiés au 20 septembre 2026, et l'échéance du 1er janvier 2027, qui va rebattre les cartes pour une partie du marché.

Pourquoi le prix affiché ment

Quatre mécanismes distincts creusent l'écart entre le tarif catalogue et la facture réelle. Aucun n'est un piège : tous sont documentés. Mais aucun n'apparaît dans les comparatifs.

La verbosité n'est pas la même d'un modèle à l'autre

Vous payez la sortie au token produit, pas à l'information délivrée. Deux modèles répondant correctement à la même question peuvent donc facturer très différemment.

Notre test de Gemini 3.8 Flash a mesuré cet écart : à qualité de réponse comparable, le modèle produit en moyenne 40 % de tokens de plus que ses concurrents directs. Sur un tarif de sortie affiché à 3,75 dollars le million, la sortie effective revient donc à 5,25 dollars pour un travail équivalent.

Un modèle qui coûte 20 % moins cher au token mais produit 40 % de texte en plus est un modèle plus cher. Le classement s'inverse sans que personne ne change son tarif.

Certains prix ont une date de péremption

Le tarif de Gemini 3.8 Flash — 0,75 dollar en entrée, 3,75 en sortie — est un prix de lancement. Google a annoncé qu'il doublait au 1er janvier 2027.

Ce n'est pas une hypothèse de notre part, c'est la grille publiée. Une entreprise qui dimensionne aujourd'hui son budget 2027 sur le tarif affiché se trompe d'un facteur deux, et la bascule tombera au pire moment : le premier jour de l'exercice comptable.

Les remises ne s'appliquent pas toutes seules

Cache de prompt, traitement par lots, heures creuses : les trois plus gros leviers d'économie du marché sont tous conditionnels. Ils existent dans la grille tarifaire, mais ne se déclenchent que si votre code est écrit pour eux.

Le cas de Claude Fable 5.1 est parlant. Le modèle est facturé 10 dollars le million de tokens en entrée. La lecture d'un prompt mis en cache tombe à 0,25 dollar — quarante fois moins. Deux clients avec le même usage et le même modèle peuvent avoir une facture qui varie d'un facteur quatre selon qu'ils ont ou non implémenté le cache.

Vous payez souvent une capacité dont vous n'avez pas besoin

C'est le mécanisme le plus coûteux, et le moins visible, parce qu'il ne se lit dans aucune grille.

Classer un ticket de support dans l'une de trois catégories ne demande pas un modèle capable d'écrire une nouvelle. Pourtant, la majorité des déploiements font passer l'ensemble des requêtes par le modèle le plus capable, parce que c'est plus simple à câbler.

Jev, le modèle de TypeSafe AI qui ne produit jamais de texte, pousse cette logique à l'extrême : 0,042 dollar le million de tokens en entrée, sortie gratuite, parce qu'il renvoie une décision typée et non une phrase. Sur les tâches qui n'ont jamais eu besoin de prose, l'écart avec un grand modèle se compte en centaines de fois.

La méthode en cinq étapes

Voici le calcul que nous refaisons désormais avant chaque recommandation. Il tient en cinq étapes et demande une demi-heure.

1. Mesurez vos volumes réels, pas vos volumes supposés

Comptez les tokens sur un échantillon représentatif d'une semaine, en séparant trois postes : le prompt système et les instructions fixes, le contenu variable de chaque requête, et la sortie.

Cette séparation est ce qui rend le reste du calcul possible. Le premier poste est cachable, le troisième est le plus cher, le deuxième est le seul que vous ne pouvez pas vraiment comprimer.

2. Calculez le coût brut, sans aucune remise

C'est votre plafond. Prenons un cas de référence que nous garderons dans tout l'article : un agent de support traitant 100 000 tickets par mois, avec 3 000 tokens de prompt système, 300 tokens de message client et 400 tokens de réponse.

Soit 330 millions de tokens en entrée et 40 millions en sortie chaque mois.

Modèle	Entrée / sortie (par million)	Coût mensuel brut
Claude Fable 5.1	10 $ / 50 $	5 300 $
Claude Opus 5	5 $ / 25 $	2 650 $
Claude Sonnet 5	2 $ / 10 $	1 060 $
Gemini 3.8 Flash	0,75 $ / 3,75 $	458 $
DeepSeek V4.1 Flash (heures pleines)	0,30 $ / 1,20 $	147 $
DeepSeek V4.1 Flash (heures creuses)	0,15 $ / 0,60 $	74 $

Le calcul Gemini intègre les 40 % de tokens supplémentaires en sortie mesurés lors de notre test. Sans cette correction, le chiffre affiché serait de 398 dollars.

Premier enseignement : entre le haut et le bas du tableau, le rapport est de soixante-douze. Sur une même charge de travail.

3. Appliquez le cache

Dans notre cas de référence, 3 000 des 3 300 tokens d'entrée sont identiques d'un ticket à l'autre. C'est le scénario idéal pour le cache de prompt.

