Les coûts réels de l'IA

Les coûts réels de l’IA (0,38$ de savoir)

par

La question « Quels sont les programmes de l’école secondaire De Rochebelle? » posée une seule fois à l’IA coûte moins d’un cent car c’est une question de 13 tokens seulement. Mais si les 2 200 élèves de l’école la posent chacun à l’IA, l’addition frôle les 100 $ (93,40 $). C’est le coût réel, invisible, d’une requête à l’intelligence artificielle et c’est ce que nous allons décortiquer dans cet article.

Une question, ça se compte en tokens

Quand on écrit à une intelligence artificielle, le texte n’est pas facturé au mot, mais au token : un petit morceau de texte. La phrase « Quels sont les programmes de l’école secondaire De Rochebelle? » contient 13 tokens (mesuré avec un outil tokenizer récent).

Les modèles sont facturés à leurs utilisateurs professionnels par million de tokens, avec deux prix différents. Un prix pour l’entrée (ce qu’on envoie) et un prix beaucoup plus élevé pour la sortie (ce que le modèle écrit, y compris son raisonnement interne, ce qu’on ne voit pas).

Le tarif utilisé dans cet exemple

Les calculs ci-dessous utilisent un tarif public réel, vérifié le 1er novembre 2026 pour démontrer ce phénomène. On voit dans le tableau qui suit que la question elle-même ne coûte presque rien. C’est la réponse et surtout le raisonnement invisible qui coûte.

Tableau 1 — Pour un seul élève

ÉlémentTypeTokensTarif ($ CA / 1M)Coût ($ CA)
Question (la phrase seule)Entrée131,74710,000023
Réponse visible (estimation)Sortie2005,94000,001188
Raisonnement interne (estimation)Sortie8005,94000,004752
Sous-total sortieSortie1 000—0,005940
TOTAL — échange simple, sans historiqueTotal1 013—0,005963

Muse Spark 1.3 (tarif Standard) à 1,25 $ US par million de tokens en entrée et 4,25 $ US par million en sortie, soit 1,7471 $ CA en entrée et 5,9400 $ CA en sortie au taux de change de 1,39765. L’entrée relue depuis le cache coûte beaucoup moins cher : 0,15 $ US, soit 0,2096 $ CA par million.

Tableau 2 — Et si toute une école pose la même question ?

Si chaque élève pose la question une seule fois:

Nombre d’étudiantsGroupeTotal tokens échange simpleCoût échange simpleTotal tokens avec contexteCoût contexte sans cacheCoût contexte en cache
200Élèves ensemble informatique PMP3202 6001,1925$35 035 00062,047$8,491$
2 200Ensemble des élèves de l’école2 228 60013,1180$385 385 000682,516$93,40$

Le coût caché: le contexte

Les deux dernières colonnes du tableau 2 montrent l’autre piège. Quand on discute avec un agent, chaque nouveau message traîne tout le contexte: les instructions, la mémoire de l’utilisateur et l’historique de la conversation.

Dans l’exemple réel qui a servi à préparer cet article, ce contexte atteignait environ 174 175 tokens. L’échange passe alors de 1 013 à 175 175 tokens, et le coût d’une seule question grimpe à 0,310235 $ CA sans cache, ou 0,042455 $ CA quand le contexte est relu depuis le cache. Multiplié par 2 200 élèves, on obtient les 682,516 $ CA (sans cache) et 93,402 $ CA (en cache) du tableau 2. À l’échelle de toute une école, la question « simple » devient une question à presque 100 $ et, on le verra au tableau 3, à plus de 1 100 $ sur certains modèles sans cache.

Tableau 3 — La même question sur quatre IA

Même question, mêmes hypothèses (13 tokens en entrée, 800 tokens de réflexion, 200 tokens de réponse), mais quatre IA différentes. Premier constat: chez les quatre fournisseurs, la réflexion est facturée au tarif de sortie. La colonne « Réflexion » est donc calculée au même tarif que la réponse et c’est elle qui coûte le plus cher des trois.

IAModèleEntrant
13 tokens		Réflexion
800 tokens		Sortant
200 tokens		Total
1 élève
Muse (Meta)*Muse Spark 1.30,0000230,0047520,0011880,005963$
ChatGPT (OpenAI)GPT-6.1 Sol0,0000360,0111810,0027950,014013$
Claude (Anthropic)Claude Sonnet 5.50,0000360,0111810,0027950,014013$
Gemini (Google)Gemini 3.8 Flash0,0000140,0041930,0010480,005255$
* ATTENTION: L’âge requis pour utiliser un agent AI est de 18 ans.

Tarifs utilisés ($ US par million de tokens, pages officielles, vérifiés le 1er novembre 2026): Muse Spark 1.3 — 1,25 en entrée, 4,25 en sortie; GPT-6.1 Sol — 2,00 en entrée, 10,00 en sortie; Claude Sonnet 5.5 — 2,00 en entrée, 10,00 en sortie (tarifs identiques à GPT-6.1 Sol, d’où des coûts identiques); Gemini 3.8 Flash — 0,75 en entrée, 3,75 en sortie (tarif promotionnel de Google jusqu’au 31 décembre 2026; il double ensuite).

