Prix API Gemini : quelle API de LLM coûte le moins cher ?

Pour comparer les prix API Gemini à ceux des autres LLM, partons du tarif le plus bas sur les trois tâches étudiées ici : OpenAI GPT OSS 20B chez Groq, à partir de $0.075 par million de tokens en entrée et de $0.30 par million en sortie, sans cache. L’API de LLM la moins chère change dès que les réponses s’allongent, qu’un gros prompt est réutilisé ou qu’une seconde tentative devient nécessaire : Ministral 3 3B de Mistral peut prendre l’avantage sur la sortie, tandis qu’OpenAI GPT-6 Luna et Anthropic Claude Haiku 5.5 offrent un point de départ économique aux applications déjà intégrées.

Prix API Gemini et autres LLM : tarifs vérifiés le 20 octobre 2026

Lisez les colonnes d’entrée et de sortie ensemble. Un token est une petite unité de texte traitée par le modèle. L’entrée comprend vos consignes, vos documents et l’historique de la conversation ; la sortie comprend la réponse facturée et, le cas échéant, le raisonnement du modèle. Un million de tokens en entrée et un million en sortie se paient séparément.

Tous les prix ci-dessous sont exprimés en USD pour 1 million de tokens, et ont été vérifiés sur les pages officielles des fournisseurs le 20 octobre 2026. Ils correspondent aux offres payantes économiques actuelles des sept fournisseurs retenus. Il ne s’agit ni d’un inventaire de tous les hébergeurs ni d’un classement qualitatif. Groq héberge un modèle OpenAI dont les poids sont ouverts ; les tarifs sont ceux de Groq. Les autres lignes concernent l’API directe du concepteur du modèle.

Notes : la fiche de Groq affiche $0.037 pour l’entrée en cache. Sa documentation sur le cache annonce une réduction de 50%, ce qui donne mathématiquement $0.0375 à partir du tarif d’entrée. Le tableau conserve la précision affichée sur la fiche ; les exemples chiffrés ci-dessous n’utilisent pas ce tarif de cache arrondi. †Les montants Batch de Groq et Mistral sont calculés à partir des réductions de 50% documentées. Groq Batch, Mistral Batch.

Les conditions tarifaires changent la facture. La ligne OpenAI s’applique jusqu’à 272K tokens en entrée ; au-delà, un tarif supérieur s’applique à l’ensemble de la requête. Celle de Haiku couvre les prompts jusqu’à 100,000 tokens, cache compris ; au-dessus, les prix d’entrée et de sortie sont multipliés par cinq. Le palier supérieur de Grok Build commence à 200K tokens de prompt. Les exemples qui suivent restent sous ces trois seuils. Tarifs du modèle OpenAI, tarification du contexte long chez Claude, tarifs xAI.

Chez DeepSeek, les heures pleines sont 01:00-04:00 et 06:00-10:00 UTC, du lundi au vendredi, hors jours fériés chinois. Tous les autres créneaux sont en heures creuses. Ce tarif réduit selon l’horaire n’est pas une remise Batch. Tarifs DeepSeek.

Le tarif d’entrée en cache concerne les lectures répétées éligibles, pas tous les tokens d’entrée. L’écriture en cache coûte $0.125 par million chez OpenAI Luna ; pour Haiku avec un prompt court, elle coûte $0.125 pour cinq minutes ou $0.20 pour une heure. Google affiche un stockage à $1 par million de tokens en cache et par heure. Comptez ces frais séparément des lectures qui trouvent effectivement leur contenu en cache. Tarifs OpenAI, cache Claude, tarifs Gemini.

Prix des API de LLM : une formule pour trois tâches

Chiffrez la requête entière, puis multipliez par le nombre de tâches. Le modèle dont l’entrée coûte le moins cher peut perdre son avantage s’il rédige une longue réponse. Les définitions d’outils de votre application et les messages précédents comptent aussi dans l’entrée.

Pour une entrée ordinaire sans cache, la formule est la suivante :

Coût par requête = (tokens d’entrée × tarif d’entrée + tokens de sortie facturés × tarif de sortie) ÷ 1,000,000.

