Pour estimer le coût d’une API LLM avant le lancement, chiffrez une action utilisateur plutôt qu’un appel d’API. Comptez les appels qu’elle déclenche, mesurez l’entrée nouvelle, l’entrée en cache et les tokens de sortie sur 20 à 50 vrais échantillons, multipliez par les actions mensuelles, puis ajoutez raisonnement et relances. Notre exemple chiffré de rédaction de réponses de support sur DeepSeek V4.1 Flash revient à $42.67 par mois.
Il s’agit d’une prévision avant lancement pour une seule fonctionnalité ; une fois que vous avez des utilisateurs payants, le coût LLM par utilisateur pour un SaaS traite des marges et des niveaux de prix.
Quelle est la formule du coût d’une API LLM ?
monthly cost = actions per month × calls per action
× ( new input tokens × input price
+ cached input tokens × cached price
+ output tokens × output price ) / 1,000,000
En français : coût mensuel = actions par mois × appels par action × (tokens d’entrée nouveaux × prix d’entrée + tokens d’entrée en cache × prix en cache + tokens de sortie × prix de sortie) ÷ 1 000 000. Les tokens de sortie incluent le raisonnement. Les tokens en cache sont de l’entrée que le fournisseur réutilise à prix réduit. Tout le reste relève de la mesure. Le calculateur de coût d’API LLM, gratuit, applique cette formule au prix catalogue de n’importe quel modèle.
Comment construire le modèle de coût, étape par étape ?
- Nommez l’unité de travail. « Rédiger une réponse de support », « résumer un appel », « corriger un test en échec ». Chiffrez cela, pas « une requête ».
- Comptez les appels par action. Une réponse avec recherche documentaire peut tenir en un appel. Un agent qui planifie, modifie et vérifie peut en faire dix. Ajoutez votre taux de relance : un timeout que vous relancez est facturé à nouveau.
- Mesurez les tokens par appel sur de vrais échantillons. Prenez 20 à 50 entrées réalistes, pas des démos propres. Pour un premier comptage approximatif avant d’appeler une API, collez-les dans le compteur de tokens. Lisez
usage.prompt_tokens,usage.prompt_tokens_details.cached_tokensetusage.completion_tokensdans chaque réponse. En streaming, définissezstream_options: {"include_usage": true}; le guide du streaming montre où l’information apparaît. - Séparez l’entrée nouvelle de l’entrée en cache. Le prompt système, la liste d’outils et les documents partagés peuvent être mis en cache s’ils viennent en premier et restent identiques. Le texte de l’utilisateur, non.
- Comptez le raisonnement dans la sortie. DeepSeek V4.1 Flash, GLM 5.3 et Qwen3.8 27B réfléchissent avant de répondre. Ces tokens de raisonnement sont facturés comme de la sortie, et ils dépassent souvent la réponse visible. Pourquoi le raisonnement coûte plus que ce que vous voyez.
- Estimez le volume. Utilisateurs actifs × actions par utilisateur et par jour × 30.
- Multipliez et totalisez. Convertissez les totaux de tokens en millions et appliquez le prix par million.
- Chiffrez trois scénarios. Bas, attendu et haut. Le trafic au lancement est incertain, et les prompts s’allongent avec le temps.
- Vérifiez les limites, pas seulement l’argent. Les pics de requêtes par minute et de requêtes en cours doivent tenir dans les limites de débit de votre clé.
- Choisissez le mode de facturation. Au token pour un trafic irrégulier piloté par les utilisateurs ; un forfait pour des agents actifs en permanence.
À quoi ressemble une estimation chiffrée ? Un assistant de rédaction de réponses de support
Une application de helpdesk ajoute « Rédiger une réponse ». Les chiffres ci-dessous sont des hypothèses à titre d’illustration. Remplacez chacun par vos mesures.
| Donnée | Valeur | Origine |
|---|---|---|
| Agents du support (salariés) qui utilisent la fonction | 500 | Plan produit |
| Brouillons par agent et par jour | 4 | Usage pendant le pilote |
| Jours par mois | 30 | |
| Actions par mois | 60 000 | 500 × 4 × 30 |
| Appels par action | 1 | Un appel avec les articles récupérés |
| Tokens d’entrée par appel | 5 000 | Prompt système, fil du ticket, trois articles d’aide |
| Part de l’entrée en cache | 50 % | Prompt système et préfixe d’articles stables |
| Tokens de sortie par appel | 500 | Environ 200 visibles, 300 de raisonnement |
| Modèle | DeepSeek V4.1 Flash | $0.175 / $0.0055 / $0.52 par million |
Voici maintenant les totaux :
| Ligne | Tokens par mois | Prix par million |
|---|---|---|
| Entrée nouvelle | 150 M | $0.175 |
| Entrée en cache | 150 M | $0.0055 |
| Sortie, raisonnement compris | 30 M | $0.52 |
| Coût mensuel attendu | $42.67 |
Cela fait 300 M de tokens d’entrée et 30 M de tokens de sortie : 60 000 × 5 000 et 60 000 × 500.
