Combien coûte un LLM ? Calculs par token et exemples

Trois façons de payer un LLM

Si vous vous demandez combien coûte un LLM, la première étape est de choisir le type de coût qui vous intéresse. Il y en a trois, et ils ne sont pas comparables sans les mettre à la même échelle.

Modèle	Vous payez pour	Modèle de tarification
API hébergée	Tokens envoyés et reçus	Zéro au repos, augmente avec l'utilisation
Abonnement pour chat	Un plan mensuel pour une application de chat	Prix fixe, pas d'accès API dans la plupart des cas
Auto-hébergement	GPU, électricité, installation et maintenance	Coût fixe élevé, faible coût par requête supplémentaire

Cet article se concentre sur le cas de l'API hébergée, car c'est le seul où vous pouvez calculer la réponse à l'avance. Pour les autres fournisseurs, consultez leurs pages de tarification actuelles ; les prix changent et ne sont pas répétés ici.

La formule du coût API

Chaque requête a un côté entrée (votre prompt, le message système et tout historique de chat) et un côté sortie (ce que le modèle écrit). Les deux sont comptés en tokens, et un token représente environ trois quarts d'un mot anglais. Le coût est :

coût = (tokens d'entrée / 1 000 000 x prix d'entrée) + (tokens de sortie / 1 000 000 x prix de sortie)

Sur ce service, le prix d'entrée est de 0,15 $ par 1M de tokens et le prix de sortie est de 0,50 $ par 1M de tokens. La sortie coûte un peu plus de trois fois plus cher que l'entrée, donc une longue réponse coûte beaucoup plus cher qu'une longue question.

Voici une requête calculée à la main. Un prompt de 1 000 tokens et une réponse de 500 tokens :

• Entrée : 1 000 / 1 000 000 x 0,15 $ = 0,00015 $
• Sortie : 500 / 1 000 000 x 0,50 $ = 0,00025 $
• Total : 0,0004 $

Cela représente quatre centièmes de centime. Mettez à l'échelle : 1 000 de ces requêtes coûtent 0,40 $, et 100 000 coûtent 40 $.

Exemples détaillés pour des charges réelles

Un chatbot de support

Disons 10 000 conversations par mois. Chacune envoie 3 000 tokens d'entrée au total (prompt système plus historique sur plusieurs tours) et reçoit 800 tokens de sortie. Entrée : 30M de tokens x 0,15 $ par 1M = 4,50 $. Sortie : 8M de tokens x 0,50 $ par 1M = 4,00 $. Total mensuel : 8,50 $.

Résumé de documents

Un document de 50 000 tokens et un résumé de 1 000 tokens. Entrée : 0,05M x 0,15 $ = 0,0075 $. Sortie : 0,001M x 0,50 $ = 0,0005 $. Cela fait 0,008 $ par document, donc 1 000 documents coûtent 8,00 $. Remplir toute la fenêtre de contexte de 100 000 tokens avec l'entrée seule coûte 0,015 $.

Une longue session de jeu de rôle ou de compagnon

Le prompt commence à 500 tokens et augmente de 350 tokens à chaque tour, car l'historique est renvoyé. Sur 20 tours, le modèle lit 76 500 tokens d'entrée et écrit 5 000 tokens de sortie. Entrée : 0,0765M x 0,15 $ = environ 0,0115 $. Sortie : 0,005M x 0,50 $ = 0,0025 $. Environ 0,014 $ pour toute la session.

Un classificateur par lots

200 tokens d'entrée et 10 tokens de sortie par élément, un million d'éléments. Entrée : 200 M x 0,15 $ par 1 M = 30 $. Sortie : 10 M x 0,50 $ par 1 M = 5 $. Total : 35 $. Ici, le volume est élevé, mais le coût reste faible car les sorties sont minuscules.

Budget mensuel à trois niveaux d'utilisation

En utilisant la requête de 1 000 tokens d'entrée et 500 tokens de sortie à 0,0004 $ chacune, voici à quoi ressemble un mois de 30 jours à différents volumes.

Utilisation	Requêtes par jour	Requêtes par mois	Coût mensuel
Bot de loisir	1 000	30 000	$12
Petit produit	10 000	300 000	$120
Service occupé	100 000	3 000 000	$1 200

Le tableau évolue linéairement, donc si votre requête moyenne est deux fois plus longue, doublez le coût. Un bot de loisir tient aussi facilement dans le rechargement minimum : 20 $ payent pour 50 000 requêtes de cette taille, et le crédit n'expire jamais, donc le solde inutilisé attend simplement.

Pourquoi une facture dépasse l’estimation

Les estimations échouent de manière prévisible. Vérifiez ces points avant de décider qu'un outil est cher.