Les volumes suivants sont des hypothèses de calcul pour ce comparatif, pas des générations mesurées :

• Classer un ticket : 500 tokens en entrée et 20 tokens de sortie facturés. Renvoyer une courte étiquette de service ou un objet de routage.
• Résumer un document : 10,000 tokens en entrée et 500 tokens de sortie facturés. Produire une synthèse de longueur encadrée à partir d’un document dont le texte a déjà été extrait.
• Exécuter une étape d’agent de code : 20,000 tokens en entrée et 2,000 tokens de sortie facturés. Lire les consignes, le code pertinent et les résultats des outils, puis produire la réponse suivante ou une proposition de modification.

Les budgets de sortie incluent les éventuels tokens de raisonnement facturés. Un modèle de raisonnement peut dépasser ces budgets sur votre tâche : remplacez alors les hypothèses par la consommation qu’il rapporte. Un même document peut aussi donner des comptes différents selon le tokenizer. Fixer un nombre identique de tokens permet de comparer les tarifs ; cela ne garantit ni une qualité égale, ni une longueur de document équivalente, ni le même effort de raisonnement.

Coût pour 1,000 tâches réussies en un seul appel

Le tableau suppose que chaque appel réussit. Il exclut les lectures et écritures en cache, le stockage, les outils, les majorations régionales, les taxes, les nouvelles tentatives et la vérification humaine. Une étape d’agent correspond à un appel au modèle, pas à une mission de développement menée à terme.

Tous les totaux ont été calculés pour cet article à partir des tarifs datés ci-dessus. Multipliez par dix pour 10,000 tâches mensuelles. À ce volume, l’étape de code retenue dans l’exemple coûte $21 chez Groq ou $30 chez Luna. L’écart est de $9 par mois avant les échecs et les outils : un ordre de grandeur à garder en tête avant de consacrer une semaine à la migration d’une fonctionnalité qui fonctionne.

Classement de tickets : une réponse aussi courte que possible

Sur le prix, Groq est le premier candidat à tester pour cette tâche bien délimitée. Un appel coûte (500 × $0.075 + 20 × $0.30) ÷ 1,000,000 = $0.0000435. Pour 10,000 tickets par mois, cela représente $0.435 d’inférence Standard, ou $0.2175 avec la remise Batch documentée si la file d’attente peut patienter.

Un fondateur qui souhaite étiqueter les demandes reçues par son support doit définir les catégories autorisées avant de choisir le modèle. « Facturation », « technique » et « compte » se vérifient automatiquement. Un paragraphe non demandé qui explique le choix ajoute de la sortie sans aider le routage. Traitez les tickets ambigus à part et soumettez-les à une vérification plutôt que d’imposer une étiquette présentée comme certaine.

Le compromis porte sur la latence et la planification. Le tri en direct exige une réponse immédiate. Le reclassement d’anciennes archives de support peut attendre un traitement Batch. Groq documente des délais de traitement allant de 24 heures à sept jours : promettre un résultat pour le lendemain suppose donc de prévoir la capacité nécessaire. Documentation Groq Batch.

Résumé de documents : payer pour une synthèse utile

Gemini 2.5 Flash-Lite est un bon premier candidat si vous avez besoin de sa prise en charge des PDF et des entrées multimodales. Avec l’hypothèse de tokens texte retenue, un résumé coûte (10,000 × $0.10 + 500 × $0.40) ÷ 1,000,000 = $0.00120. Soit $12 pour 10,000 résumés par mois, ou $6 en Batch. Le calcul équivalent en texte seul est moins cher chez Groq, mais le modèle sélectionné n’accepte pas la même diversité d’entrées. Capacités des modèles Gemini, capacités du modèle Groq.

Ce calcul vaut pour du texte extrait. Un PDF numérisé contenant des images de pages peut présenter un profil de tokens différent ; l’extraction, la recherche documentaire et le stockage peuvent aussi entraîner leurs propres frais. Le bon critère de validation est la conservation de la décision, des échéances et des exceptions dans la synthèse, davantage que l’élégance de sa rédaction.

Pour analyser des entretiens clients, demandez un ensemble précis de constats accompagnés de références aux sources. Si le résumé omet une réserve qui change la décision produit, un paragraphe moins cher n’a pas accompli la tâche. Gardez le document d’origine accessible pour vérification plutôt que de payer une seconde réécriture plus longue.

