Combien coûtent les tokens : calculer les dépenses API OpenAI, Claude et Gemini
La facture API surprend souvent plus que le tarif affiché : le modèle facture chaque token d’entrée et de sortie, pas « une requête ». Ci-dessous - comment fonctionne le billing OpenAI, Claude et Gemini, comment estimer le budget mensuel, et où les entreprises paient trop.
- Token - unité de tarification : environ 3-4 caractères ou une partie de mot
- L’input gagne en volume ; l’output est plus cher par 1M - un long contexte frappe plus fort qu’une réponse courte
- Formule -
(input_tokens / 1M) × prix_input + (output_tokens / 1M) × prix_output - Repères juillet 2026 - GPT-5.6 Luna/Terra/Sol, Claude Sonnet 5 / Opus 4.8 / Fable 5, Gemini 3.5 Flash / 3.1 Pro
- Coûts cachés - system prompt, historique du chat, chunks RAG, retries, tool calls
- Économies - petit modèle pour la routine, caching/batch, contexte allégé, escalade vers le flagship seulement sur les cas difficiles
Qu’est-ce qu’un token - et pourquoi ce n’est pas un « mot »
Un token est un fragment de texte après la tokenisation du modèle. Ce n’est pas forcément un mot entier : « programmation » peut devenir 2-3 tokens ; espaces et ponctuation comptent aussi. Pour estimer le volume :
| Langue / type de texte | Repère |
|---|---|
| Anglais | ~750 mots ≈ 1 000 tokens |
| Prose dense | ~1 page A4 ≈ 500-800 tokens |
| Code | souvent « plus cher » que les mots : plus de tokens courts |
| Tableaux / JSON | semblent compacts, mais les tokens montent vite |
Le découpage exact dépend du tokenizer du fournisseur - pour le billing, utilisez usage dans la réponse API, pas une estimation au feeling. Pour la limite d’une requête : fenêtre de contexte.
Comment le prix API est calculé
Les trois vendors partagent le même schéma :
- Compter les input tokens (system + user + historique + pièces/chunks).
- Compter les output tokens (réponse ; parfois reasoning/thinking à part).
- Le tarif est par 1 million de tokens (1M), séparé pour input et output.
- Coût par appel :
cost = (input_tokens / 1_000_000) × price_input
+ (output_tokens / 1_000_000) × price_output
Nuances importantes :
- L’output est presque toujours plus cher par 1M - souvent 4-6× - réponses longues et « raisonnements » gonflent la facture.
- Contexte long coûte plus au-delà d’un seuil sur certains modèles (OpenAI GPT-5.6 au-dessus de 272K ; Gemini 3.1 Pro au-dessus de 200K).
- Batch API et prompt caching baissent le prix sur un contexte system/RAG répété - si l’architecture le permet.
- Les seats ChatGPT / Claude / Gemini Workspace sont une autre ligne de coûts - ne les confondez pas avec l’API au token. Comparaison : ChatGPT vs Claude vs Gemini.
Tarifs juillet 2026 : bases de calcul
Les prix changent - vérifiez la liste officielle avant la production. Ci-dessous - repères issus du tour d’horizon des modèles juillet 2026 (USD pour 1M de tokens, standard).
OpenAI (GPT-5.6)
| Modèle | Rôle | Input / 1M | Output / 1M |
|---|---|---|---|
| GPT-5.6 Sol | Flagship : code, agents | $5.00 | $30.00 |
| GPT-5.6 Terra | Équilibre prix/qualité | $2.50 | $15.00 |
| GPT-5.6 Luna | Gros volume et tâches de fond | $1.00 | $6.00 |
Au-delà de 272K d’input, GPT-5.6 applique un tarif long-context (repère : input ×2, output ×1.5).
