Coût de l'IA en entreprise : tokens, routage et prévision

Le coût de l’IA en entreprise ne ressemble pas à celui d’un logiciel. Dès qu’une IA est branchée sur vos outils par API (le point d’accès qu’un programme appelle, sans passer par l’interface de chat), il n’y a plus d’abonnement par utilisateur : chaque appel se paie à la quantité de texte traitée. Ce guide de notre rubrique IA d’entreprise, privée et au juste coût explique ce que vous payez et comment le prévoir.

En bref

• Une IA par API se paie au token, en entrée et en sortie ; sur la grille d’Anthropic consultée le 4 octobre 2026, la sortie coûte cinq fois l’entrée.
• Le contexte renvoyé à chaque appel, les outils déclarés et les tours d’un agent pèsent souvent plus lourd que la réponse elle-même.
• Les remises se cumulent : chez Anthropic, une lecture en cache coûte 10 % du prix d’entrée sur la plupart des modèles, et le traitement par lots retire 50 %.
• Une facture se prévoit usage par usage, avec des tokens mesurés sur de vrais exemples, puis se tient avec des plafonds.

Comment se calcule une facture d’IA par API

Une IA utilisée par API se paie à la quantité de texte traitée, comptée en tokens : des morceaux de mots. La documentation tarifaire d’Anthropic donne un ordre de grandeur : un token vaut environ 4 caractères, ou trois quarts de mot, en anglais, et le compte exact varie selon la langue et le type de contenu. Un texte français ne se découpe donc pas comme un texte anglais.

Deux compteurs tournent à chaque appel : les tokens d’entrée (tout ce que vous envoyez : la consigne, le document, l’historique de la conversation) et les tokens de sortie (ce que le modèle écrit). La sortie coûte plus cher. Voici la grille publique d’Anthropic pour ses modèles courants, tarifs consultés le 4 octobre 2026, en dollars par million de tokens :

Sur toute cette gamme, la sortie vaut cinq fois l’entrée. Ces prix bougent, et chaque éditeur a sa propre grille : relevez ceux du jour au moment de faire vos calculs.

Ce qui gonfle une facture sans que personne le voie

Le contexte renvoyé à chaque appel

Un modèle de langage n’a pas de mémoire entre deux appels. Pour qu’un assistant « se souvienne » d’une conversation, l’application lui renvoie tout l’historique à chaque message. Le dixième échange d’une discussion fait donc payer dix fois le premier message. Même chose pour un document de cinquante pages collé dans chaque requête : on paie sa lecture à chaque question. Deux parades : le cache, décrit plus bas, et le RAG, qui n’envoie au modèle que les passages utiles de vos documents.

Les outils et les consignes système

Un assistant qui peut appeler des outils (chercher dans un CRM, lire un fichier, lancer une recherche web) renvoie leur description à chaque requête. Selon la grille d’Anthropic, la seule consigne système ajoutée dès qu’un outil est déclaré pèse quelques centaines de tokens par requête (286 pour Claude Opus 5.5 et Claude Sonnet 5.5, 496 pour Claude Haiku 4.5), avant la description de vos propres outils ; une recherche web coûte en plus 10 $ les 1 000. De petits montants, visibles à l’échelle de dizaines de milliers d’appels.

Les tours d’un agent

Un agent est un programme qui enchaîne plusieurs appels au modèle pour atteindre un but : il réfléchit, appelle un outil, lit le résultat, recommence. Chaque tour renvoie le contexte accumulé. Une tâche qui demande huit tours ne coûte pas huit fois une réponse simple, elle coûte souvent davantage, parce que le contexte grossit à chaque tour. C’est un coût caché classique des projets d’agents, et il se plafonne : nombre maximal de tours, budget par tâche, arrêt propre quand le plafond est atteint.

Le changement de génération de modèle

Même à prix unitaire identique, une nouvelle génération peut compter les tokens autrement. Anthropic indique que ses modèles à partir de Claude 4.7 utilisent un autre découpage qui produit environ 30 % de tokens en plus pour le même texte, l’écart exact dépendant du contenu, et sa documentation sur le comptage des tokens recommande de recompter ses requêtes avec le modèle visé plutôt que de réutiliser les mesures faites sur l’ancien. Une migration de modèle se recalcule donc, elle ne se suppose pas.

