Prix GPT Image 2.5 : le vrai coût par image

Le prix GPT Image 2.5 par image n’est pas un forfait : Sunburst et Flare facturent tous deux $8 par million de tokens d’image en entrée, $2 pour ceux mis en cache, $30 pour l’image en sortie, $5 pour le texte en entrée et $1.25 pour le texte en entrée mis en cache. Pour obtenir un coût par image défendable, il faut partir de l’usage de chaque réponse et comptabiliser chaque retouche, image partielle et nouvelle tentative facturable, au lieu de reprendre un ancien barème GPT Image 2.

Prix GPT Image 2.5 par image : la formule

Le chiffre utile correspond au nombre total de tokens facturables divisé par le nombre d’images validées. OpenAI applique les mêmes tarifs à GPT Image 2.5 Sunburst et Flare : aucun des deux modèles n’est donc automatiquement moins cher par image. La facture finale dépend de leur consommation de tokens, des paramètres choisis et du nombre de tentatives.

Ces tarifs ont été vérifiés le 9 septembre 2026 sur la page de tarification de l’API OpenAI, ainsi que sur les pages en ligne des deux modèles.

Le texte en sortie n’est pas facturé séparément, puisque ces modèles produisent des images. Pour une requête directe à l’Image API, le calcul est le suivant :

Coût de la requête = texte standard en entrée + texte en entrée mis en cache + image standard en entrée + image en entrée mise en cache + image en sortie.

Multipliez chaque nombre de tokens par le tarif au million correspondant. Une requête initiale de génération à partir d’un texte ne comprend normalement aucun poste d’image en entrée. Une retouche en comprend un, car l’image de référence doit être traitée. Si la Responses API orchestre l’appel de génération d’image, ajoutez également la consommation de tokens du modèle principal. Le guide de génération d’images d’OpenAI précise que les requêtes Responses entraînent cette consommation supplémentaire.

Le champ usage de la réponse fait foi. Ne considérez pas un prompt ou une référence réutilisés comme mis en cache si les données d’usage ne l’indiquent pas. Et ne divisez pas la dépense par le nombre de requêtes si l’équipe rejette la moitié des résultats : un workflow créatif achète des assets validés, pas des appels API.

Exemples de coût par image, avec hypothèses explicites

Un exemple modélisé n’a d’intérêt que si ses hypothèses restent visibles. Aucun des nombres de tokens ci-dessous n’est présenté comme un usage habituel de Sunburst ou de Flare. Remplacez-les par les valeurs renvoyées par vos propres réponses.

Nouvelle génération. Supposons qu’une requête utilise 200 tokens de texte non mis en cache et 2,000 tokens d’image en sortie, sans image en entrée. Le texte coûte 200 × $5 / 1,000,000 = $0.001. La sortie coûte 2,000 × $30 / 1,000,000 = $0.060. Le total modélisé de la requête est de $0.061.

Retouche d’une image de référence. Supposons 250 tokens de texte non mis en cache, 6,000 tokens d’image en entrée non mis en cache et 2,000 tokens en sortie. Les trois composantes coûtent respectivement $0.00125, $0.048 et $0.060. Le total modélisé de la retouche est de $0.10925.

Retouche répétée avec mise en cache déclarée. Conservons les mêmes nombres de tokens, mais supposons que la réponse indique que l’ensemble du texte et des images en entrée provient du cache. Les composantes d’entrée tombent à $0.0003125 et $0.012 ; la sortie reste à $0.060. Le total modélisé de cette nouvelle retouche est de $0.0723125.

À l’échelle de mille assets validés, ces hypothèses aboutissent à trois budgets très différents : $61 pour des générations réussies du premier coup, $109.25 pour des retouches réussies du premier coup, ou $183 lorsque chaque résultat validé nécessite trois tentatives facturables à $0.061. La bonne unité de prévision est donc :

Coût par asset validé = coût total de toutes les tentatives facturables / nombre de résultats qui passent la validation.

Ce dénominateur révèle les comportements coûteux qu’un barème par token ne montre pas : relances de prompts, boucles de retouche, variantes abandonnées et aperçus diffusés en streaming. Un modèle dont chaque appel coûte plus cher en moyenne peut malgré tout revenir moins cher s’il atteint la validation en moins de tentatives.

