Deux tableaux peuvent raconter deux histoires très différentes. Le premier classe les modèles selon leurs performances, leur coût, leur contexte et leur disponibilité. Le second les trie au prix du million de tokens. Dans les documents transmis, l’écart va de quelques centimes à plusieurs dizaines de dollars.
La tentation est immédiate : choisir le premier du classement, ou le moins cher du tableau. Ces deux raccourcis ignorent la tâche à accomplir. Un modèle reste une ressource à affecter à un usage précis.
Un classement général reste une photographie
Le premier document compare 18 modèles avec une pondération explicite : 50 % pour la qualité, 20 % pour le coût, 15 % pour la fenêtre de contexte et 15 % pour la vitesse ou l’accessibilité. Cette méthode a un mérite : elle ne réduit pas le choix au benchmark le plus médiatisé.
Mais son résultat ne peut pas devenir une politique d’entreprise. Les besoins ne sont pas les mêmes pour transcrire un appel, extraire trois champs d’un email, analyser un contrat de 80 pages ou préparer une réponse commerciale sensible.
Le second document illustre une autre limite : un tableau daté peut déjà diverger des pages officielles. Il affiche Claude Sonnet 5 à 2 dollars en entrée et 10 dollars en sortie par million de tokens. Anthropic précise que ce tarif de lancement a pris fin le 31 août 2026. Depuis le 1er septembre, le tarif standard est de 3 et 15 dollars.[2]
Deux autres lignes doivent être actualisées avant utilisation. OpenAI affiche GPT-5.6 Luna à 0,20 dollar en entrée et 1,20 dollar en sortie, et non à 1,25 et 10 dollars.[1] DeepSeek affiche V4.1 Flash, aux heures pleines et sans cache, à 0,30 dollar en entrée et 1,20 dollar en sortie.[4]
Google indique aussi que le tarif de Gemini 3.8 Flash est promotionnel jusqu’au 31 décembre 2026 : 0,75 dollar en entrée et 3,75 dollars en sortie, avant un doublement annoncé au 1er janvier 2027.[3]
Un comparatif doit donc porter une date, citer les pages tarifaires officielles et distinguer promotion, batch, cache et tarif standard.
Le prix affiché n’est pas le coût payé
Les fournisseurs facturent généralement l’entrée et la sortie séparément. Les modèles de raisonnement peuvent aussi produire des tokens internes avant la réponse visible ; OpenAI précise que ces tokens comptent dans la fenêtre de contexte et sont facturés comme des tokens de sortie.[6]
Prenons un panier simple : 1 million de tokens en entrée et 250 000 tokens en sortie. Avec les tarifs standards ou promotionnels affichés le 11 septembre 2026, le coût théorique varie fortement :
| Modèle | Entrée / sortie par million | Coût du panier* |
|---|---|---|
| Mistral Small 4 | 0,15 $ / 0,60 $ | 0,30 $ |
| DeepSeek V4.1 Flash, heures creuses et sans cache | 0,15 $ / 0,60 $ | 0,30 $ |
| GPT-5.6 Luna | 0,20 $ / 1,20 $ | 0,50 $ |
| DeepSeek V4.1 Flash, heures pleines et sans cache | 0,30 $ / 1,20 $ | 0,60 $ |
| Gemini 3.8 Flash, promotion 2026 | 0,75 $ / 3,75 $ | 1,69 $ |
| Claude Sonnet 5, tarif standard | 3 $ / 15 $ | 6,75 $ |
| GPT-6 Astra | 10 $ / 50 $ | 22,50 $ |
| Claude Fable 5.1 | 10 $ / 50 $ | 22,50 $ |
* Hors cache, batch, outils, stockage, recherche web et autres frais éventuels.
Les trois premières grilles viennent des pages officielles OpenAI,[1] Anthropic[2] et Google.[3]
Les tarifs DeepSeek[4] et Mistral[5] viennent aussi de leurs documentations respectives.