Quel écart prévoir entre scénario bas et scénario haut ?
| Scénario | Actions par mois | Tokens d’entrée / de sortie | Coût mensuel |
|---|---|---|---|
| Bas : adoption lente | 20 000 | 100 M / 10 M | $14.23 |
| Attendu | 60 000 | 300 M / 30 M | $42.67 |
| Haut : adoption ×3 | 180 000 | 900 M / 90 M | 3 × $42.67 |
Les trois gardent la même part de cache de 50 %. Si cette part baisse, la facture monte : l’entrée nouvelle coûte $0.175 par million sur ce modèle, contre $0.0055 en cache. Comment garder une part de cache élevée.
Qu’est-ce qui fait le plus varier l’estimation ?
- Longueur du contexte. Une recherche documentaire qui ramène dix articles au lieu de trois peut doubler l’entrée. Mesurez les tokens après chaque modification du prompt.
- Raisonnement. Régler
reasoning_effortsurlowpour les brouillons simples réduit la sortie cachée. Raisonnement et max_tokens. - Relances et boucles. Un taux de relance de 5 % ajoute 5 % à chaque ligne. Une boucle d’agent sans plafond d’étapes n’a aucune limite. Maîtriser les dépenses d’une API LLM.
- Choix du modèle. Gemma 4 VL 26B coûte $0.10 en entrée et $0.22 en sortie par million, mais son contexte est de 32 768 tokens et BroadNet n’indique pas de raisonnement pour lui. Testez la qualité avant d’en changer pour économiser.
- Langue. Un même contenu peut nécessiter bien plus de tokens en arabe ou en hindi qu’en anglais, et l’écart dépend du tokenizer. Notre jeu de données sur le coût réel par langue donne le prix par million de caractères pour chaque langue, sur chaque modèle et chez chaque fournisseur.
- Croissance des prompts. Les prompts ont tendance à s’allonger après le lancement, à mesure que les cas limites sont traités. Refaites la mesure à chaque version.
- Évolution des prix. Les prix catalogue bougent rarement, mais ils peuvent augmenter. Dans les pages de tarifs archivées de 11 fournisseurs, nous avons relevé 52 hausses de prix catalogue entre 2024 et novembre 2026, chacune comparant le prix d’un modèle à son propre prix antérieur (contre 100 baisses) ; la hausse médiane était de 40 % sur un prix pondéré. Voir comment budgéter les hausses de prix des API LLM.
Si l’estimation est trop élevée, parcourez la checklist en 10 étapes pour réduire les coûts d’une API LLM avant de modifier la fonctionnalité.
Le volume tient-il dans les limites de débit ?
60 000 actions par mois, c’est environ 2 000 par jour. Si un dixième des brouillons d’une journée tombe sur l’heure la plus chargée, cela fait 200 par heure, soit environ 3 par minute. Une clé BroadNet à l’usage autorise 30 requêtes par minute et 4 en cours : une seule clé suffit donc. Vérifiez aussi le scénario haut, ou passez votre propre pic dans le calculateur de limites de débit. Pour le calcul entre débit et requêtes en cours, voir simultanéité. Si vous recevez des 429, attendez avec backoff et relancez.
Cette fonctionnalité doit-elle tourner sur un forfait ?
Probablement pas. Une session Full Moon coûte $60 par mois, mais une session traite une requête à la fois, et de nombreux utilisateurs qui cliquent sur « Rédiger » en même temps ont besoin de requêtes parallèles. Les forfaits conviennent aux agents qui travaillent en continu, comme un agent de code. Le calcul de rentabilité montre un agent de code à plein temps à $65.40 par mois au token, au-dessus du prix du forfait.
Comment transformer l’estimation en budget ?
- Inscrivez le chiffre attendu dans votre plan et le chiffre haut comme seuil d’alerte.
- Journalisez les tokens par action en production et comparez-les au modèle chaque semaine.
- Fixez des plafonds stricts dans le code :
max_tokens, limites d’étapes et limites de relances. - Refaites l’estimation à chaque changement de modèle, de prompt ou de paramètres de recherche documentaire.
Vous pouvez refaire le calcul au token avec vos propres chiffres dans le calculateur de coût d’API LLM, ou comparer forfait et paiement au token sur la page de tarifs.
Où se situe BroadNet Inference
BroadNet Inference publie les prix au token de chaque modèle de chat et de transcription qu’il sert dans un même fichier de prix : l’estimation ci-dessus peut donc être maintenue dans le code. Les nouveaux comptes reçoivent $5 de crédit de départ, utilisable sur Gemma 4 VL 26B et les deux modèles de transcription : vous pouvez donc mesurer vos échantillons sur Gemma ; DeepSeek, GLM et Qwen nécessitent une recharge. Si votre fonctionnalité a besoin d’un modèle fermé de pointe, BroadNet n’est pas le bon fournisseur pour cette partie.