1. 1

   Verrouiller le modèle

   Notez l’identifiant exact du modèle. Utilisez gpt-image-2.5-flare-2026-09-08 ou gpt-image-2.5-sunburst-2026-09-08 lorsqu’un snapshot stable est nécessaire, afin de ne pas mélanger discrètement de futures révisions dans un même relevé de coûts.

2. 2

   Figer les paramètres de sortie

   Pendant la mesure, choisissez explicitement une taille et un niveau de qualité plutôt que auto. Les deux modèles prennent en charge low, medium, high, xhigh et max ; modifier ce paramètre peut faire varier la consommation de tokens.

3. 3

   Journaliser chaque réponse facturable

   Enregistrez le modèle, le type de tâche, le texte en entrée, l’image en entrée, les entrées mises en cache, l’image en sortie, la consommation des images partielles et toute consommation du modèle principal renvoyée par Responses.

4. 4

   Qualifier le résultat créatif

   Attribuez à chaque résultat l’état validé, retouché, relancé ou écarté. La dépense d’infrastructure devient ainsi un indicateur de production créative.

5. 5

   Comparer les assets validés

   Additionnez toute la consommation facturable de chaque modèle, puis divisez-la par le nombre de résultats validés. Retenez le modèle et les paramètres qui offrent le coût par asset approuvé le plus bas tout en respectant le niveau de qualité exigé.

Tarifs de GPT Image 2.5 Sunburst

Sunburst n’applique aucun tarif premium aux tokens. Comme Flare, il facture $8 pour l’image en entrée, $2 pour l’image en entrée mise en cache, $30 pour l’image en sortie, $5 pour le texte en entrée et $1.25 pour le texte en entrée mis en cache.

La différence tient à la mission du modèle. OpenAI présente Sunburst comme son modèle de génération et de retouche d’images le plus performant, conçu en priorité pour la précision des retouches. Sa vitesse annoncée est moyenne. Vercel le positionne lui aussi comme l’option la plus lente, mais offrant un contrôle plus fin pour les créations détaillées.

Sunburst devient donc le choix rationnel pour corriger une image produit, préserver un personnage ou reprendre une composition sensible à la mise en page, dès lors qu’une tentative rejetée de plus coûte davantage que l’attente. Il n’est pas automatiquement le choix le plus économique pour explorer des idées en volume. Le seuil de rentabilité est simple : choisissez Sunburst lorsque son coût moyen par appel, multiplié par le nombre de tentatives nécessaires pour obtenir un asset validé, est inférieur au résultat de Flare sur le même brief.

Tarifs de GPT Image 2.5 Flare

Flare coûte autant par token que Sunburst. Son intérêt économique réside donc dans sa vitesse et son débit d’itération, pas dans un tarif réduit. OpenAI qualifie Flare de modèle le plus rapide pour générer au quotidien des images de haute qualité, et indique une vitesse très élevée.

Flare constitue le meilleur point de départ pour les moodboards, l’exploration rapide de compositions, les variantes destinées aux réseaux sociaux et les tâches où un designer compte comparer plusieurs pistes. Il accepte aussi des images en entrée et peut effectuer des retouches. En revanche, la page de tarification ne promet ni moins de tokens ni moins de tentatives pour votre brief.

Utilisez Flare pour les brouillons, puis conservez-le pour la sortie finale uniquement si le journal des assets validés confirme ce choix. Basculer systématiquement chaque version finale vers Sunburst fait perdre du temps lorsque Flare passe déjà la validation ; confier à Flare toutes les retouches exigeant une forte préservation peut faire perdre de l’argent si les tentatives supplémentaires annulent le gain de vitesse.

Coût de la retouche d’image avec GPT Image 2.5

Une retouche coûte plus que la seule image en sortie, car l’image source devient une entrée facturable. C’est souvent à ce stade qu’un prix d’appel cesse de correspondre à la facture.

L’exemple publié par Vercel concrétise le workflow. La première requête met en scène un flacon de parfum sur une pierre claire, dans la lumière du matin. La suivante transmet cette image à Sunburst, demande de remplacer le bouchon par un modèle doré et de ne rien modifier d’autre. Ce deuxième appel comporte désormais trois flux tarifés : le texte de l’instruction, l’image de référence et la nouvelle image en sortie.