Ce tableau reste incomplet. Un modèle à 0,30 dollar qui échoue sur la moitié des dossiers peut coûter plus cher qu’un modèle à 3,75 dollars qui prépare une réponse exploitable du premier coup. Il faut ajouter les nouvelles tentatives, les sorties trop longues, les contrôles humains et le temps perdu lorsqu’une information importante est inventée ou oubliée.
Mesurer le coût d’une mission réussie
Pour choisir un modèle, suivez une unité métier plutôt qu’un million de tokens.
Sur un workflow commercial, cette unité peut être un appel correctement transformé en fiche de suivi. Le test doit mesurer :
- le coût API complet de chaque appel traité ;
- le taux de champs exacts et correctement sourcés ;
- le nombre d’informations manquantes bien signalées ;
- le temps de correction humaine ;
- le nombre de dossiers acceptés sans nouvelle génération ;
- les erreurs qui auraient déclenché une mauvaise action.
La formule utile devient :
coût total du pilote ÷ nombre de dossiers validés = coût par dossier réussi
Cette formule évite un faux gain : une baisse de 40 % du prix du token n’a aucun intérêt si l’équipe passe deux fois plus de temps à corriger les résultats.
Une architecture simple évite de surpayer
Une PME n’a pas besoin d’imposer le même modèle partout. Elle peut répartir les tâches selon leur risque.
Dans le pilote Pulse pour agences SDR, un modèle rapide et économique peut transcrire l’appel, repérer les participants et extraire les faits explicites. Un modèle intermédiaire peut ensuite préparer le résumé, les objections et les informations manquantes. Les cas ambigus ou sensibles peuvent passer vers un modèle plus coûteux, seulement lorsqu’un critère précis le justifie.
Le système ne doit pas masquer ce routage. Pour chaque proposition, l’opérateur doit voir la source, le modèle utilisé, le coût estimé et le niveau d’incertitude. Une personne valide ensuite le brief du closer. Le pilote n’écrit rien dans le CRM et n’envoie aucun email automatiquement.
Cette organisation permet aussi de remplacer un modèle sans reconstruire tout le processus. Si un fournisseur modifie ses prix ou retire une version, la règle de routage change. Le workflow métier reste stable.
Le test à lancer avant de choisir
Commencez par 10 cas réels, anonymisés si nécessaire. Répartissez-les entre tâches simples, dossiers complexes et cas sensibles. Comparez deux ou trois modèles sur exactement les mêmes entrées, avec le même format de sortie et la même grille d’évaluation.
Conservez les traces suivantes : version du modèle, date, paramètres, tokens facturés, temps de réponse, résultat proposé, correction humaine et décision finale. Testez aussi les échecs : document incomplet, consigne contradictoire, donnée absente et demande qui dépasse le périmètre autorisé.
À la fin, ne retenez pas un vainqueur universel. Définissez une règle d’affectation : quel modèle pour quelle tâche, à quel prix maximum, avec quel contrôle et quelle solution de repli.
Retenez le modèle qui atteint le niveau de qualité attendu, à un coût acceptable par dossier validé. Le classement général reste un point de repère, pas une règle de routage.
Évaluer vos usages IA avec le Diagnostic Pulse
Documents analysés
Top_LLM_2026_Astra_charte_premium_3.pdfClassement_prix_tokens_LLM_11-09-2026.pdf
Sources
[1] https://developers.openai.com/api/docs/pricing — OpenAI API Pricing [2] https://platform.claude.com/docs/en/about-claude/pricing — Claude Platform Pricing [3] https://ai.google.dev/gemini-api/docs/pricing — Gemini Developer API pricing [4] https://api-docs.deepseek.com/quick_start/pricing/ — DeepSeek Models & Pricing [5] https://docs.mistral.ai/inference/pricing — Mistral Pricing [6] https://developers.openai.com/api/docs/guides/reasoning — OpenAI Reasoning models