• L’historique s’accumule à chaque tour. Chaque nouveau message inclut tous les précédents. Un chat de 50 tours n’est pas 50 petites requêtes ; les derniers sont volumineux. L’exemple de jeu de rôle ci-dessus illustre cette croissance.
• Sorties verbeuses. Les tokens de sortie coûtent plus cher. Si vous n’avez besoin que d’une étiquette ou d’une réponse courte, indiquez-le dans le prompt et définissez max_tokens.
• Relances dans votre code. Une boucle qui renvoie une requête après un délai d’attente peut doubler la dépense. Notez que sur cette API, les requêtes échouées ou refusées ne sont pas facturées.
• Contexte collé volumineux. Insérer un fichier de 60 000 tokens dans chaque appel est facile à faire et facile à oublier.

Moyens de réduire les coûts

La plupart des économies proviennent de l’envoi de moins de tokens, et non de la recherche d’un modèle moins cher.

1. Réduisez ou résumez les anciens tours de chat une fois qu’ils ne sont plus utiles.
2. Placez les instructions stables dans un court message système au lieu de les répéter dans chaque message utilisateur.
3. Demandez une sortie structurée avec le mode JSON (response_format: {"type":"json_object"}) afin de ne pas payer pour du texte bavard autour des données.
4. Utilisez des séquences stop pour arrêter la génération là où votre analyseur en a besoin.
5. Regroupez les petits éléments en une seule requête lorsque chaque élément est minuscule.

Vous pouvez suivre l’effet directement. Chaque réponse inclut l’en-tête X-Balance-USD, et les réponses en streaming rapportent l’utilisation à la fin. Ce script affiche le coût d’un appel :

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.uncensoredlocalllm.com/v1", api_key="YOUR_API_KEY")

r = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Explain tokens in two sentences."}],
    max_tokens=150,
)
u = r.usage
cost = u.prompt_tokens / 1_000_000 * 0.15 + u.completion_tokens / 1_000_000 * 0.50
print(u.prompt_tokens, u.completion_tokens, round(cost, 6))

Estimez votre propre coût avant de développer

Comptez vos vrais tokens sur quelques requêtes typiques, puis multipliez. Une courte fonction effectue le calcul pour n’importe quelle taille moyenne.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.uncensoredlocalllm.com/v1", api_key="YOUR_API_KEY")

def monthly_cost(requests_per_month, avg_in, avg_out):
    return requests_per_month * (avg_in * 0.15 + avg_out * 0.50) / 1_000_000

print(monthly_cost(30_000, 1000, 500))    # 12.0
print(monthly_cost(10_000, 3000, 800))    # 8.5

r = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Say hello."}],
    max_tokens=10,
)
print(r.usage.prompt_tokens, r.usage.completion_tokens)

Exécutez vingt prompts typiques lors de l’essai, faites la moyenne des valeurs usage, et insérez-les dans la fonction. Cela vous donne un chiffre ancré dans votre produit et non dans un exemple générique.

Auto-hébergement : quand cela a du sens

Exécuter vous-même un modèle à poids ouverts supprime les frais par token, mais les remplace par des coûts fixes : un GPU avec suffisamment de mémoire, l’électricité, le temps de configuration et les mises à jour. Ces coûts sont payés que la machine soit occupée ou non. L’auto-hébergement est avantageux lorsque vous avez un volume élevé et stable, ou un besoin strict de tout garder sur votre propre machine. Pour un usage occasionnel, un trafic irrégulier ou un prototype, payer par token est plus simple et généralement moins cher, car une API inactive ne coûte rien.

Une comparaison équitable nécessite vos propres chiffres : votre volume mensuel de tokens, le prix du matériel et la valeur de votre temps. Utilisez les formules ci-dessus pour le côté API, puis évaluez le côté matériel à partir de vrais devis. Si vous souhaitez une vue d’ensemble sur l’exécution de modèles ouverts, le guide du chat LLM sans censure couvre les options d’intégration.

Tarification et recharges sur ce service

Le paiement est prépayé et au fur et à mesure. Vous pouvez recharger n'importe quel montant entier de 20 $ à 500 $, et les recharges plus importantes ajoutent un bonus : +5 % à partir de 50 $, +10 % à partir de 100 $ et +15 % à partir de 200 $. Un rechargement de 100 $ devient 110 $ de crédit. Le paiement est en crypto : USDT sur TRC20 ou USDC sur Base. Le crédit n'expire jamais, et il n'y a pas d'abonnement.

Les nouveaux utilisateurs peuvent réclamer 0,50 $ de crédit d'essai en un clic sur la page clé API. Il est valable 7 jours, ne nécessite pas de détails de paiement, et est limité à une personne. À 0,0004 $ par requête de 1 000 tokens d'entrée et 500 de sortie, cela couvre environ 1 250 requêtes, ce qui est suffisant pour mesurer votre propre coût moyen avant de payer quoi que ce soit. La page de tarification liste les tarifs, et la documentation montre le format de requête.

Plus de guides

• Meilleur LLM local pour le codage Python : API locale ou hébergée ?
• Chat LLM sans censure : Guide d’intégration et cas d’usage