---
title: "LLM auto-hébergé ou API : coût et rentabilité GPU | BroadRouter"
description: "Prix de location de GPU (pages officielles), coût par million de tokens sur votre GPU, taux d’utilisation pour battre une API et coûts d’exploitation oubliés."
url: https://broadrouter.com/fr/blog/self-hosting-llm-vs-api-cost/
lang: fr
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/blog/self-hosting-llm-vs-api-cost/) (mis à jour le 2026-11-16).

# Auto-héberger un LLM ou passer par une API : coût réel et rentabilité

Par l’équipe BroadNet Inference · 5 min de lecture · Publié 2026-11-14 · Mis à jour 2026-11-16

Un GPU loué coûte le même prix à l’heure, occupé ou inactif : l’auto-hébergement ne bat une API qu’avec une utilisation élevée et régulière. Divisez le prix horaire par les tokens que le serveur produit réellement par heure, ajoutez le temps d’ingénierie et d’astreinte, et comparez au prix de l’API par million de tokens. Pour un trafic irrégulier ou modeste, l’API gagne presque toujours.

## À retenir

-   Sur la page de tarifs de RunPod, un H100 SXM coûte 4,39 USD de l’heure en Secure Cloud et 2,69 USD en Community Cloud : environ 3 205 USD et 1 964 USD par mois s’il tourne en continu.
-   Coût auto-hébergé par million de tokens = prix horaire ÷ (tokens par seconde × 3 600 ÷ 1 000 000) ÷ taux d’utilisation.
-   Le taux d’utilisation décide de tout. Un GPU occupé 25 % du temps coûte quatre fois plus cher par token qu’un GPU occupé en permanence.
-   Les grands modèles open-weight ont besoin de plusieurs GPU rien que pour charger leurs poids ; multipliez le prix de location en conséquence.
-   Ingénierie, supervision, mises à jour et astreinte sont des coûts réels ; comptez-les en heures par mois à votre propre taux.

**Sur cette page**

1.  Combien coûte la location de GPU aujourd’hui ?
2.  Comment calculer le coût auto-hébergé par million de tokens ?
3.  Combien de tokens par mois faut-il pour atteindre la rentabilité ?
4.  Quels coûts oublie-t-on ?
5.  Quand l’auto-hébergement est-il le bon choix ?
6.  Existe-t-il des options à prix fixe entre un GPU et la facturation au token ?
7.  Où se situe BroadNet Inference

« On ferait des économies en le faisant tourner nous-mêmes » est l’une des affirmations les plus courantes dans la planification des coûts LLM, et l’une des moins souvent vérifiées. Le calcul n’est pas difficile. Il comporte une variable que l’on estime mal (le taux d’utilisation) et un coût que l’on oublie (les personnes). Cet article donne la formule, de vrais prix de location et une méthode pour l’appliquer à vos propres chiffres.

## Combien coûte la location de GPU aujourd’hui ?

Prix horaires tirés des pages de tarifs officielles, consultées le 2026-11-14 (RunPod) et le 2026-11-16 (Lambda). Un mois compte ici 730 heures.

| GPU | Fournisseur et offre (vérifiés le 2026-11-14) | Par heure-GPU | Par mois, en continu |
| --- | --- | --- | --- |
| H100 SXM | RunPod Secure Cloud | 4,39 USD | environ 3 205 USD |
| H100 SXM | RunPod Community Cloud | 2,69 USD | environ 1 964 USD |
| H100 PCIe | RunPod Secure Cloud | 2,89 USD | environ 2 110 USD |
| H200 | RunPod Secure Cloud | 5,29 USD | environ 3 862 USD |
| A100 80GB SXM | RunPod Secure Cloud | 2,19 USD | environ 1 599 USD |
| L40S | RunPod Secure Cloud | 1,09 USD | environ 796 USD |
| H100 SXM | Lambda à la demande, de 1 à 8 GPU (en vigueur depuis le 2026-11-16 ; vérifié le 2026-11-16) | de 4,59 à 4,89 USD | environ de 3 351 à 3 570 USD |