Sur Claude Fable 5.1, avec une durée de vie de cache d'une heure :

• lecture du cache : 300 millions de tokens à 0,25 dollar, soit 75 dollars
• entrée restante : 30 millions à 10 dollars, soit 300 dollars
• écriture du cache, 720 fois dans le mois : environ 43 dollars
• sortie inchangée : 2 000 dollars

Total : 2 418 dollars au lieu de 5 300. Le coût d'entrée est divisé par huit, la facture globale par 2,2.

Le même calcul sur DeepSeek V4.1 Flash en heures creuses, dont la lecture de cache est facturée 0,003 dollar le million, ramène le mois à 29 dollars.

Notez ce que le cache révèle : une fois l'entrée comprimée, la sortie représente 83 % de la facture Fable. Le poste à optimiser ensuite n'est plus le contexte, c'est la longueur des réponses.

4. Regardez si la latence vous est vraiment nécessaire

Deux remises supplémentaires se paient en temps de réponse, et rien d'autre.

Le traitement par lots d'Anthropic applique −50 % sur l'entrée et la sortie, avec un traitement asynchrone. Sur notre cas Fable après cache, cela ramène le mois de 2 418 à environ 1 209 dollars.

Les heures creuses de DeepSeek V4.1 Flash divisent le tarif par deux sur une plage horaire donnée. Pour tout traitement différable — enrichissement de base, résumés nocturnes, réindexation — la contrainte est nulle.

La question à poser n'est pas « est-ce que je veux une réponse rapide », mais « est-ce qu'un humain attend devant l'écran ». Dans la plupart des traitements de fond, la réponse est non, et la moitié de la facture est payée pour rien.

5. Vérifiez la date de validité de chaque tarif

Notez pour chaque ligne de votre budget la date à laquelle le prix a été relevé et, quand elle existe, la date à laquelle il change. Nous y revenons en fin d'article.

L'architecture par paliers : le levier qui surpasse tous les autres

Les quatre premières étapes optimisent un modèle unique. La cinquième optimise l'architecture, et c'est là que se joue l'essentiel.

Le principe : router chaque requête vers le modèle le moins cher qui sache la traiter correctement, et réserver le modèle haut de gamme aux cas qui l'exigent réellement.

Reprenons les 100 000 tickets. Supposons — c'est une hypothèse de travail, à mesurer dans votre propre contexte — que 8 % d'entre eux demandent une rédaction nuancée et que les 92 % restants sont des cas standard.

• 92 000 tickets sur DeepSeek V4.1 Flash en heures creuses, avec cache : environ 27 dollars
• 8 000 tickets sur Claude Fable 5.1, avec cache : environ 193 dollars
• un routeur pour trier les deux flux

Total : environ 220 dollars par mois, contre 2 418 en tout-Fable avec cache, et 5 300 sans rien. La facture est divisée par onze par rapport à la version déjà optimisée.

Le routeur lui-même est presque gratuit. En confiant le tri à Jev — 300 tokens par ticket, 0,042 dollar le million en entrée, sortie gratuite — le poste revient à 1,30 dollar par mois. Un grand modèle sur la même tâche de classement coûterait entre cent et mille fois plus, pour produire une phrase dont vous n'extrairiez qu'un mot.

Trois conditions font tenir cette architecture :

Le routeur doit être plus fiable que la tâche qu'il protège. Un aiguillage qui se trompe une fois sur dix annule le bénéfice en dégradant la qualité sur les cas importants.

Il faut une porte de sortie. Quand le modèle de premier niveau renvoie une confiance faible, la requête remonte d'un palier. C'est la sécurité qui rend le système acceptable en production.

Les seuils se mesurent, ils ne se devinent pas. Les 8 % de notre exemple sont une illustration. Dans un déploiement réel, ce taux se détermine en rejouant un échantillon annoté sur les deux modèles et en comparant les sorties.

Trois leviers encore largement inutilisés

Au-delà de l'architecture, trois économies restent rares dans les déploiements que nous observons.

Réduire la sortie, pas l'entrée

L'attention se porte spontanément sur le contexte, parce qu'il est volumineux. Mais la sortie est facturée trois à cinq fois plus cher que l'entrée chez tous les fournisseurs du tableau, et le cache ne la touche pas.

Demander un format structuré plutôt qu'une réponse rédigée, plafonner explicitement la longueur, supprimer les préambules et les récapitulatifs : ces consignes coûtent trois lignes de prompt et retirent couramment un tiers des tokens de sortie. Sur notre cas Fable après cache, un tiers de sortie en moins vaut environ 660 dollars par mois.

Choisir la bonne durée de vie de cache

Anthropic facture l'écriture du cache plus cher que l'entrée normale : 12,50 dollars le million pour une durée de vie de cinq minutes, 20 dollars pour une heure. Le calcul de rentabilité dépend entièrement de votre fréquence d'appel.

Un trafic soutenu amortit largement une écriture horaire, comme dans notre exemple. Un trafic sporadique, lui, peut réécrire le cache plus souvent qu'il ne le lit — et le cache coûte alors plus cher que son absence. C'est le seul levier de cette liste qui peut se retourner contre vous.

Payer la modalité, pas le texte

Sur les usages vocaux, le calcul par token n'est même pas le bon. Gemini 3.8 Live facture 0,005 dollar la minute d'audio en entrée et 0,018 en sortie — une unité dans laquelle une transcription puis une synthèse séparées se comparent mal.