Avec les hypothèses de retouche explicites ci-dessus, la référence représente $0.048 sur une requête à $0.10925. Si une révision ultérieure indique que la référence a été mise en cache, la composante d’image en entrée modélisée tombe à $0.012. Dans l’exemple, la sortie coûte toujours $0.060 : la mise en cache ne réduit donc que la partie entrée. Elle ne rend pas un nouveau rendu gratuit.

Le véritable critère de qualité est la préservation, pas la simple réussite technique de la réponse. Vérifiez que la silhouette du flacon, la géométrie de l’étiquette, la direction de la lumière, le cadrage et l’arrière-plan survivent au changement de bouchon. S’ils dérivent, l’appel correctif suivant constitue une nouvelle tentative facturable. Pour le texte intégré aux images, contrôlez chaque caractère à la taille finale. Pour les assets transparents, le guide exige un fichier PNG ou WebP avec un arrière-plan défini comme transparent.

GPT Image 2.5 produit des images matricielles — une grille fixe de pixels — aux formats PNG, JPEG ou WebP. Si le livrable exige des tracés vectoriels modifiables, pour un logo ou un marquage destiné à la production, utilisez le résultat généré comme piste et reconstruisez-le dans un outil vectoriel. Un PNG propre peut être livré tel quel pour de nombreux supports de campagne ; il ne constitue qu’une référence visuelle si l’illustration doit rester modifiable dans sa structure.

Le prix par image de GPT Image 2 ne vaut pas pour la version 2.5

L’ancien barème par image de GPT Image 2 ne peut pas être rebaptisé tarif de Sunburst ou de Flare. Le guide d’OpenAI présente pour GPT Image 2 des exemples de coût d’image en sortie allant de $0.005 à $0.211 selon les tailles affichées et les réglages low, medium et high. Il précise ensuite séparément que les informations relatives aux modèles précédents ne s’appliquent ni à Sunburst ni à Flare.

La page actuelle de Sunburst est encore plus explicite : les tarifs par token sont identiques à ceux de GPT Image 2, mais son calculateur n’estime pas la consommation de tokens de GPT Image 2.5. Des prix unitaires identiques ne prouvent pas que les modèles consomment le même nombre d’unités.

Un tarif réduit confirmé pour l’ancien modèle mérite toutefois d’être clairement distingué. La colonne Batch d’OpenAI affiche actuellement, par million de tokens pour GPT Image 2, $4 pour l’image en entrée, $1 pour l’image en entrée mise en cache, $15 pour l’image en sortie, $2.50 pour le texte en entrée et $0.625 pour le texte en entrée mis en cache. Si sa consommation correspondait à la requête modélisée avec 200 tokens de texte et 2,000 tokens en sortie, le calcul donnerait $0.0305. Il s’agit d’une comparaison hypothétique avec l’ancien GPT Image 2, pas d’un prix pour Sunburst ou Flare.

Les pages des modèles 2.5 mentionnent l’endpoint Batch, mais la page de tarification en ligne d’OpenAI ne publie pas de tarifs Batch pour la version 2.5. Une prévision qui diviserait discrètement par deux les tarifs de Sunburst ou de Flare ne serait pas vérifiée et ne devrait pas être livrée.

Tarif de l’API GPT Image 2.5 : les coûts cachés

Les tarifs de base par token ne constituent que la première ligne de la facture. Six choix opérationnels font varier le coût par image validée.

Orchestration avec Responses. Lorsqu’un modèle principal décide quand ou comment appeler la génération d’images, sa propre consommation en entrée et en sortie s’ajoute à celle du modèle d’image. Utilisez directement l’Image API pour une étape de génération fixe qui ne demande aucune planification conversationnelle. Préférez Responses lorsque cette orchestration justifie son coût distinct.

Paramètres automatiques. Les deux modèles utilisent par défaut la qualité auto, et la taille peut elle aussi être automatique. C’est pratique pour une sortie généraliste, mais peu pertinent pour comparer les prix avec rigueur. Les tailles recommandées dans la documentation sont 1024x1024, 1536x1024 et 1024x1536. Définissez explicitement la taille et la qualité pendant la mesure.