La page de Lambda (vérifiée le 2026-11-16) indique que ces prix s’appliquent à partir du 2026-11-16 à 00:00 UTC ; le prix par GPU baisse quand le nœud grandit, jusqu’à 4,59 USD sur un nœud de 8 GPU. Les prix Community Cloud de RunPod sont des prix « à partir de » qui varient selon l’hôte. Secure Cloud et Community Cloud sont deux niveaux d’hébergement différents : lisez les conditions de chacun si vous avez des règles de traitement des données. Beaucoup de modèles ont besoin de plus d’un GPU : un nœud H100 de 8 GPU au tarif Secure Cloud coûte environ 25 638 USD par mois.

## Comment calculer le coût auto-hébergé par million de tokens ?

Un GPU produit des tokens à un certain débit global sur l’ensemble des requêtes qu’il traite en batch. Votre coût par token correspond au prix horaire réparti sur les tokens qu’il produit réellement :

**coût par million de tokens = prix horaire ÷ (tokens par seconde au total × 3 600 ÷ 1 000 000) ÷ taux d’utilisation**

Le taux d’utilisation est la part des heures pendant lesquelles le GPU fait un travail utile à ce débit. Un exemple chiffré avec des valeurs **supposées** (ce n’est pas un benchmark : mesurez votre propre modèle) :

-   GPU : un H100 SXM en Community Cloud, 2,69 USD de l’heure.
-   Sortie globale supposée : 1 500 tokens par seconde avec un bon batching.
-   Tokens par heure à pleine charge : 1 500 × 3 600 = 5,4 millions.

| Taux d’utilisation | Tokens effectifs par heure | Coût par million de tokens de sortie |
| --- | --- | --- |
| 100 % (toujours saturé) | 5,4 M | 0,50 USD |
| 50 % | 2,7 M | 1,00 USD |
| 25 % (occupé seulement aux heures de bureau) | 1,35 M | 1,99 USD |
| 10 % (trafic produit irrégulier) | 0,54 M | 4,98 USD |

Comparez maintenant avec un prix d’API par million de tokens de sortie. Le [tableau des prix des API LLM](https://broadrouter.com/fr/llm-api-pricing/) montre ce que facturent des dizaines d’hébergeurs pour les mêmes poids ouverts ; sur BroadNet Inference, [DeepSeek V4.1 Flash](https://broadrouter.com/fr/models/deepseek-v4.1-flash/) coûte $0.52 par million de tokens de sortie et [Gemma 4 VL 26B](https://broadrouter.com/fr/models/gemma-4-vl-26b/) $0.22. Trouvez la ligne où votre coût auto-hébergé passe sous le prix de l’API : c’est votre taux d’utilisation de rentabilité. L’exemple ignore les tokens d’entrée, qui consomment aussi du temps GPU (prefill) : les coûts auto-hébergés réels sont donc plus élevés que ne l’indique le tableau.

## Combien de tokens par mois faut-il pour atteindre la rentabilité ?

Retournez le calcul. Un GPU qui tourne coûte son prix mensuel quoi qu’il arrive. L’API coûte tokens × prix. Le volume de rentabilité est :

**tokens mensuels pour la rentabilité = coût mensuel du GPU ÷ prix de l’API par million de tokens × 1 000 000**

Pour un H100 en Community Cloud (environ 1 964 USD par mois) face à un prix de sortie de $0.52 par million, divisez 1 964 par ce prix pour obtenir les millions de tokens de sortie par mois qu’il vous faut remplacer avant que le GPU soit rentable. Faites de même avec votre prix mixte entrée et sortie si votre charge est dominée par l’entrée, comme c’est généralement le cas des agents ; l’[article forfait ou paiement au token](https://broadrouter.com/fr/blog/flat-rate-vs-pay-per-token-llm-api/) montre comment les combiner.

