BroadRouter

Coût LLM par utilisateur : l’économie unitaire d’une fonction IA SaaS

Par l’équipe BroadNet Inference · 6 min de lecture · Publié

Coût LLM par utilisateur = requêtes par utilisateur actif et par mois × tokens par requête × les prix par million de tokens. Mesurez-le par fonctionnalité à partir du champ usage, fixez le prix des offres sur l’utilisateur du 90e percentile plutôt que sur la moyenne, et ajoutez des limites d’usage raisonnable pour les plus gros. Des modèles moins chers, le cache et un effort de raisonnement bas réduisent directement ce chiffre.

Ajouter une fonction IA à un produit SaaS change sa structure de coûts. L’hébergement et le stockage coûtent à peu près la même chose pour chaque utilisateur ; les appels au LLM coûtent d’autant plus que l’utilisateur s’en sert. Si vous fixez le prix de la fonction sans savoir ce que vous coûte un utilisateur actif, quelques clients enthousiastes peuvent transformer une offre rentable en perte. Cet article montre comment calculer le coût LLM par utilisateur, pourquoi la moyenne est le mauvais chiffre et comment s’en servir pour définir vos offres.

Comment calculer le coût LLM par utilisateur ?

Pour une fonctionnalité et un modèle :

cost per user per month =
    requests per active user per month
  × [ new input tokens × input price
    + cached tokens    × cached price
    + output tokens    × output price ] / 1,000,000

En français : coût par utilisateur et par mois = requêtes par utilisateur actif et par mois × (nouveaux tokens d’entrée × prix d’entrée + tokens en cache × prix en cache + tokens de sortie × prix de sortie) ÷ 1 000 000. Sur les modèles de raisonnement, la sortie inclut les tokens de raisonnement, et les images comptent comme des tokens d’entrée sur une clé en paiement à l’usage. Pour un rappel sur ces trois prix, lisez comment fonctionne la tarification des API LLM.

Additionnez les fonctionnalités qu’utilise un utilisateur pour obtenir le coût IA total par utilisateur.

Étape 1 : qu’est-ce qu’un utilisateur actif, et quelle est l’unité ?

Choisissez une définition que vous suivez déjà, par exemple un utilisateur qui a utilisé la fonction IA au moins une fois dans le mois. Choisissez ensuite l’unité que votre fonctionnalité produit naturellement : un tour de chat, un document généré, un fichier analysé, un appel résumé. Le coût par unité est plus stable que le coût par utilisateur et plus facile à raisonner.

Étape 2 : comment mesurer les tokens par unité ?

Ne l’estimez pas à partir du nombre de mots. Journalisez le bloc usage de chaque réponse avec une étiquette de fonctionnalité et un identifiant d’utilisateur ou de compte haché : tokens de prompt, tokens en cache et tokens de complétion, une ligne par tentative. L’article sur la journalisation de l’usage fournit un wrapper prêt à l’emploi et le SQL pour regrouper les coûts par utilisateur et par fonctionnalité. Avant d’avoir du trafic, le compteur de tokens donne une première estimation à partir de prompts d’exemple.

Pour les réponses en streaming, demandez l’usage dans le dernier chunk avec stream_options={"include_usage": True} ; voir le guide du streaming. Comptez chaque tentative, relances comprises, car chaque tentative qui atteint le modèle est facturée.

Étape 3 : combien coûte un utilisateur type ? Un exemple chiffré

Supposons que votre produit ait un assistant intégré. Vous mesurez, pour un utilisateur actif type sur un mois :

Mesure Valeur
Jours actifs 20
Requêtes à l’assistant par jour actif 15
Tokens d’entrée par requête 3 000 (la moitié en cache)
Tokens de réponse visibles par requête 400
Tokens de raisonnement par requête (modèles de raisonnement) environ 600

Cela fait 300 requêtes par mois : environ 900 000 tokens d’entrée, dont 450 000 en cache, et 120 000 tokens de sortie visibles, plus environ 180 000 tokens de raisonnement sur un modèle de raisonnement.