Agent de code : budgéter toute la boucle

Dans une intégration existante, commencez par Luna ou Haiku, puis évaluez Groq comme solution moins chère. L’étape hypothétique de Luna coûte (20,000 × $0.10 + 2,000 × $0.50) ÷ 1,000,000 = $0.003. Avec un prompt court, Haiku revient au même prix. Aucun de ces montants ne prouve que le modèle saura réaliser votre modification.

Un agent de code envoie du contexte, reçoit une action proposée, exécute des outils, puis renvoie leurs résultats au modèle. Ce cycle se répète. Un test échoué peut déclencher un nouvel appel avec un historique encore plus long. Comptez chaque passage, le raisonnement facturé et l’environnement d’exécution externe. Un tableau de prix au token ne permet pas de chiffrer toute cette boucle sans en observer le fonctionnement.

Pour une petite tâche de maintenance, exigez les fichiers modifiés, le résultat du test pertinent et une condition d’arrêt claire. Préférez un correctif ciblé à un long récit. Passer de 2,000 à 500 tokens de sortie facturés au tarif de Luna économise $0.00075 par étape, soit $7.50 sur 10,000 étapes, à condition que la réponse plus courte accomplisse toujours le travail.

Cache, Batch et longueur des réponses : ce qui change le classement

Le cache réduit le coût des entrées répétées ; le Batch profite aux tâches qui peuvent attendre ; une sortie plus courte réduit le coût de chaque appel réussi. Ces leviers sont distincts. Les cumuler sans vérifier les règles conduit à surestimer les économies.

Lire le cache et l’écrire ne coûtent pas la même chose

Supposons que l’étape de code réutilise un préfixe de 18,000 tokens éligible au cache, ajoute 2,000 nouveaux tokens d’entrée et génère 2,000 tokens de sortie facturés. Le préfixe est le début inchangé de la requête, par exemple les consignes et des documents de référence stables. Lorsque le contenu est bien retrouvé en cache, Luna ou Haiku avec un prompt court coûte :

(18,000 × $0.01 + 2,000 × $0.10 + 2,000 × $0.50) ÷ 1,000,000 = $0.00138.

La première requête, qui écrit ce préfixe à $0.125 par million, coûte $0.00345, en supposant que le suffixe variable reste facturé comme une entrée ordinaire. Pour dix appels comprenant une écriture et neuf lectures complètes avant expiration, le total atteint $0.01587, contre $0.030 sans cache, soit 47.1% d’économie. Ce calcul porte sur les dix appels complets : diviser le prix de l’entrée par dix ne divise pas toute la facture par dix.

Pour cette même étape avec lecture réussie du cache, DeepSeek coûte $0.001554 en heures creuses ou $0.003108 en heures pleines. Son tarif de lecture du cache plus bas ne suffit pas à battre Luna ici, car les nouvelles entrées et la sortie coûtent davantage. Le calcul équivalent chez Mistral, limité lui aussi à une lecture réussie, donne $0.00058. C’est un tarif prometteur pour une tâche délimitée, pas la preuve de compétences équivalentes en programmation.

Ne mettez en cache que ce que vous prévoyez de réutiliser. Chez Google, conserver un cache explicite de 10,000 tokens pendant une heure coûte $0.01. Chaque réutilisation complète économise $0.0009 sur l’entrée au tarif Standard : il faut donc douze lectures pour dépasser le seul coût de stockage, auquel s’ajoute le traitement initial. Un résumé ponctuel ne justifie pas ce cache simplement parce qu’un tarif de lecture réduit existe. Tarifs du cache Gemini.

Les remises Batch suivent les règles de chaque fournisseur

Réservez le Batch aux tâches indépendantes en attente, plutôt qu’à la prochaine action d’une conversation en direct. OpenAI, Anthropic, Google, Mistral et Groq documentent des traitements à moitié prix sur l’entrée et la sortie des modèles retenus. La page tarifaire de DeepSeek présente plutôt des créneaux horaires ; Grok Build 0.1 ne prend explicitement pas en charge le Batch.

Anthropic indique que ses remises Batch et cache se cumulent. Groq précise l’inverse : les tokens Batch bénéficient déjà de la réduction, qu’ils proviennent ou non du cache. Chez Google, le tarif de lecture du cache en Batch retenu ici reste à $0.01, alors que l’entrée ordinaire est divisée par deux. Calculez la facture par catégorie de tokens au lieu d’appliquer deux pourcentages de réduction à son ensemble. Remises Claude, règles de cache Groq, tarifs Batch Google.

