Coût des tokens API : calculer la durée de votre budget

Vous versez de l’argent sur un compte API et vous vous posez presque aussitôt la question : combien de temps cela va-t-il durer ? Vous avez en tête quelque chose comme « J’ai dix mille, l’entrée coûte tant, la sortie coûte plus cher, il y a aussi une sorte de remise sur le cache » — et vous ne voyez pas bien comment convertir tout cela en un seul chiffre. Je vais vous expliquer tout ça dans l’ordre, avec des chiffres.

Voici l’essentiel d’emblée : une facture d’API se calcule avec une seule formule : nombre de tokens multiplié par le prix par token. Les tokens d’entrée et de sortie sont comptabilisés séparément, car leur prix diffère. Je vais ensuite vous montrer comment calculer combien de temps votre budget durera et comment le cache entre en ligne de compte.

Vous trouverez des informations sur l’utilisation d’Ailoot dans la documentation.

De quoi se compose une facture d’API ?#

Lorsque vous appelez un modèle par l’intermédiaire d’une API, vous payez la quantité de texte qui a transité par le modèle. Cette quantité se mesure en tokens. Un token est un petit morceau de texte ; j’y reviendrai dans la section suivante, mais pour l’instant, considérez-le comme l’unité de mesure de tout le reste.

Un appel comporte deux volets. Le premier est ce que vous avez envoyé au modèle : la question elle-même, les extraits de code ou le document joints, les messages précédents de la conversation et l’instruction système placée au début. C’est l’entrée. Le second est ce que le modèle a écrit en réponse. C’est la sortie. DeepSeek le précise directement dans sa description des tarifs : la facture est calculée d’après le nombre total de tokens d’entrée et de sortie.

L’entrée et la sortie n’ont pas le même prix, elles sont donc comptabilisées séparément. La formule pour une requête est simple :

cost = (input tokens × input price) + (output tokens × output price)

Les prix sont généralement indiqués par million de tokens — c’est plus pratique, car un seul token ne coûte qu’une fraction d’une unité monétaire. Tous les calculs qui suivent reposent sur cette formule, et votre budget couvre exactement autant de requêtes que votre solde disponible permet de payer à ce tarif.

Un token n’est pas un mot : comment estimer le nombre de tokens utilisés ?#

Premier écueil pour tout le monde : un token n’est pas la même chose qu’un mot. Le modèle découpe le texte en segments selon ses propres règles, et un segment peut être un mot court entier, une partie d’un mot plus long, une espace suivie d’une lettre ou un signe de ponctuation. Vous ne pouvez donc pas calculer exactement de tête « combien de tokens ma requête va nécessiter » — vous ne pouvez qu’en faire une estimation.

Voici un repère approximatif. En anglais, un token correspond à environ quatre caractères ; c’est une valeur de départ donnée par Anthropic et OpenAI eux-mêmes. Les modèles découpent le russe en morceaux plus petits : l’alphabet cyrillique est séparé en segments plus courts, si bien qu’un texte de sens équivalent utilise davantage de tokens. La différence dépend du modèle, mais prévoyez une fois et demie à deux fois plus de tokens qu’en anglais.

Voici ce que cela représente en tokens. Si vous envoyez une page de texte au modèle et obtenez un paragraphe en réponse, cela représente déjà des milliers de tokens d’entrée et des centaines de tokens de sortie. Et si vous joignez un gros fichier à une requête ou conservez un long historique de conversation, l’entrée peut atteindre des dizaines de milliers de tokens, qui représentent alors la majeure partie de la facture. La réponse de l’API indique le chiffre exact : ses champs de métadonnées précisent le nombre de tokens réellement utilisés en entrée et en sortie. Mais pour estimer votre budget à l’avance, une estimation approximative fondée sur le nombre de caractères suffit.

Pourquoi la sortie coûte-t-elle plus cher que l’entrée, et quel effet cela a-t-il sur votre facture ?#

Voici un tableau des prix officiels par million de tokens au début de septembre 2026 : on voit que la sortie coûte plusieurs fois plus cher que l’entrée dans tous les cas.

Les écarts de prix entre fournisseurs sont énormes : un million de tokens d’entrée pour Claude Opus 5 coûte autant qu’environ 7,58 millions pour DeepSeek Pro aux tarifs du tableau ($5 ÷ $0,66 ≈ 7,58). Mais à l’intérieur de chaque gamme tarifaire, la même règle s’applique : la sortie coûte trois à six fois plus cher que l’entrée. La raison est simple : le modèle lit plus facilement votre requête qu’il ne rédige une réponse, et le travail le plus exigeant coûte davantage.