Appliquez les prix par million de BroadNet. Les volumes de tokens sont en millions, donc chaque terme vaut millions de tokens × prix par million :

Modèle Entrée / cache / sortie par million Le mois de cet utilisateur
Gemma 4 VL 26B $0.10 / pas de tarif en cache / $0.22 0,9 × $0.10 (toute l’entrée au plein tarif) + 0,12 × $0.22 (pas de tokens de raisonnement) = $0.12
DeepSeek V4.1 Flash $0.175 / $0.0055 / $0.52 0,45 × $0.175 + 0,45 × $0.0055 + 0,3 × $0.52 = $0.24
Qwen3.8 27B $0.175 / $0.0435 / $2.17 0,45 × $0.175 + 0,45 × $0.0435 + 0,3 × $2.17 = $0.75
GLM 5.3 $0.78 / $0.173 / $3.46 0,45 × $0.78 + 0,45 × $0.173 + 0,3 × $3.46 = $1.47

Les 0,3 M de sortie des modèles de raisonnement se composent de 0,12 M de réponse visible et de 0,18 M de raisonnement. Calcul fait, la ligne GLM 5.3 dépasse dix fois la ligne Gemma 4 VL 26B pour le même utilisateur (la comparaison Gemma 4 VL 26B vs GLM 5.3 les montre côte à côte). La sortie est le poste le plus lourd sur chaque modèle de raisonnement, et les tokens de raisonnement représentent plus de la moitié de cette sortie. Saisissez vos propres mesures dans le calculateur de coût d’API LLM pour obtenir votre chiffre.

Étape 4 : pourquoi l’utilisateur moyen est-il trompeur ?

L’usage des fonctions IA est asymétrique. La plupart des utilisateurs essaient la fonction quelques fois ; un petit groupe l’utilise toute la journée. La moyenne masque ce groupe, et c’est lui qui fait la facture.

À partir de votre journal d’usage, calculez par utilisateur et par mois :

  • Le coût médian. Ce que coûte un utilisateur normal.
  • Le 90e percentile. Ce que coûte un utilisateur intensif mais normal. Fixez le prix de votre offre pour que cet utilisateur reste rentable.
  • Le 99e percentile et le maximum. La traîne. Ces utilisateurs ont besoin d’une limite d’usage raisonnable, d’une offre supérieure ou d’une vérification d’automatisation et d’abus.

Si votre utilisateur du 99e percentile coûte de nombreuses fois votre médiane, ce n’est pas un problème en soi ; c’est une donnée d’entrée pour la tarification.

Étape 5 : comment fixer les offres et les limites ?

Une fois le coût par utilisateur connu, la tarification devient une décision de marge :

  1. Fixez votre marge brute cible pour l’offre.
  2. Déduisez-en le coût IA maximal par utilisateur que cette marge autorise.
  3. Comparez-le à votre 90e percentile. Si le 90e percentile tient, l’offre fonctionne. Sinon, réduisez le coût (étape 6), augmentez le prix ou déplacez l’usage intensif vers une offre supérieure.
  4. Traduisez les tokens en une unité que les utilisateurs comprennent. Les utilisateurs ne pensent pas en tokens. Limitez les requêtes par jour, les documents par mois ou les minutes d’audio, dimensionnés pour que l’usage maximal autorisé reste sous votre plafond de coût.
  5. Revérifiez chaque mois. Les changements de prompt, les nouvelles fonctionnalités et les changements de modèle font tous bouger le coût par utilisateur.

Étape 6 : comment réduire le coût par utilisateur sans changer le produit ?

  • Mettez en cache. Placez en premier le prompt système stable et la liste d’outils. Sur DeepSeek V4.1 Flash, l’entrée en cache coûte $0.0055 par million au lieu de $0.175. Comment augmenter votre taux de cache.
  • Baissez le raisonnement. reasoning_effort réglé sur low pour les requêtes courantes réduit les tokens les plus chers. Ce que coûte le raisonnement.
  • Routez selon la difficulté. Envoyez les requêtes simples à Gemma 4 VL 26B et gardez les modèles de raisonnement pour les plus difficiles.
  • Allégez l’historique. Les longues conversations renvoient tout à chaque tour ; résumez ou tronquez les tours anciens quand la qualité le permet.
  • Plafonnez la sortie. Fixez max_tokens par fonctionnalité, en laissant de la place au raisonnement sur les modèles de raisonnement.