Quand la sortie s’allonge, Mistral passe devant Groq

Ministral 3 3B devient moins cher que Groq GPT OSS 20B lorsque la sortie dépasse un token pour huit tokens d’entrée, à nombres de tokens Standard sans cache identiques et à résultats réussis. Mistral facture l’entrée plus cher, mais la sortie moins cher ; l’égalité entre les deux factures donne un seuil sortie/entrée de 0.125.

Avec 20,000 tokens en entrée et 4,000 en sortie, Mistral coûte $0.0024 par appel, contre $0.0027 pour Groq. Les trois tâches de référence ont des sorties plus courtes : c’est pourquoi Groq l’emporte dans ces lignes. Une fonctionnalité qui produit de longues descriptions, des réécritures ou des rapports peut inverser ce classement.

Ne raccourcissez pas la sortie uniquement pour rester dans la colonne la moins chère. Définissez le livrable minimal utile : une étiquette, un extrait, un correctif ou une synthèse de longueur encadrée. Vérifiez ensuite que le modèle moins cher sait le produire de façon régulière.

Comparatif des API d’IA : quelle offre économique choisir ?

Ces sept fiches donnent un ordre d’évaluation, pas un palmarès de performances. Chaque offre présente une contrainte opérationnelle différente. Les prix indiqués sont les tarifs Standard d’entrée et de sortie actuels les plus bas ; les grilles complètes se trouvent sur les pages des fournisseurs.

1. Groq : à tester d’abord pour du texte court et vérifiable

Groq est un fournisseur d’inférence qui héberge OpenAI GPT OSS 20B, un modèle texte prenant en charge les outils, le raisonnement et les sorties structurées. Il arrive en tête des trois exemples sans cache parce que son faible tarif d’entrée convient aux réponses courtes produites à partir de prompts plus volumineux. Pour classer des tickets de support ou traiter une file de documents en texte seul, commencez par lui si vous êtes prêt à comparer la validation des résultats avec votre solution actuelle. La limite tient au résultat, pas à la vitesse de génération annoncée : une étiquette invalide ou un passage de raisonnement supplémentaire peut annuler l’économie. Détails du modèle.

À privilégier pour : les réponses courtes validées et les files de tâches textuelles indépendantes
Point fort : la facture sans cache la plus basse pour les trois budgets de tokens retenus
Tarifs : à partir de $0.075 en entrée et de $0.30 en sortie par million de tokens
Essai gratuit : aucune allocation promotionnelle prise en compte dans ce comparatif

Le guide des tarifs Groq couvre plus largement le choix de l’offre. Pour cette sélection, utilisez la ligne GPT OSS dont le prix est public. Le catalogue actuel de Groq propose Llama 3.1 8B sur devis : son ancien tarif public ne peut donc pas servir de budget. Catalogue actuel des modèles de production.

Préparer une première comparaison

1. 1

   Choisir une tâche bien délimitée

   Prenez le classement des tickets, plutôt que l’assistant de support entier. Écrivez les étiquettes autorisées et les situations qui exigent une vérification.

2. 2

   Comparer des requêtes représentatives

   Pour un premier tri, utilisez 100 exemples représentatifs dont les données ont été expurgées des informations sensibles. Incluez des tickets ambigus, mal formés et inhabituellement longs. Appliquez les mêmes critères de validation à la solution actuelle et au candidat.

3. 3

   Consigner le résultat complet

   Enregistrez la validation ou le rejet de la sortie, les tokens d’entrée et de sortie facturés, la latence de bout en bout et chaque nouvelle tentative ou recours au modèle de secours. Distinguez les lectures en cache de l’entrée ordinaire.

4. 4

   Ne migrer que les tâches qui passent la validation

   Confiez au modèle moins cher les catégories de classement validées. Conservez une solution de secours pour les résultats rejetés et poursuivez le suivi au-delà de l’échantillon initial.