Comment faire baisser la facture : trois leviers

1. Le bon modèle pour chaque tâche (le routage)

Le routage consiste à envoyer chaque tâche au modèle le moins cher qui la réussit. Trier un email entrant ou extraire un numéro de facture ne demande pas le modèle le plus puissant du catalogue ; rédiger une page de vente ou trancher un cas ambigu, peut-être. Sur la grille ci-dessus, le prix d’entrée va de 1 à 4 entre Claude Haiku 4.5 et Claude Opus 5.5, et de 1 à 10 jusqu’à Claude Fable 5.1. Anthropic conseille d’ailleurs Haiku pour les tâches simples, Sonnet pour la plupart des usages en production et Opus pour le raisonnement le plus complexe.

Le choix du fournisseur compte autant que celui du modèle. Sur le pipeline de traduction que nous opérons pour Palmora, un portail immobilier en six langues que nous accompagnons, le changement de fournisseur, de DeepL à Gemini, a divisé le coût par 60. Ce ratio vaut pour ce pipeline-là : il montre l’ampleur qu’un arbitrage peut atteindre, pas ce que vous économiserez.

Une table de routage tient en quelques lignes : la tâche, le modèle par défaut, le modèle de repli, la raison du choix. Rangée dans un fichier de configuration, elle se révise sans toucher aux automatisations. Encore faut-il prouver qu’un modèle moins cher suffit : c’est l’objet de notre guide pour évaluer un modèle d’IA avant de le mettre en production.

2. Ne pas payer deux fois le même travail (le cache)

Les fournisseurs proposent un cache de prompt : la partie fixe d’une requête (consignes, document de référence) est mise en mémoire et relue à prix réduit. Sur la grille d’Anthropic, une lecture en cache coûte 10 % du prix d’entrée normal sur la plupart des modèles, et moins encore sur Claude Opus 5.5 (5 %) et Claude Fable 5.1 (2,5 %). L’écriture en cache coûte un quart de plus qu’une entrée normale pour une durée de cinq minutes : selon l’éditeur, le cache est rentable dès la première relecture dans ce délai.

Le cache côté application compte autant : ne jamais redemander à l’IA ce qu’elle a déjà produit. Sur le même pipeline de traduction de Palmora, chaque segment de texte reçoit une empreinte, et seuls les segments nouveaux ou modifiés repartent en traduction. Après le premier passage, 95 % des segments sortent du cache sans rappeler l’IA.

3. Accepter d’attendre (le traitement par lots)

Tout ce qui n’a pas besoin d’une réponse immédiate peut passer en traitement par lots : on envoie un paquet de requêtes, on récupère les résultats plus tard. Chez Anthropic, l’API de traitement par lots applique une remise de 50 % sur l’entrée et la sortie, cumulable avec le cache. Classer un historique de tickets ou enrichir un catalogue produit peut attendre. Une réserve pour les données sensibles : la page d’Anthropic sur la conservation des données indique que les lots sont conservés 29 jours et n’entrent pas dans l’accord de conservation zéro.

Comment prévoir la facture avant de la recevoir

La prévision se fait usage par usage, en cinq étapes :

1. Lister les usages, chacun sur sa ligne : « tri des emails entrants », « résumé des comptes rendus ».
2. Estimer le volume de requêtes par mois à partir de vos chiffres réels (emails reçus, tickets ouverts).
3. Mesurer les tokens sur de vrais exemples, en entrée (consigne, contenu envoyé, historique) et en sortie (longueur attendue de la réponse). Anthropic propose un point d’accès qui compte les tokens d’un message avant de l’envoyer ; ce comptage n’est pas facturé, et c’est une estimation qui peut s’écarter un peu du compte réel.
4. Appliquer le prix du modèle retenu dans votre table de routage, puis les remises qui s’appliquent : cache, lots, ou aucune.
5. Ajouter le temps humain de relecture et de correction, que les tokens ne disent pas et qui peut peser plus lourd qu’eux.