Aperçus en streaming. L’API peut renvoyer de zéro à trois images partielles. Chaque image partielle reçue ajoute 100 tokens d’image en sortie, soit $0.003 au tarif de sortie actuel. Trois aperçus reçus ajoutent $0.009 avant les autres consommations de l’image finale. Une interface qui semble plus rapide entraîne donc un petit coût d’aperçu bien réel.

Nouvelles tentatives facturables. Trois tentatives sur la requête modélisée à $0.061 produisent un asset validé à $0.183. Ne comptez que les appels dont la télémétrie fait apparaître une consommation, mais incluez chacun d’eux même si l’équipe créative écarte l’image.

Crédits prépayés. Les instructions de facturation prépayée d’OpenAI indiquent un achat initial minimum de $5, une valeur par défaut de $10 et l’activation par défaut de la recharge automatique lors de la configuration. Les crédits achetés expirent au bout d’un an et ne sont pas remboursables. Aucune remise annuelle en libre-service ne compense cette expiration. Les achats manuels ne sont pas non plus décomptés de la limite facultative de recharge automatique.

Limites de solde et de débit. Un solde prépayé ne constitue pas un arrêt ferme et instantané. OpenAI indique qu’un retard de remontée de la consommation peut créer un solde négatif, qui sera déduit de l’achat suivant. Par ailleurs, les pages des deux modèles 2.5 indiquent que le Tier Free n’est pas pris en charge et publient les mêmes paliers de débit : Tier 1 à 100,000 tokens et 5 images par minute ; Tier 2 à 250,000 et 20 ; Tier 3 à 800,000 et 50 ; Tier 4 à 3,000,000 et 150 ; Tier 5 à 8,000,000 et 250. Un solde positif ne permet pas de dépasser ces limites.

Tarification de l’API OpenAI face à Vercel AI Gateway

Vercel AI Gateway ne réduit pas les tarifs de base par token de Sunburst ou de Flare. Vercel indique reprendre les prix du fournisseur sans majoration et ne facturer aucuns frais de plateforme d’inférence, y compris avec votre propre clé OpenAI.

La différence est opérationnelle. Un accès direct à OpenAI comporte moins d’intermédiaires et expose la réponse de référence du modèle. Vercel AI Gateway ajoute le suivi des dépenses, les traces de requêtes, les budgets, le routage, le basculement et des tentatives configurables derrière ses noms openai/gpt-image-2.5-flare et openai/gpt-image-2.5-sunburst.

Cette observabilité peut améliorer le dénominateur en montrant quels prompts et quels itinéraires aboutissent à des assets validés. Elle peut aussi masquer le gaspillage si les tentatives automatiques ne sont pas intégrées au journal de coût de chaque asset. Choisissez la passerelle pour son contrôle et ses traces, pas pour une réduction imaginaire du prix des tokens.

L’accès grand public est un produit différent, régi par d’autres limites. Laissez-le hors du tableau de coûts de l’API ; le guide des tarifs de ChatGPT traite ce choix séparément.

Quel modèle une équipe de design doit-elle choisir ?

Commencez avec Flare pour explorer rapidement, et avec Sunburst pour les retouches où la préservation ou la précision des détails est essentielle. Laissez ensuite le coût par asset validé renverser ce choix initial si les données l’imposent.

Pour une équipe social media qui produit de nombreuses pistes visuelles encore ouvertes, la rapidité d’obtention des premières options compte, ce qui correspond au positionnement de Flare. Pour une équipe de marque qui corrige un seul élément au sein d’une composition déjà approuvée, le contrôle plus précis de Sunburst apporte la valeur recherchée. Un studio qui travaille sur des personnages cohérents ou des scènes de produit devrait comparer les deux modèles sur le même brief riche en références, et non sur des exemples de prompts sans rapport.

La décision de livrer appartient toujours à la direction artistique. Contrôlez la typographie, les mains, la netteté des contours, la géométrie des produits, les écarts de composition et l’adéquation du format de sortie avec les retouches prévues ensuite. Le guide plus large des modèles de retouche d’images par IA est utile lorsque la cohérence compte davantage que le recours à un seul fournisseur.

Dès lundi, verrouillez un snapshot de modèle, choisissez une taille et un niveau de qualité explicites, attribuez un identifiant d’asset à chaque génération et retouche, puis commencez à enregistrer la consommation de la réponse à côté du verdict de validation. À la fin de la semaine, divisez la dépense de chaque modèle par le nombre d’assets validés. Vous obtiendrez le prix que votre plan de production peut réellement défendre.