2. Mistral : un candidat économique quand la sortie domine

Mistral propose Ministral 3 3B, un modèle compact avec sorties structurées, appels de fonctions et prise en charge des questions sur documents. Son tarif identique en entrée et en sortie le rend intéressant pour une transformation délimitée qui produit un résultat conséquent à partir d’un prompt court. Un fondateur qui génère des descriptions de produits standardisées peut l’évaluer avant de payer la sortie plus cher ailleurs. Sa limite est la complexité de la tâche : la sortie la moins chère n’est utile que si le petit modèle respecte les détails et les contraintes imposés. Capacités de Ministral.

À privilégier pour : les réécritures, descriptions et extractions délimitées dont la sortie peut être vérifiée automatiquement
Point fort : le même prix Standard en entrée et en sortie
Tarifs : à partir de $0.10 en entrée et de $0.10 en sortie par million de tokens
Essai gratuit : crédits d’évaluation exclus ; le tarif indiqué concerne l’inférence payante

Utilisez ministral-3b-2512 pour reproduire cette évaluation. « Small », « Mini » et « 3B » ne sont pas des noms de produits interchangeables. Si les tests montrent que la tâche exige un modèle Mistral plus grand, recalculez la facture avec son tarif au lieu d’appliquer le prix du petit modèle à une autre gamme de capacités.

3. Google : une option pratique pour les documents et les prototypes

Google Gemini propose Gemini 2.5 Flash-Lite, actuellement répertorié comme modèle stable pour les tâches légères portant sur du texte, des images, de la vidéo, de l’audio et des PDF. C’est un bon premier candidat si votre outil de résumé traite davantage que du texte extrait, ou si vous souhaitez prototyper avec une offre gratuite publiée. La facture texte payante reste assez proche des options les moins chères pour que les formats acceptés orientent le choix d’intégration. La limite tient à l’écart entre un budget normalisé en tokens texte et la requête multimodale réellement envoyée. Détails des modèles Gemini.

À privilégier pour : le traitement léger de documents et les prototypes utilisant des données expurgées des informations sensibles
Point fort : de nombreux formats d’entrée et une offre gratuite publiée
Tarifs : Standard payant à partir de $0.10 en entrée texte et de $0.40 en sortie par million de tokens
Essai gratuit : offre gratuite disponible, avec ses propres limites et conditions

La page tarifaire de Google distingue l’usage des contenus de l’offre gratuite de celui des contenus de l’offre payante. Pour un prototype gratuit, utilisez des données expurgées des informations sensibles et vérifiez les conditions de l’offre payante avant de traiter des données clients. Le guide des tarifs Gemini distingue plus largement les abonnements et les options API ; ce comparatif porte uniquement sur la Developer API.

4. OpenAI : réduire le coût d’une intégration qui fonctionne

OpenAI propose GPT-6 Luna pour des tâches ciblées à fort volume, avec sorties structurées et effort de raisonnement réglable. Dans une application qui utilise déjà OpenAI, c’est le premier modèle économique à évaluer avant de changer de fournisseur. Les validateurs et mécanismes de secours existants ont de la valeur, surtout lorsque l’économie mensuelle de référence d’une migration n’atteint que quelques dollars. La limite est un raisonnement mal maîtrisé ou des boucles d’outils répétées : un faible tarif unitaire ne plafonne pas le nombre de tokens facturés. Documentation du modèle Luna.

À privilégier pour : les tâches délimitées dans une application OpenAI existante
Point fort : un candidat peu coûteux sans reconstruire les opérations propres au fournisseur
Tarifs : à partir de $0.10 en entrée et de $0.50 en sortie par million de tokens au palier de contexte court
Essai gratuit : aucun crédit promotionnel déduit des coûts indiqués

Pour les workflows utilisant des outils, la fiche du modèle oriente vers Responses ; les appels de fonctions avec Chat Completions exigent de régler reasoning_effort sur none. Conservez l’endpoint et les paramètres dans votre compte rendu d’évaluation. Tester « le même modèle » avec des réglages de raisonnement ou d’outils différents ne constitue pas la même expérience opérationnelle.

Pour une courte tâche de classement, commencez avec le niveau de raisonnement minimal qui passe la validation. Pour une proposition de modification de code, n’en autorisez davantage que si le gain de résultats acceptés justifie les tokens supplémentaires. Ces choix doivent découler de votre jeu de tests, pas d’une page tarifaire.