D’autres leviers figurent dans maîtriser ses dépenses d’API LLM.

Un forfait peut-il servir des utilisateurs SaaS ?

Les forfaits illimités de BroadNet pour DeepSeek V4.1 Flash ($60 par mois et par session) peuvent être intégrés à votre propre application ou service sous votre propre clé, mais chaque session traite une requête à la fois et la clé ne peut être ni partagée ni revendue. Un forfait convient donc bien au travail back-end à faible simultanéité : un générateur de rapports nocturne, un résumeur alimenté par une file d’attente, un agent interne. Pour du trafic utilisateur interactif avec de nombreuses requêtes simultanées, des clés en paiement à l’usage (4 requêtes en cours chacune, 30 par minute) ou plusieurs sessions sont la réponse habituelle. Consultez la page des forfaits pour les conditions en vigueur.

Quels coûts gravitent autour du modèle ?

Le coût par utilisateur lié aux tokens n’est qu’une partie de la ligne IA. Ajoutez la recherche documentaire et le stockage vectoriel, la transcription (facturée à la minute d’audio, par exemple $0.0042 la minute pour l’arabe chez BroadNet), les relances et les campagnes d’évaluation. Si vos utilisateurs écrivent en arabe ou dans d’autres langues que l’anglais, attendez-vous à plus de tokens par message qu’en anglais ; mesurez les tokens par mot sur vos propres contenus.

Comment gérer les offres gratuites et les essais ?

Une offre gratuite multiplie le coût par utilisateur par des utilisateurs qui ne paient rien. Traitez-la comme une dépense marketing : donnez aux utilisateurs gratuits le modèle le moins cher qui montre encore bien la fonction, fixez des limites quotidiennes plus strictes que sur les offres payantes et suivez le coût IA des utilisateurs gratuits comme une ligne à part. Si les utilisateurs gratuits se convertissent, cette ligne est un coût d’acquisition ; sinon, les limites la gardent petite.

En résumé

Mesurez les tokens par unité à partir du champ usage, multipliez par les prix publiés, regardez le 90e percentile plutôt que la moyenne, et fixez à partir de là le prix et les limites de vos offres. Rendez ensuite chaque unité moins chère avec le cache, le routage et un effort de raisonnement plus bas. Commencez par la méthode de calcul du coût mensuel si vous n’avez encore rien mesuré.

Questions fréquentes

Dois-je facturer mes utilisateurs au token ?

Rarement pour des utilisateurs finaux ; la plupart préfèrent une offre fixe avec une limite claire. Mesurez les tokens en interne, facturez en requêtes, documents ou postes, et gardez une limite d’usage raisonnable pour les utilisateurs les plus intensifs.

Puis-je utiliser un forfait BroadNet pour servir mes utilisateurs SaaS ?

BroadNet permet d’intégrer un forfait à votre propre application ou service, sous votre propre clé. Chaque session traite une requête à la fois : cela convient aux agents back-end ou aux fonctionnalités à faible simultanéité ; le trafic utilisateur avec de nombreuses requêtes simultanées nécessite en général des clés en paiement à l’usage ou plusieurs sessions.

Quelle part du prix d’abonnement le coût de l’IA doit-il représenter ?

Il n’y a pas de chiffre universel. Décidez de la marge brute dont votre activité a besoin, déduisez-en ce que peut coûter au maximum un utilisateur normal intensif, et fixez les limites en conséquence.

À quelle fréquence recalculer le coût par utilisateur ?

À chaque changement de prompt, de modèle ou de fonctionnalité, et au moins une fois par mois. Le nombre de tokens dérive à mesure que les prompts et le comportement des utilisateurs évoluent.

Lire en MarkdownDemander à ChatGPTDemander à ClaudeDemander à Perplexity