Anthropic (Claude)
| Modèle | Rôle | Input / 1M | Output / 1M |
|---|---|---|---|
| Claude Fable 5 | Coding, workflows agentiques longs | $10.00 | $50.00 |
| Claude Opus 4.8 | Enterprise, travail quotidien complexe | $5.00 | $25.00 |
| Claude Sonnet 5 | Textes et instructions (intro jusqu’au 31.08.2026) | $2.00 | $10.00 |
À partir du 01.09.2026, Claude Sonnet 5 : $3.00 / $15.00 pour 1M.
Google (Gemini)
| Modèle | Rôle | Input / 1M | Output / 1M |
|---|---|---|---|
| Gemini 3.1 Pro | Raisonnement complexe | $2.00 | $12.00 |
| Gemini 3.5 Flash | Fort trafic, long contexte | $1.50 | $9.00 |
Gemini 3.1 Pro au-delà de 200K tokens - tarif majoré (repère : $4.00 / $18.00 pour 1M).
Exemples de calcul
Exemple 1. Réponse support : dialogue court
Par ticket :
- input : 1 200 tokens (instruction + question + 2 tours d’historique) ;
- output : 400 tokens ;
- volume : 50 000 tickets / mois.
| Modèle | Prix par ticket | Par mois |
|---|---|---|
| GPT-5.6 Luna | ≈ $0.0036 | ≈ $180 |
| Gemini 3.5 Flash | ≈ $0.0054 | ≈ $270 |
| GPT-5.6 Terra | ≈ $0.009 | ≈ $450 |
| Claude Sonnet 5 | ≈ $0.0064 | ≈ $320 |
| Claude Fable 5 | ≈ $0.032 | ≈ $1 600 |
En support L1, le flagship ne s’amortit presque jamais : qualité du retrieval et droit de dire « je ne sais pas » battent le top benchmark.
Exemple 2. Synthèse de contrat avec gros contexte
Par document :
- input : 80 000 tokens (PDF + system) ;
- output : 2 000 tokens ;
- volume : 2 000 documents / mois.
| Modèle | Prix par document | Par mois |
|---|---|---|
| Gemini 3.5 Flash | ≈ $0.138 | ≈ $276 |
| GPT-5.6 Luna | ≈ $0.092 | ≈ $184 |
| GPT-5.6 Terra | ≈ $0.23 | ≈ $460 |
| Claude Sonnet 5 | ≈ $0.18 | ≈ $360 |
| Claude Opus 4.8 | ≈ $0.45 | ≈ $900 |
| Claude Fable 5 | ≈ $0.90 | ≈ $1 800 |
Ici, la ligne dominante est l’input. Moins cher n’est pas « répondre plus court », mais ne pas envoyer tout le PDF si des chunks RAG pertinents suffisent.
Exemple 3. Agent avec tools : le multiplicateur caché
Une « requête utilisateur » d’agent fait souvent 5-20 appels modèle (plan → tool → observation → plan). Si chaque étape porte le système + l’historique complets :
coût_agent ≈ coût_d_un_appel × nombre_d_étapes
10 étapes à 8K input / 500 output sur Terra, ce n’est plus « un chat pour quelques centimes », mais de vrais dollars par cas difficile. Budgétez les traces d’agent, pas les messages UI.
Où l’on paie trop
- Un seul flagship pour tout. Sol / Fable 5 pour classer les mails et la FAQ - fuite budgétaire classique.
- System prompt lourd + historique complet à chaque appel. Contexte répété sans caching multiplie l’input.
- RAG sans limite de chunks. Dix morceaux « au cas où » coûtent plus que deux pertinents - et la qualité baisse.
- Retries et fallback non comptés. Timeout → retry → second modèle = double facture pour un clic.
- Output long « au cas où ».
max_tokensélevé + prompt flou = le modèle écrit un roman. - Confusion seat vs API. L’abonnement Team n’annule pas la facture tokens du produit, des bots et des automatisations.
- Tarifs long-context ignorés. Au-delà de 200K/272K, le tarif saute tandis que le dashboard montre encore un prix « moyen ».
Comment calculer le budget mensuel
Modèle pratique pour la finance et le CTO :
- Découpez le trafic en scénarios (chat support, synthèse, agent, embeddings à part).