Un exemple, avec des hypothèses à nous et les tarifs consultés le 4 octobre 2026. Une équipe trie 2 000 emails par mois. Chaque requête envoie environ 1 500 tokens (la consigne et le message) et reçoit une catégorie de 50 tokens. Avec Claude Haiku 4.5 : 3 millions de tokens d’entrée, soit 3 $, et 100 000 tokens de sortie, soit 0,50 $. Le même tri confié à Claude Opus 5.5 coûterait plus de quatre fois plus cher (un prix unitaire quatre fois plus élevé, et un découpage qui compte davantage de tokens pour le même texte), sans garantie d’un meilleur classement. Anthropic publie un calcul du même genre pour le support client sur sa grille tarifaire : environ 37 $ pour 10 000 tickets avec Haiku 4.5, sur une moyenne de 3 700 tokens par conversation.

Une telle estimation se corrige après la première semaine, avec les vraies mesures.

Comment garder la facture sous contrôle

Une facture d’IA dérive si personne ne la regarde. Trois réflexes :

• Une clé d’API par usage, pour savoir ce que coûte chaque automatisation, et pas seulement le total du mois.
• Des plafonds et des alertes chez le fournisseur ou dans la passerelle qui centralise les appels : un agent qui boucle ne doit pas pouvoir consommer un mois de budget en une nuit.
• Une revue trimestrielle de la table de routage : les prix changent, de nouveaux petits modèles arrivent, et une tâche qui exigeait un grand modèle il y a six mois n’en a peut-être plus besoin. Notre comparatif des modèles d’IA suit les sorties majeures de dix éditeurs.

Une passerelle qui donne accès à plusieurs modèles aide à tenir ces réflexes : elle centralise les clés et les plafonds, et permet de changer de modèle sans réécrire les intégrations. Vérifiez ce qu’elle facture en plus des modèles, et rappelez-vous qu’elle voit passer toutes vos requêtes : c’est un intermédiaire de plus à inscrire dans vos contrats et dans votre registre des traitements.

Par où commencer

Partez de l’usage qui consomme le plus, mesurez-le pendant une semaine, puis testez un modèle moins cher sur vos propres exemples. Le même tri allège l’empreinte, puisqu’un modèle plus petit consomme aussi moins d’énergie : c’est l’objet de notre article sur l’énergie et l’eau consommées par l’IA. Si vos requêtes contiennent des données personnelles, regardez aussi où elles partent selon le fournisseur et le niveau de maîtrise choisi. Ce guide ne couvre pas les abonnements par utilisateur (ChatGPT, Copilot, options IA des logiciels métier), qui se comparent autrement.

Pour obtenir l’audit de votre facture actuelle, avec un plan d’économies priorisé et un banc d’essai sur vos propres contenus, voyez notre offre IA au juste coût.

Questions fréquentes

Qu’est-ce qu’un token, et pourquoi surveiller la longueur des réponses ?

Un token est un morceau de mot : environ quatre caractères en anglais selon Anthropic, et le compte exact varie selon la langue et le contenu. Sur la grille de cet éditeur consultée le 4 octobre 2026, un token de sortie coûte cinq fois un token d’entrée. Demandez donc au modèle des réponses courtes et structurées, une catégorie ou un champ, plutôt que des paragraphes.

Comment estimer le coût d’un agent IA avant de le mettre en production ?

Comptez deux factures : la construction (cadrage, branchement à vos outils, tests) et le fonctionnement (tokens, hébergement, surveillance, relecture humaine). La seconde varie plus que celle d’un simple appel, parce qu’elle dépend du nombre de tours par tâche et du contexte qui grossit à chaque tour. Faites tourner l’agent sur quelques dizaines de tâches réelles, mesurez les tokens consommés, multipliez par le volume attendu, puis posez un plafond par tâche avant de l’ouvrir à toute l’équipe.

Qu’est-ce que le routage de modèles, et combien fait-il économiser ?

Le routage envoie chaque tâche au modèle le moins cher qui la réussit, selon une table écrite à l’avance. L’économie n’a pas de pourcentage universel : elle dépend de vos tâches et de l’écart de prix entre les modèles concernés, par exemple de 1 à 4 en entrée entre Claude Haiku 4.5 et Claude Opus 5.5 sur la grille d’Anthropic. Seuls des tests sur vos propres exemples disent si le modèle moins cher suffit.