Cela mène à une conclusion qui a un effet direct sur votre facture. Une longue réponse coûte plus cher qu’une longue question. Si vous demandez au modèle de « l’expliquer avec le plus de détails possible », vous faites vous-même grimper la partie la plus chère de la facture. Le même contenu formulé dans une réponse courte coûte plusieurs fois moins cher. C’est l’une des raisons pour lesquelles le vibe coding revient peu cher pour une personne, mais vide le budget d’une autre en une journée — même avec le même modèle.

Comment calculer combien de temps votre budget durera-t-il ?#

Reprenons le tout sous la forme d’un calcul étape par étape. Utilisez vos propres prix, le volume habituel de tokens et votre budget.

1. Estimez une requête type. Supposons qu’un appel utilise 20 000 tokens d’entrée (la question, un extrait de code et un peu d’historique) et 2 000 tokens de sortie (la réponse du modèle).
2. Calculez le coût de l’entrée : divisez le nombre de tokens d’entrée par un million, puis multipliez-le par votre prix d’entrée par million de tokens.
3. Calculez le coût de la sortie : divisez le nombre de tokens de sortie par un million, puis multipliez-le par votre prix de sortie par million de tokens.
4. Additionnez les coûts de l’entrée et de la sortie.
5. Divisez votre budget par le coût ainsi obtenu pour une requête.

Aux tarifs Opus 5 du tableau : 20 000 ÷ 1 000 000 × $5 = $0,10 d’entrée et 2 000 ÷ 1 000 000 × $25 = $0,05 de sortie. Total : $0,15 sans cache. Un budget de $10 couvre 66 requêtes entières ($9,90), aux mêmes volumes et sans autres frais.

Une requête réelle est presque toujours « moyenne » en apparence : joignez un gros fichier ou prolongez une longue conversation, et l’entrée passe de 20 000 à 200 000 tokens. Faites donc vos calculs en fonction de votre façon habituelle de travailler ; une requête idéalisée vous donnera un résultat erroné. Mieux vaut aussi arrondir à la hausse.

Devin, Claude Code et tout autre agent d’IA utilisent la même API et consomment des tokens selon la même formule — la seule différence, c’est qu’un agent en utilise davantage parce qu’il effectue de nombreux appels en arrière-plan. J’ai expliqué séparément pourquoi cela rend le vibe coding plus coûteux que prévu dans l’article sur le coût caché du vibe coding.

Qu’est-ce que la remise sur le cache, et quand s’applique-t-elle ?#

Passons au cache — à cette « remise pouvant atteindre 80 % » qui semble compliquer le calcul. Son fonctionnement est simple. Une partie de l’entrée reste identique d’une requête à l’autre : l’instruction système placée au début, un grand contexte ou un document joint que vous utilisez dans plusieurs appels. Grâce au cache, le modèle évite de relire cette partie depuis le début à chaque fois et peut la récupérer en mémoire à un prix bien inférieur.

L’ampleur de la réduction dépend du fournisseur. Pour Claude, une relecture depuis le cache coûte dix fois moins cher que l’entrée normale : pour Opus 5, l’entrée normale coûte 5 $ par million, tandis qu’une lecture du cache coûte 0,50 $. La remise de DeepSeek est encore plus importante : l’entrée mise en cache pour le modèle flash coûte 0,007 $ contre 0,22 $ pour l’entrée normale, soit plus de trente fois moins. La formule « jusqu’à 80 % de réduction » est donc une estimation modeste ; la remise réelle peut être plus importante.

Gardez deux conditions à l’esprit, sinon votre calcul du cache sera faussé.

• La remise s’applique uniquement aux entrées répétées. Le modèle génère la sortie à partir de zéro à chaque fois, sans aucune remise sur le cache. Si la majeure partie de votre facture vient de longues réponses, le cache vous fera économiser très peu.
• La première écriture dans le cache coûte un peu plus cher que l’entrée normale. Pour le stockage à court terme, Claude facture une écriture dans le cache à 1,25 fois le prix de l’entrée normale. Les économies commencent à la deuxième requête, qui lit la partie déjà mise en cache. Le cache n’apporte rien pour une requête ponctuelle et vous coûtera même un peu plus cher.