Et ce GPU doit effectivement pouvoir servir le modèle. Si le modèle a besoin de quatre GPU, multipliez le coût mensuel par quatre avant de diviser.

## Quels coûts oublie-t-on ?

| Coût | Ce qu’il couvre | Comment le compter |
| --- | --- | --- |
| Mise en place | Moteur de service, choix de quantification, autoscaling, tests de charge | Heures ponctuelles × votre taux |
| Exploitation courante | Mises à jour, pilotes et moteur, renouvellement des modèles | Heures par mois × votre taux |
| Astreinte | Quelqu’un se réveille quand le nœud tombe | Votre politique d’astreinte |
| Redondance | Un second nœud pour qu’une panne ne soit pas une interruption de service | Double la ligne GPU |
| Marge inactive | Capacité pour les pics, à garder chaude | Fait baisser le taux d’utilisation |
| Évaluation | Vérifier une nouvelle version de modèle avant de basculer | Heures par version |

C’est la redondance qui change le plus le résultat. Un GPU unique est un point de défaillance unique. Deux GPU divisent votre taux d’utilisation par deux du jour au lendemain. Voir [évaluer un modèle avant de changer](https://broadrouter.com/fr/blog/evaluate-llm-before-switching/) pour le travail d’évaluation qu’entraîne chaque mise à jour.

## Quand l’auto-hébergement est-il le bon choix ?

-   **Volume élevé et régulier.** Des pipelines par lots qui saturent les GPU 24 heures sur 24.
-   **Les données doivent rester dans votre réseau.** Une exigence ferme, pas un argument de coût. Vérifiez d’abord si une API à [conservation zéro des données](https://broadrouter.com/fr/privacy/) respecte vos règles.
-   **Un modèle qu’aucune API ne sert.** Votre propre fine-tune ou un [modèle open-weight](https://broadrouter.com/fr/glossary/open-weight-model/) de niche.
-   **Une capacité garantie.** Il vous faut un débit que les limites d’une API ne vous donneront pas.

Pour tout le reste, en particulier le trafic irrégulier, les produits en démarrage et les agents qui tournent par à-coups, une API coûte moins cher et n’exige pas de planning d’astreinte.

## Existe-t-il des options à prix fixe entre un GPU et la facturation au token ?

Il existe un juste milieu entre louer un GPU et payer au token. BroadNet vend une clé horaire pour Gemma 4 VL 26B à $0.50 de l’heure (un flux, 120 requêtes par minute, 300,000 tokens par minute), soit $360.00 si vous la faites tourner tout le mois. Il vend aussi des [sessions de forfait illimitées](https://broadrouter.com/fr/guides/unlimited-llm-api-sessions/) pour DeepSeek V4.1 Flash à $60 par mois, chacune traitant une requête à la fois à environ 100 tokens par seconde. Elles donnent une facture prévisible comme un GPU loué, sans mise en place ni exploitation, mais avec une simultanéité fixe par clé ou par session plutôt que la capacité de batch d’un GPU entier.

## Où se situe BroadNet Inference

BroadNet Inference est le côté API de cette comparaison : prix au token, forfaits et clés horaires pour des modèles open-weight, dont certains hébergés chez des partenaires d’inférence américains, derrière une API compatible OpenAI. Il convient aux équipes dont le trafic laisserait un GPU loué inactif une bonne partie de la journée, ou qui ne veulent pas exploiter d’infrastructure d’inférence. Il ne convient pas s’il vous faut servir un fine-tune sur mesure, un déploiement sur site ou des centaines de requêtes parallèles sur une seule clé. Faites vos calculs dans le [calculateur de coût d’API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/) et comparez avec le tableau ci-dessus. Si vous hésitez encore entre modèles ouverts et fermés, [coût d’API des modèles open-weight ou fermés](https://broadrouter.com/fr/blog/open-weight-vs-closed-model-api-cost/) compare les prix au token relevés sur la page de chaque fournisseur. Le [calculateur auto-hébergement ou API](https://broadrouter.com/tools/self-hosting-vs-api-calculator/) fait tout le calcul de rentabilité avec votre débit mesuré et ces prix de GPU.