La règle générale : quand un fournisseur propose une facturation alignée sur votre unité d'usage réelle (la minute, la décision, la requête), elle est presque toujours plus prévisible qu'une conversion en tokens.

Ce qui change au 1er janvier 2027

Trois mouvements sont déjà datés ou engagés.

Le doublement du tarif Gemini 3.8 Flash. C'est l'échéance la plus concrète. Une charge à 458 dollars par mois passe à 915 dollars le 1er janvier, sans qu'aucune ligne de code ne bouge. Les équipes qui ont bâti un modèle économique sur ce tarif ont trois mois pour décider si elles restent, et à quel prix.

La pression de l'open source sur le milieu de gamme. DeepSeek V4.1 Flash est publié sous licence MIT avec un contexte d'un million de tokens. Cela signifie que le tarif d'une API propriétaire de milieu de gamme n'est plus un prix de marché mais un prix de commodité : le client peut, à tout moment, héberger lui-même. Le haut de gamme conserve sa prime, le milieu de gamme la perd.

La sortie du paradigme du token. Jev facture la décision et non le texte, Gemini Live facture la minute. Ces unités ne sont pas comparables entre elles, ce qui rend les classements par prix au token progressivement inutilisables. Les comparatifs de 2027 devront raisonner par tâche.

Une prudence s'impose sur ce dernier point : tous les tarifs de cet article sont relevés au 20 septembre 2026 et sont, à l'exception de l'échéance Gemini, modifiables sans préavis. Un budget construit sur des prix non datés est un budget faux.

Ce qu'il faut retenir

Le prix au million de tokens est devenu ce qu'est le prix au litre sur une pompe à essence pour quelqu'un qui hésite entre deux voitures : une information exacte, et insuffisante.

Ce qui détermine réellement la facture, dans l'ordre d'impact décroissant que nos calculs font apparaître :

1. L'architecture — router vers le bon palier divise la facture par dix
2. Le cache — deux à huit fois moins cher sur l'entrée, quand le prompt est stable
3. La latence — moitié prix sur tout ce qui n'est pas synchrone
4. La verbosité de sortie — un tiers de la facture, sur trois lignes de prompt
5. Le tarif catalogue — le seul critère que regardent la plupart des comparatifs

Un chiffre pour finir. Notre charge de référence coûte 5 300 dollars par mois sur le modèle le plus capable du marché, sans optimisation. La même charge, correctement architecturée, revient à environ 220 dollars — avec une qualité de sortie équivalente sur les cas qui comptent.

L'écart ne vient pas du choix du modèle. Il vient de tout ce qui l'entoure.

FAQ

Le prix au million de tokens est-il devenu inutile ?

Non, mais il ne suffit plus. Il reste le bon point de départ pour comparer deux modèles à usage strictement identique, sans cache ni traitement par lots. Dès qu'une de ces conditions tombe, il faut refaire le calcul complet : sur notre cas de référence, le tarif catalogue se trompe d'un facteur allant de deux à soixante-douze.

Comment savoir si le cache de prompt est rentable pour mon usage ?

Comparez la fréquence de lecture à la fréquence d'écriture. Le cache est rentable quand le même préfixe est lu plusieurs fois avant d'expirer. Avec un trafic régulier et un prompt système stable, il l'est presque toujours. Avec un trafic sporadique, une durée de vie de cinq minutes peut coûter plus cher que pas de cache du tout, l'écriture étant facturée au-dessus du tarif d'entrée normal.

Quel modèle est le moins cher en septembre 2026 ?

Sur les grands modèles de langage généralistes, DeepSeek V4.1 Flash en heures creuses, à 0,15 dollar le million en entrée et 0,60 en sortie. Hors de cette catégorie, Jev descend à 0,042 dollar en entrée avec la sortie gratuite, mais il ne produit que des décisions typées et ne remplace pas un modèle génératif.

Pourquoi le tarif de Gemini 3.8 Flash change-t-il au 1er janvier 2027 ?

Le tarif actuel est un prix de lancement publié comme tel par Google, avec un doublement programmé au 1er janvier 2027. Sur notre charge de référence, cela fait passer le coût mensuel de 458 à 915 dollars. C'est une donnée à intégrer dès maintenant dans tout budget qui court sur l'année prochaine.

Une architecture multi-modèles vaut-elle sa complexité ?

Cela dépend du volume. En dessous de quelques centaines de dollars par mois, le temps d'ingénierie coûte plus cher que l'économie. Au-delà de quelques milliers, l'écart devient difficile à justifier autrement : diviser une facture par dix change la rentabilité d'un produit. Le seuil de bascule se situe, dans les cas que nous avons calculés, autour de 500 à 1 000 dollars mensuels.

Le traitement par lots dégrade-t-il la qualité des réponses ?

Non. C'est le même modèle avec les mêmes paramètres ; seule la garantie de délai change, le traitement étant asynchrone. La remise de 50 % rémunère la souplesse que vous laissez au fournisseur pour planifier la charge, pas une baisse de qualité.