5. Anthropic : des étapes Claude économiques dans la limite du prompt court

Anthropic destine Claude Haiku 5.5 au classement, au routage, à l’extraction et aux tâches de sous-agents. Dans une application Claude existante, il mérite de figurer parmi les premiers modèles évalués, car ses tarifs de prompt court sont identiques à ceux de Luna. Conservez l’intégration si les deux réussissent la tâche et qu’une migration n’apporte aucun bénéfice opérationnel. Sa limite est le seuil de 100,000 tokens de prompt, qui inclut les lectures en cache comme les nouveaux contenus soumis. Présentation de Haiku, règles tarifaires.

À privilégier pour : le classement et l’extraction dans un workflow Claude existant
Point fort : des tarifs de prompt court identiques à ceux de Luna et des remises Batch/cache cumulables
Tarifs : à partir de $0.10 en entrée et de $0.50 en sortie par million de tokens jusqu’à 100,000 tokens de prompt
Essai gratuit : la documentation mentionne un petit crédit de test, sans montant fixe

Un classificateur à prompt court et une conversation de code qui accumule du contexte peuvent commencer sur le même modèle et finir dans des paliers tarifaires différents. Enregistrez la longueur du prompt pour chaque requête, pas seulement une moyenne mensuelle. Une moyenne basse peut masquer un petit nombre d’appels coûteux à contexte long.

Le guide des tarifs de l’API Claude couvre l’ensemble de la gamme. Ici, la décision est plus ciblée : évaluez Haiku pour l’étape délimitée et conservez un modèle plus puissant en secours lorsque vos critères de validation l’exigent. Ne confondez pas la fenêtre de contexte acceptée par un modèle avec son palier de contexte le moins cher.

6. DeepSeek : pour le contexte répété et les tâches planifiables

DeepSeek sert actuellement deepseek-flash sous la version DeepSeek V4.1 Flash-1017, avec sortie JSON, outils et grande fenêtre de contexte. Il mérite un essai pour les tâches à contexte répété qui peuvent s’exécuter en heures creuses, surtout si un prompt DeepSeek existant passe déjà la validation. Il ne remporte aucun des exemples sans cache ci-dessus, et son très faible prix de lecture du cache ne compense pas toutes les requêtes à sortie volumineuse. Sa limite tient à la combinaison de l’horaire, des contenus absents du cache et de la longueur de sortie. Modèle et tarifs actuels.

À privilégier pour : le contexte répété et les files de tâches aux horaires flexibles
Point fort : une entrée peu coûteuse lorsque le cache répond, avec des heures creuses explicitement définies
Tarifs : à partir de $0.15 en entrée et de $0.60 en sortie par million de tokens en heures creuses
Essai gratuit : aucune allocation permanente supposée dans le comparatif

Consultez le guide des tarifs DeepSeek pour le choix plus large du compte et des usages. Pour la planification, enregistrez le créneau facturé de chaque requête et les tokens effectivement lus en cache. Un fondateur peut décaler un stock de documents historiques en heures creuses ; une conversation client en direct doit être traitée quand le client arrive.

Conservez deepseek-flash et la version servie dans votre suivi des coûts. La page officielle indique que les anciens alias Flash renvoient désormais au modèle et aux tarifs actuels. Un identifiant de modèle conservé dans une ancienne configuration ne garantit pas le maintien du prix.

7. xAI : choisir l’aptitude au code, au-delà de la réputation tarifaire

xAI affiche Grok Build 0.1 comme son modèle texte le moins cher dans sa grille publique actuelle. Ce modèle orienté programmation dispose d’appels de fonctions, de sorties structurées et de raisonnement. Retenez-le parmi les candidats si cette adéquation au workflow peut justifier un coût plus élevé par appel, puis exigez des preuves sur vos propres tâches. Sa limite dans ce comparatif est simple : il coûte plus cher que les autres options retenues et sa fiche indique que le Batch n’est pas pris en charge. Modèle Grok Build, tarifs xAI actuels.

À privilégier pour : un workflow de code où son avantage en résultats acceptés a été démontré
Point fort : un candidat spécialisé dans le code avec des capacités d’outils documentées
Tarifs : à partir de $1.00 en entrée et de $2.00 en sortie par million de tokens, sous 200K tokens de prompt
Essai gratuit : aucun crédit d’abonnement ni quota d’essai supposé

N’appliquez pas à cette ligne le prix dont vous vous souvenez pour un ancien modèle Grok Fast. La recommandation repose sur la grille officielle actuelle. Si votre compte donne accès à d’autres modèles ou à des conditions négociées, chiffrez-les explicitement avant de les substituer.