FAQ sur les prix de GPT Image 2.5

Combien coûte GPT Image 2 par image ?

Le guide de l’ancien GPT Image 2 d’OpenAI présente des estimations de coût d’image en sortie allant de $0.005 à $0.211 selon les tailles et les niveaux de qualité affichés, avant le texte ou l’image en entrée. Ces chiffres ne donnent pas le prix de GPT Image 2.5 Sunburst ou Flare.

Combien coûtent 1000 tokens ?

Pour GPT Image 2.5, 1,000 tokens standard d’image en entrée coûtent $0.008, les tokens d’image en entrée mis en cache coûtent $0.002, ceux d’image en sortie $0.03, les tokens standard de texte en entrée $0.005 et ceux de texte en entrée mis en cache $0.00125.

GPT Image 2 est-il illimité ?

Non. GPT Image 2 impose des limites de tokens et d’images par minute selon le niveau du compte, et la consommation est mesurée. GPT Image 2.5 applique le même barème de débit publié sur les pages de ses modèles.

GPT Image 2 est-il disponible gratuitement ?

La page officielle du modèle GPT Image 2 ne prévoit aucun Tier Free permanent pour l’API. Les pages de Sunburst et de Flare indiquent elles aussi que le Tier Free n’est pas pris en charge.

GPT Image 2 est-il performant ?

OpenAI décrit GPT Image 2 comme un modèle rapide et performant de génération et de retouche, proposant plusieurs tailles et des images en entrée de haute fidélité. GPT Image 2.5 se divise désormais en deux modèles : Flare privilégie la vitesse, Sunburst la précision des retouches. Comparez donc les résultats validés sur votre propre brief au lieu de traiter le numéro de version comme un score de qualité.

Existe-t-il un générateur d’images IA 100 % gratuit ?

GPT Image 2.5 n’en est pas un. Un compte peut recevoir des crédits promotionnels, mais le Tier Free du modèle n’est pas pris en charge et le produit public est facturé à l’usage.

Existe-t-il un générateur d’images IA gratuit et sans limites ?

Pas dans l’API GPT Image 2.5. Même l’accès payant comporte des limites de tokens et d’images par minute liées au niveau d’usage du compte.

Peut-on vendre légalement une œuvre générée par IA ?

L’accord de services d’OpenAI indique qu’entre OpenAI et un client de l’API, et dans la mesure autorisée par la loi, le client est propriétaire du résultat. Il reste responsable des droits relatifs aux entrées et de l’utilisation du résultat, lequel peut ne pas être unique. Cette clause contractuelle ne remplace pas un conseil sur le droit d’auteur, les marques, le droit à l’image ou les règles de votre juridiction.

Quelle IA est entièrement gratuite ?

Il n’existe pas de réponse universelle et durable, car les quotas et les limites des produits évoluent. GPT Image 2.5 n’est pas entièrement gratuit : évaluez chaque solution de remplacement selon les conditions actuelles de son fournisseur, et non d’après une liste d’outils gratuits.

GPT Image 2.5 propose-t-il une remise étudiante ?

Aucune remise étudiante pour l’API GPT Image 2.5 n’est publiée. L’offre étudiante actuelle d’OpenAI concerne la facturation de ChatGPT Plus, pas l’utilisation d’images via l’API.

Quelle est la politique de remboursement de GPT Image 2.5 ?

Le modèle d’image ne dispose pas de formule de remboursement distincte. OpenAI indique que les crédits API prépayés achetés ne sont pas remboursables, expirent au bout d’un an et ne peuvent pas être prolongés.

GPT Image 2.5 a-t-il modifié le prix des tokens d’image ?

Non au niveau du barème : OpenAI indique que les tarifs par token de Sunburst et de Flare sont identiques à ceux de GPT Image 2. Le coût par image peut néanmoins varier, car la consommation de tokens dépend du modèle, de la qualité, de la taille, de l’image fournie pour la retouche et du nombre de tentatives.

Vous cherchez une méthode plus claire pour auditer le workflow autour de ces appels ? Recevez la checklist d’audit des workflows IA pour l’entreprise en vous abonnant à la newsletter.