Et à l’échelle de l’école 2 200 élèves qui posent la même question, avec le contexte d’un agent:

IAÉchange simple
2 200 élèves		Avec contexte, sans cacheAvec contexte, en cache
Muse (Meta)13,1180$682,516$93,40$
ChatGPT (OpenAI)30,8282$1 101,865$84,30$
Claude (Anthropic)30,8282$1 101,865$84,30$
Gemini (Google)11,5606$413,199$51,70$

Deux lectures intéressantes: sans cache, les modèles Sol de ChatGPT et Sonnet de Claude aux tarifs identiques sont les plus chers: la même question dépasse alors 1 100 $. En cache, c’est Gemini qui coûte le moins cher. Et le choix du modèle compte autant que la question: le modèle du palier gratuit de ChatGPT, GPT-6 Luna (0,10 $ US en entrée, 0,50 $ US en sortie), ramènerait l’échange simple des 2 200 élèves à seulement 1,54 $ CA. Chez Claude, le petit modèle Haiku 5.5 joue le même rôle: 0,10 $ US en entrée et 0,50 $ US en sortie pour les questions courtes.

Alors, qui paye ?

« Gratuit » à l’écran ne veut pas dire sans coût. Quelqu’un paie toujours les serveurs: l’entreprise qui offre le service, les abonnés à un forfait mensuel, ou l’organisation qui fournit l’outil à ses élèves ou à son personnel.

À titre d’exemple, dans l’application Muse, l’utilisateur du palier gratuit ne paye pas au token: sa consommation se déduit d’une limite hebdomadaire de tokens et, au-delà, d’une banque de tokens supplémentaires. Mais ces tokens ont une valeur réelle. Ce sont les prix du tableau 1 qui la montrent.

Trois bonnes raisons de vérifier soi-même la source

C’est le conseil que je donne souvent à mes élèves: quand une source unique et fiable existe, c’est mieux d’aller la vérifier soi-même plutôt que de demander à l’IA. La question de cet article en est le parfait exemple: les programmes de l’école secondaire De Rochebelle sont décrits sur le site officiel de l’école. Trois arguments, maintenant:

  1. Éviter les fausses nouvelles. L’IA peut se tromper, déformer ou reprendre une mauvaise source. La source unique fiable est le site de l’école, du gouvernement ou de l’organisme concerné qui dit les choses directement, sans intermédiaire.

Petit rappel sur l’exercice fait en classe concernant la fiabilité de l’information avec les IA : 50 % des IA se trompent lorsqu’on leur demande quels sont les programmes de l’école.

  1. Limiter l’impact énergétique. Chaque requête à l’IA mobilise des centres de données. Consulter directement la page source demande beaucoup moins de calcul qu’une réponse générée.
  2. Limiter les dépenses inutiles. C’est le nouvel argument, et c’est celui des tableaux ci-dessus: une question semble gratuite, mais multipliée par descentaines d’élèves, elle finit par coûter de vrais dollars payés par quelqu’un.

Ce qu’on peut faire, concrètement

  • Poser une question précise dès le départ, plutôt que trois questions floues à la suite.
  • Relire la réponse reçue avant de relancer le modèle « pour voir ».
  • Regrouper ses demandes au lieu de multiplier les allers-retours.
  • Se demander si la tâche a vraiment besoin de l’IA ou d’un gros modèle.

Une question à l’IA ne coûte presque rien. Des millions de questions, posées sans réfléchir, finissent par coûter très cher à quelqu’un, quelque part.

L’idée n’est pas d’empêcher d’utiliser l’IA, mais de se rendre compte de son impact en tokens et en finances pour l’utiliser plus judicieusement, plus intelligemment.

Et savoir écrire ?

Savoir bien écrire reste essentiel, même à l’ère de l’IA. Celui qui écrit bien formule sa demande précisément dès le premier essai: moins de tokens, moins d’allers-retours. Il repère aussi les erreurs que l’IA laisse passer ou introduit elle-même, au lieu de les recopier. Et il garde son autonomie: vérifier une source, comprendre un texte et corriger une phrase sans dépendre d’une machine pour chaque mot.

La correction de la phrase précédente par l’IA a coûté environ 876 tokens, soit environ 0,005 $ CA. Presque rien, une fois mais relayée des millions de fois, chaque jour, par des élèves qui ne sauraient plus corriger eux-mêmes, elle devient exactement le genre de dépense et de dépendance que cet article dénonce.

L’IA a été utilisée pour aider à la rédaction de cet article, y compris pour les corrections ci-dessus.
Son coût IA est d’environ 187 000 tokens, soit environ 0,38 $ CA mais si tu lis cet article, cette dépense devient un investissement.

Sources