La bonne raison de choisir xAI serait une diminution des étapes de code échouées ou répétées sur vos tâches. Cet avantage n’a pas été testé ici. Sans lui, les tarifs au token cités ne justifient pas d’en faire le modèle par défaut pour classer des tickets ou produire des résumés simples.

Quelle API choisir selon la tâche ?

Choisissez la solution la moins chère qui réussit la tâche, puis continuez à mesurer les résultats achevés. Le point de départ dépend des contraintes de l’usage.

Pour classer des tickets, évaluez d’abord Groq sur le prix, puis Mistral comme autre candidat à sortie délimitée. Exigez une étiquette autorisée et un circuit de vérification fiable. Si OpenAI ou Claude fonctionne déjà, mettez la faible économie potentielle en regard du temps de développement nécessaire au changement.

Pour résumer des documents, essayez Gemini lorsque la prise en charge des PDF ou des entrées multimodales évite une préparation séparée. Essayez Groq si vos documents sont déjà du texte propre. Vérifiez la couverture des faits et la conservation des exceptions avant de juger le style, et passez les tâches indépendantes en attente par le Batch lorsque les délais le permettent.

Pour une étape d’agent de code, commencez par Luna ou Haiku dans l’intégration que vous maintenez déjà. Ajoutez Groq comme candidat tarifaire, DeepSeek pour le contexte répété ou les tâches planifiées, et Grok Build si vous avez une raison de tester son aptitude au code. Un faible tarif d’entrée ne dit pas combien de boucles d’outils seront nécessaires pour mener la mission à bien.

À partir de quand faut-il changer de modèle ?

Abandonnez le premier appel bon marché lorsque ses échecs rendent le parcours complet plus coûteux. Prenons un workflow de code explicitement hypothétique : l’appel économique coûte $0.0021 et le recours à un modèle de secours ajoute $0.003. Si 40% des tâches exigent ce recours et que chaque reprise réussit, le coût moyen des tokens est de $0.0021 + 0.40 × $0.003 = $0.0033 par tâche achevée.

Cela dépasse les $0.003 de la solution directe avec les mêmes hypothèses de tokens. Le seuil d’équilibre est un taux de recours de 30%. Il s’agit d’un calcul de routage, pas d’un taux d’échec observé chez Groq, Luna ou un autre modèle ; des prompts de reprise plus longs et des corrections humaines peuvent abaisser ce seuil.

Définissez la réussite avant de la compter. Pour le classement, c’est la bonne étiquette parmi celles autorisées. Pour le résumé, c’est la conservation des faits requis. Pour le code, c’est une modification conforme à l’objectif qui passe les vérifications convenues. Recevoir une réponse ne signifie pas que la tâche est terminée.

Si vous utilisez une passerelle pour comparer les fournisseurs, intégrez ses conditions commerciales propres. Le guide des tarifs OpenRouter explique ce mode d’achat. Aucun tarif d’OpenRouter ni d’un autre revendeur n’est utilisé dans les tableaux de cette page.

Comment cette sélection a été établie

Cet article est un comparatif tarifaire daté avec des calculs de coûts originaux ; ce n’est pas un banc d’essai qualitatif. Les pages officielles de tarifs et de capacités ont été consultées lors de sa préparation. Aucun modèle n’a été exécuté sur les trois tâches et aucune recommandation ne prétend démontrer une supériorité mesurée en précision ou en latence.

La sélection comprend les sept fournisseurs du périmètre, avec un modèle texte généraliste économique actuellement proposé ou, pour la ligne texte actuellement la moins chère de xAI, son modèle orienté code. Elle exclut les familles de modèles abandonnées, les prix uniquement sur devis, les classificateurs spécialisés dans la sécurité, la génération d’images, la parole et les embeddings. Leurs capacités ou unités de facturation rendraient trompeuse une comparaison du texte le moins cher.