Outils gratuits sur ce sujet (en anglais)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[Outils gratuits (en anglais)](https://broadrouter.com/tools/)

## Termes de cet article

[Token](https://broadrouter.com/fr/glossary/token/)

Un token est l’unité de texte qu’un modèle de langage lit et écrit : un mot, une partie de mot, un signe de ponctuation ou une suite d’octets produite par le tokenizer du modèle. Les API LLM comptent, limitent et facturent généralement l’usage en tokens.

[Tokens d’entrée et de sortie](https://broadrouter.com/fr/glossary/input-and-output-tokens/)

Les tokens d’entrée sont les tokens qu’un modèle de langage lit dans une requête, dont le prompt système, l’historique de conversation, les définitions d’outils et les images. Les tokens de sortie sont ceux qu’il génère en réponse, raisonnement compris. Les API LLM les facturent généralement séparément, et la sortie coûte en général plus cher.

[Débit (throughput)](https://broadrouter.com/fr/glossary/throughput/)

Le débit (throughput), dans le service de LLM, est la quantité totale de travail qu’un système accomplit par unité de temps sur toutes les requêtes simultanées, généralement mesurée en tokens de sortie par seconde ou en requêtes par seconde. Il se distingue de la vitesse par flux, c’est-à-dire la vitesse à laquelle une seule requête reçoit ses tokens.

[Limite de débit (rate limit)](https://broadrouter.com/fr/glossary/rate-limit/)

Une limite de débit (rate limit) est un plafond qu’une API impose à l’usage d’un client sur une période, par exemple en requêtes ou en tokens par minute. Les requêtes au-delà sont refusées, généralement avec HTTP 429 Too Many Requests, jusqu’à ce que l’usage repasse sous la limite.

[API compatible OpenAI](https://broadrouter.com/fr/glossary/openai-compatible-api/)

Une API compatible OpenAI est une API HTTP qui accepte les mêmes formats de requête et de réponse que l’API OpenAI, comme POST /v1/chat/completions. Les SDK et outils OpenAI peuvent donc l’utiliser en changeant seulement l’URL de base, la clé d’API et le nom du modèle.

[Appel d’outils (tool calling, function calling)](https://broadrouter.com/fr/glossary/tool-calling/)

L’appel d’outils, aussi appelé function calling, est une fonctionnalité des API LLM dans laquelle le modèle renvoie une demande structurée d’exécution d’une fonction définie par le développeur, avec des arguments JSON. L’application exécute la fonction et renvoie le résultat ; le modèle n’exécute jamais de code lui-même.

[Modèle open-weight (à poids ouverts)](https://broadrouter.com/fr/glossary/open-weight-model/)

Un modèle open-weight est un modèle d’apprentissage automatique dont les poids entraînés sont publiés pour que chacun puisse les télécharger et les exécuter, généralement sous une licence assortie de conditions. Il se distingue de l’IA entièrement open source, qui publie aussi le code d’entraînement et des informations détaillées sur les données, pour que d’autres puissent étudier et reproduire le modèle.

[Paiement à l’usage (pay-as-you-go)](https://broadrouter.com/fr/glossary/pay-as-you-go/)

Le paiement à l’usage (pay-as-you-go) est un modèle tarifaire où vous ne payez que ce que vous consommez, mesuré par unité, comme les tokens, les requêtes ou les minutes d’audio, sans abonnement ni engagement minimal. La plupart des API LLM facturent ainsi, à partir d’un solde prépayé ou d’une facture périodique.