- Pour chaque scénario, prenez la médiane input/output des logs (pas la démo idéale).
- Multipliez par le volume mensuel de requêtes / étapes d’agent.
- Ajoutez une marge de 20-40% pour retries, pics et expériences.
- Prévoyez le changement de modèle : pilote sur le moins cher + escalade par règles.
Mini-tableau de planning :
| Scénario | Requêtes / mois | Input méd. | Output méd. | Modèle | $ / mois |
|---|---|---|---|---|---|
| Chat L1 | 80 000 | 1 500 | 350 | Luna / Flash | … |
| Revue PDF | 3 000 | 40 000 | 1 500 | Sonnet / Terra | … |
| Agent (étapes) | 15 000 steps | 6 000 | 400 | Terra / Opus | … |
| Total + 30% reserve | … |
Sans ce tableau, choisir « le modèle le plus intelligent » est une loterie, pas de la finance.
Comment baisser les coûts sans perdre en qualité
- Routage de modèles. Classification et brouillons - Luna / Flash / Sonnet ; code dur et chaînes agentiques longues - Sol / Fable 5.
- Ingénierie du contexte. Coupez l’historique, system court, pas de doublons d’instructions. Voir ingénierie du contexte.
- RAG plutôt que « tout dans le prompt ». Moins d’input - facture plus basse et moins de risque d’hallucinations à cause du bruit.
- Prompt caching et batch. Instructions répétées et jobs de nuit sont souvent moins chers que le realtime.
- Plafond dur d’output. Structured output (JSON) plutôt que des essais ; limite de longueur explicite.
- Escalader, pas défaut flagship. D’abord le modèle bon marché ; le cher si confiance faible ou tâche difficile.
- Observabilité. Loggez
usagepar feature/tenant : sinon, rien à optimiser.
En résumé
Le coût des tokens n’est pas « le prix du modèle sur la grille », mais volume d’input × tarif + volume d’output × tarif × nombre d’appels. En 2026, un stack sensé ressemble souvent à : modèle rapide et bon marché pour le flux, mid-tier pour les documents de travail, flagship seulement ponctuellement. Calculez sur des scénarios issus des logs réels, incluez chaînes agentiques et retries - l’API cesse alors d’être une surprise de fin de mois.
Foire aux questions
En quoi le prix des tokens input diffère-t-il de l’output ?
L’output est presque toujours plus cher par 1M, parfois 4-6×. Mais la facture finale est souvent gonflée par l’input : longs documents, historique et chunks RAG. Regardez les deux parties de usage, pas seulement « combien le modèle a écrit ».
Combien de tokens dans un message utilisateur moyen ?
Une question courte en français fait souvent 30-120 tokens. Avec system prompt, politiques et 10 tours d’historique, un « chat » devient facilement 1 000-5 000+ d’input avant la réponse. Pour le budget, mesurez la requête complète, pas seulement la phrase client.
Quoi choisir pour un fort trafic : Gemini Flash, GPT Luna ou Claude Sonnet ?
Pour classification de masse, FAQ et réponses courtes, Gemini 3.5 Flash et GPT-5.6 Luna gagnent souvent. Claude Sonnet 5 s’impose quand style, instructions et soin du texte comptent à un prix encore modéré. Validez en A/B sur votre dataset, pas seulement avec le tableau de prix.
Faut-il toujours prendre le modèle le plus cher « au cas où » ?
Non. Un modèle cher s’amortit sur les tâches difficiles : long code, chaînes agentiques, exigences strictes de raisonnement. Sur un flux de requêtes similaires, le surcoût est gaspillé - mieux vaut routage et escalade par règles.
Comment estimer la facture mensuelle sans logs ?
Prenez 20-50 prompts réels, passez-les par l’API, capturez usage, moyennez input/output, multipliez par le volume prévu et ajoutez 30% pour retries et croissance. Après 1-2 semaines, remplacez l’estimation par les médianes de production - l’erreur chute souvent de plusieurs fois.