L’évaluation repose sur cinq critères pratiques : le coût ordinaire de l’entrée et de la sortie, les règles du cache et du Batch, les formats d’entrée nécessaires, les seuils de longueur des prompts et le travail requis pour obtenir un résultat accepté. Le second tableau fixe les nombres de tokens pour rendre les calculs reproductibles. Une prévision de production doit remplacer ces volumes par la consommation réelle de chaque modèle.

Cet article prolonge le comparatif plus large des API d’IA les moins chères avec une grille de fournisseurs directs et trois budgets par tâche. Les tarifs des outils de suivi, agrégateurs et revendeurs sont exclus. Les prix publics constituent un point de départ ; un contrat négocié ou une restriction de modèle propre au compte exige sa propre comparaison.

Les choix à éviter

Écartez la solution mal adaptée, pas un fournisseur entier. Les choix suivants transforment un prix apparemment bas en prévision erronée.

• Groq Llama 3.1 8B à un ancien tarif public : le catalogue actuel demande de contacter le service commercial. Obtenez un devis ou utilisez la ligne GPT OSS dont le prix est actuellement publié.
• Grok Build pour un simple classement sans avantage mesuré : sa facture de référence est la plus élevée ici. Son orientation code n’aide pas, à elle seule, à choisir entre trois étiquettes de routage.
• Le tarif de prompt court de Haiku pour de longues conversations : l’historique en cache compte toujours dans le seuil du prompt. Chiffrez le palier de chaque requête.
• DeepSeek budgété en heures creuses permanentes : la demande en direct peut tomber sur les créneaux plus chers. Chiffrez les horaires réellement imposés par vos clients.
• Le cache explicite Gemini pour un document lu une seule fois : le stockage et le traitement initial peuvent dépasser l’économie d’une lecture à tarif réduit qui n’aura jamais lieu.
• Ministral comme agent de code autonome sans validation : le faible prix de sortie justifie de tester une tâche délimitée, pas de supposer que chaque modification proposée est correcte.
• Le traitement Standard pour un stock de tâches éligible au Batch : lorsque le calendrier le permet, comparez l’option Batch documentée avant de changer de modèle ou de fournisseur.

API de LLM gratuites et comparaison des prix : les questions fréquentes

Comment comparer les prix des API de LLM ?

Pour un modèle précis, comparez l’entrée, la sortie facturée, les lectures en cache, la création ou le stockage du cache, le Batch et les paliers de longueur du prompt. Groq arrive en tête des trois exemples sans cache de cet article ; Mistral peut passer devant lorsque la sortie s’allonge. La validation réelle des résultats, la tokenisation et les nouvelles tentatives déterminent la facture de votre application.

Quelle API de LLM gratuite choisir pour développer ?

Google propose une offre gratuite pour Gemini 2.5 Flash-Lite. Ses limites et ses conditions d’utilisation des contenus diffèrent de l’offre payante. Utilisez des données adaptées à l’évaluation et expurgées des informations sensibles, puis chiffrez la solution payante avant de faire dépendre la demande de vos clients d’un quota gratuit.

Existe-t-il une API de LLM gratuite et illimitée ?

Aucun des éléments tarifaires cités n’établit l’existence d’un service de production gratuit et illimité. Considérez l’accès gratuit comme une possibilité d’évaluation soumise à ses propres conditions. Un tarif payant au token associé à un volume de requêtes mesuré fournit un budget de production plus utile qu’une promesse d’illimité non étayée.

Dès lundi, mesurer une fonctionnalité

Lundi, mesurez une fonctionnalité avant de changer toute votre stack. Prélevez un échantillon représentatif de requêtes, comptez les tokens réels en entrée et la sortie facturée, puis comparez la solution actuelle au candidat le moins cher qui semble adapté. Conservez les mêmes critères de validation et enregistrez les nouvelles tentatives, les écritures et lectures réussies du cache, ainsi que les coûts des outils.

Pour un classificateur, imposez les étiquettes autorisées. Pour un résumé, vérifiez les faits et les exceptions. Pour une étape de code, exigez le correctif et le résultat du test pertinent. Ne migrez que la catégorie de tâches qui passe la validation, gardez la solution de secours et conservez la date des tarifs avec le calcul : vous pourrez ainsi mettre à jour le budget sans refaire toute l’évaluation.

Utilisez la checklist d’audit des workflows d’IA en entreprise pour préciser les entrées, les critères de validation et la solution de secours d’une fonctionnalité avant de changer son modèle.