## Questions fréquentes

### Est-il moins cher d’auto-héberger un LLM que d’utiliser une API ?

Seulement à volume élevé et régulier. Un GPU loué est facturé à chaque heure ; une API ne facture que les tokens consommés. Si votre GPU devait rester inactif la majeure partie de la journée, l’API revient moins cher, avant même de compter le temps d’ingénierie.

### Combien coûte la location d’un H100 à l’heure ?

Sur la page de tarifs de RunPod au 2026-11-14, un H100 SXM coûtait 4,39 USD de l’heure en Secure Cloud et à partir de 2,69 USD en Community Cloud. Lambda affiche le H100 SXM à la demande entre 4,59 et 4,89 USD par heure-GPU selon la taille du nœud, à des prix en vigueur depuis le 2026-11-16. Consultez les pages pour les tarifs actuels.

### Combien de GPU faut-il pour auto-héberger un grand modèle ?

Au minimum assez de mémoire pour les poids, plus le cache KV de vos requêtes simultanées. Les grands modèles mixture of experts nécessitent généralement un nœud multi-GPU. Consultez la fiche du modèle pour son nombre de paramètres et la configuration recommandée.

### Quand l’auto-hébergement se justifie-t-il même s’il coûte plus cher ?

Quand les données ne peuvent pas quitter votre réseau, quand il vous faut un modèle fine-tuné ou sur mesure qu’aucune API ne sert, ou quand vous avez besoin d’une capacité garantie. Ce sont des raisons de contrôle, pas de coût.

### Comment mesurer le débit réel de mon GPU ?

Faites tourner vos vrais prompts avec votre vraie simultanéité sur un moteur de service comme vLLM ou SGLang, et relevez le total des tokens de sortie par seconde sur l’ensemble des requêtes. Les chiffres de pointe des fabricants supposent un batching idéal.

## À lire ensuite

-   [API LLM : forfait ou paiement au token ? Le calcul de rentabilité](https://broadrouter.com/fr/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Latence LLM : TTFT, tokens par seconde et temps de bout en bout](https://broadrouter.com/fr/blog/llm-latency-ttft-throughput/)
-   [Ce que « illimité » veut vraiment dire dans un forfait d’API LLM](https://broadrouter.com/fr/blog/what-unlimited-llm-api-really-means/)
-   [OpenRouter ou forfait pour vos agents IA : lequel coûte moins cher ?](https://broadrouter.com/fr/blog/openrouter-alternative-flat-rate/)
-   [Un endpoint privé commence par une charge de travail bien définie](https://broadrouter.com/fr/blog/private-endpoint-planning/)
-   [Alternatives à Artificial Analysis : où comparer les LLM en 2026](https://broadrouter.com/fr/blog/artificial-analysis-alternatives/)
-   [SLA des API LLM : ce que promettent Azure, Bedrock, Google et OpenAI](https://broadrouter.com/fr/blog/llm-api-sla-uptime-compared/)
-   [Guide : Comment fonctionnent les forfaits API LLM illimités pour agents](https://broadrouter.com/fr/guides/unlimited-llm-api-sessions/)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-self-hosting-llm-vs-api-cost&utm_content=page-cta) ·

**Sources**

-   [Tarifs GPU de RunPod, prix horaires Secure et Community Cloud (consultés le 2026-11-14)](https://www.runpod.io/pricing)
-   [Tarifs de Lambda Cloud, prix horaires à la demande par GPU (consultés le 2026-11-16)](https://lambda.com/pricing)
-   [Prix lisibles par machine de BroadNet Inference (pricing.json) (vérifié le 2026-11-15) (en anglais)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-self-hosting-llm-vs-api-cost&utm_content=sources)
-   [Forfaits et vitesse typique de BroadNet Inference (vérifié le 2026-11-15) (en anglais)](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-self-hosting-llm-vs-api-cost&utm_content=sources)
-   [Guide de benchmark de NVIDIA NIM, métriques de débit et de latence (vérifié le 2026-11-16)](https://docs.nvidia.com/nim/benchmarking/llm/metrics)