Comment recalculer votre budget en tenant compte du cache ?#

Reprenons le volume de requêtes de l’exemple et ajoutons le cache. L’idée est de séparer l’entrée en deux parties : celle qui se répète et bénéficie de la remise, et celle qui est nouvelle dans chaque requête.

Prenons 20 000 tokens d’entrée et 2 000 de sortie, dont 15 000 entrées inchangées et 5 000 nouvelles. Utilisons les prix Opus 5 indiqués : $5 par million d’entrée fraîche, $0,50 en lecture de cache, $6,25 en écriture courte (1,25 × $5) et $25 en sortie.

La répétition coûte 45 % de moins que $0,15, même si sa portion d’entrée en cache coûte 90 % de moins. La première écriture coûte plus cher. Une écriture et une lecture totalisent $0,25125 contre $0,30. Avec $10, une écriture suivie de 119 lectures vérifiées donne 120 appels pour $9,98625. Cela suppose un cache valide, ces mêmes volumes et aucun autre frais ; utilisez les lectures et écritures mesurées sans présumer que toute répétition est un hit.

La règle est donc la suivante : le cache est avantageux lorsque vous réutilisez un grand contexte dans de nombreuses requêtes, et inutile pour des questions courtes et isolées.

Où les tokens sont-ils utilisés sans que vous vous en rendiez compte ?#

Les factures dépassent souvent les estimations, presque toujours à cause de trois éléments qu’on ne voit pas d’un seul coup d’œil.

Le premier, et le plus important, est l’historique de la conversation. Le modèle ne se souvient pas de lui-même des messages précédents ; l’intégralité de la conversation lui est renvoyée comme entrée à chaque fois. Cela signifie que le dixième message d’une longue conversation contient les neuf messages précédents et leurs réponses. Une requête coûte peu au début d’une conversation, mais à la fin, une question de sens équivalent coûte plusieurs fois plus cher parce que l’entrée s’est allongée. Voici une astuce toute simple : quand le sujet change, commencez une nouvelle conversation. Inutile de prolonger indéfiniment la même.

Le deuxième facteur est le mode de raisonnement. Les modèles les plus récents proposent un mode dans lequel le modèle déroule d’abord son raisonnement en interne, puis répond. Ce raisonnement compte aussi comme des tokens de sortie, et la sortie est la partie la plus chère. La réponse paraît courte, mais elle repose sur de nombreux tokens ; la facture peut donc surprendre.

Le troisième facteur est celui des pièces jointes volumineuses. Si vous joignez un gros document ou un lot de fichiers à une requête, ils sont transmis intégralement comme entrée à chaque appel tant qu’ils restent dans le contexte. Si vous travaillez un certain temps sur le même document, il vaut mieux le garder dans le cache pour éviter de le payer systématiquement au prix fort. Gérer les éléments qui restent dans le contexte est une compétence à part entière, appelée ingénierie du contexte, qui a un effet direct sur votre facture.

Comment suivre vos dépenses sans faire les calculs manuellement ?#

Vous n’avez besoin de faire une estimation manuelle qu’une seule fois, pour comprendre globalement combien de temps votre argent durera. Ensuite, inutile de faire les calculs à la main : l’API s’en charge.

Chaque réponse du modèle est accompagnée de champs de métadonnées qui indiquent le nombre exact de tokens de la requête : combien ont été utilisés en entrée, combien en sortie, combien de tokens d’entrée ont été lus depuis le cache et combien y ont été écrits pour la première fois. Ce sont des données exactes sur un appel précis, qui montrent où va réellement votre budget. Si vous utilisez un outil comme Claude Code, il affiche généralement lui-même la consommation après chaque tâche.

Le tableau de bord du fournisseur comporte aussi une page d’utilisation qui indique les dépenses quotidiennes et votre solde actuel. Consultez-la de temps en temps, surtout pendant les premières semaines, jusqu’à ce que vous ayez une idée de vos habitudes de dépense. Quelques habitudes peuvent aussi vous aider à économiser : définissez une limite mensuelle si votre fournisseur le permet et n’activez pas les recharges automatiques du solde tant que vous ne savez pas combien vous dépensez normalement. Sinon, un agent qui s’emballe pendant la nuit pourrait vous coûter plus que prévu.

Découvrez Ailoot.