Calculatrice de coût GPT vs Claude vs Gemini : calculs détaillés par appel (2026)

Le coût par appel suit les mêmes calculs chez tous les fournisseurs :

``` cost_per_call = (input_tokens / 1,000,000) * input_price + (output_tokens / 1,000,000) * output_price ```

Conversion token-vers-mot : environ 1 token par 0,75 mot anglais, ou environ 1 token par 4 caractères. Un prompt de 750 mots représente donc environ 1 000 tokens d'entrée ; une réponse de 375 mots représente environ 500 tokens de sortie.

Les remises ajustent la formule, elles ne la remplacent pas. L'API batch (OpenAI et Anthropic) réduit de moitié à la fois l'entrée et la sortie pour les charges asynchrones avec une fenêtre de livraison de 24 heures. La mise en cache des prompts réduit le tarif d'entrée à 10 % sur les tokens ayant un accès au cache. Les entrées de vision et audio sont comptées comme tokens d'entrée avec un ratio de conversion spécifique au fournisseur.

Les tokens de raisonnement sur la série o et Claude Fable 5 sont comptés en tant que tokens de sortie même s'ils ne vous sont pas renvoyés. Un modèle qui réfléchit pendant 2 000 tokens avant de produire une réponse visible de 200 tokens facture 2 200 tokens de sortie.

Charge de travail de référence : 1 000 tokens d'entrée, 500 tokens de sortie, 1 000 appels. Tarifs standards, sans remises.

OpenAI gpt-5.5 : 1 000 × 0,020 $ = 20,00 $. Anthropic Claude Sonnet 4.6 : 1 000 × 0,0105 $ = 10,50 $. Google Gemini 2.5 Pro : 1 000 × 0,00625 $ = 6,25 $. Google Gemini 2.5 Flash : 1 000 × 0,00155 $ = 1,55 $. Google Gemini 2.5 Flash-Lite : 1 000 × 0,00030 $ = 0,30 $.

Même charge de travail, 0,30 $ à 20 $ selon le modèle — un écart de 66x. À 1 000 appels par jour, la différence est faible en termes absolus (0,30 $ vs 20 $ par jour, 9 $ vs 600 $ par mois). À 1M+ appels par mois, l'écart devient déterminant pour le budget.

Note de qualité : Gemini 2.5 Flash-Lite échange la latence et la profondeur contre le coût. Pour la classification, l'extraction et les Q&A simples, il égale souvent la qualité de Sonnet 4.6. Pour la rédaction nuancée, le raisonnement ou le code, l'écart est plus important et Sonnet/gpt-5.5 gagne. Exécutez une évaluation côte à côte sur 100 échantillons représentatifs avant de vous en tenir au tier le moins cher.

Même charge de référence 1 000 entrées / 500 sorties, mise à l'échelle à 1M appels — un volume mensuel production typique.

Tarifs standards : gpt-5.5 = 20 000 $. Sonnet 4.6 = 10 500 $. Opus 4.8 = 17 500 $. Gemini 2.5 Pro = 6 250 $. Gemini 2.5 Flash = 1 550 $. Gemini 2.5 Flash-Lite = 300 $.

Appliquez la remise API Batch (-50 %) à OpenAI et Anthropic : gpt-5.5 = 10 000 $. Sonnet 4.6 = 5 250 $. Gemini n'offre pas de tier batch publié en juin 2026, donc les lignes Gemini restent inchangées.

Appliquez la mise en cache des prompts où 800 des 1 000 tokens d'entrée ont un accès au cache à 10 % du tarif d'entrée. L'entrée de Sonnet 4.6 baisse de 3 000 $ à (600 $ base + 0,30 $ × 800 × 1M / 1M = 240 $ en cache) = 840 $ d'entrée, total 8 340 $ standard / 4 170 $ en batch. Une réduction de coût de 60 % grâce au cache seul.

Choisir le modèle le moins cher qui atteint le niveau de qualité demandé importe plus que de négocier des remises sur le mauvais modèle. Une équipe exécutant 1M appels par mois sur gpt-5.5-pro paie 120 000 $ par mois ; la même charge de travail sur Sonnet 4.6 coûte 10 500 $ — une différence de 109 500 $ par mois à tarifs standards, soit 12x. Testez toujours le tier suivant avant de valider le budget. Pour les stratégies de qualité de prompt qui survivent à un tier moins cher, notre générateur de code prompt aide à resserrer les blocs d'instructions.

Les trois plus grands leviers de coût se composent. Appliquez-les dans l'ordre et la facture finale sur la même charge de travail peut être 5-15x inférieure au tarif affiché.

Étape 1 : passez au tier de modèle suivant. Les 80/20 de la plupart des charges de travail fonctionnent bien sur le tier en dessous du par défaut de l'équipe. Évaluez sur 100 échantillons représentatifs ; remontez seulement sur les routes où le modèle moins cher échoue.

Étape 2 : mettez en cache les préfixes stables. Le prompt système, les définitions d'outils, les documents de référence — tout ce qui se répète entre les appels — doit se trouver à l'avant du prompt et être marqué comme cache-eligible (sur Anthropic) ou simplement long et stable (sur OpenAI, où le cache est opportuniste). Attendez-vous à 60-90 % d'économies d'entrée sur les portions cachées.

Étape 3 : traitez par batch les charges asynchrones. Tout ce qui n'est pas orienté utilisateur — rapports nocturnes, enrichissements hebdomadaires, remplissages, exécutions d'éval — bascule à l'API Batch pour une économie forfaitaire de 50 % à la fois sur l'entrée et la sortie.

Composition travaillée : gpt-5.5 standard à 1M appels = 20 000 $. Passez à gpt-5.4-mini = 3 000 $ (correspond à la qualité pour beaucoup de tâches). Ajoutez les économies du cache : 3 000 $ → ~2 200 $. Ajoutez le batch sur la moitié offline : 2 200 $ → ~1 650 $. Facture finale : 1 650 $ — une réduction de 92 % par rapport au tarif affiché standards.

Le coût affiché importe moins que le coût par réponse correcte. Un modèle à 0,001 $ par appel qui échoue 30 % du temps est pire qu'un modèle à 0,005 $ par appel qui échoue 5 % — ce dernier a un coût effectif inférieur une fois comptabilisé la nouvelle tentative, la remontée à un tier supérieur, ou le coût d'examen manuel sur les défaillances.

Coût ajusté au benchmark (d'après les évaluations de qualité de 2026 publiées sur les charges de travail chat standards) : Sonnet 4.6 et gpt-5.5 se rapprochent sur la plupart des benchmarks ; Sonnet 4.6 coûte environ la moitié par appel. Gemini 2.5 Pro se situe entre les deux, avec un meilleur rappel sur le long contexte mais des performances mixtes sur le raisonnement multi-étapes. Haiku 4.5 et gpt-5.4-mini sont interchangeables sur la plupart des tâches d'extraction ; Haiku gagne généralement sur le respect des instructions, gpt-5.4-mini sur le coût brut.

En cas de doute, optez par défaut pour Sonnet 4.6 pour les charges de travail chat et de contenu, gpt-5.4-mini pour les tâches de sortie structurée à haut volume, Gemini 2.5 Flash-Lite pour les tâches simples ultra-bon marché. Vérifiez par rapport aux approfondissements sur Prix de l'API OpenAI et Prix d'Anthropic Claude.

OpenAI gagne sur : la maturité de l'écosystème (magasin vectoriel, recherche de fichiers, interprète de code intégrés nativement), la gamme de modèles de raisonnement la plus profonde (o4-reasoning, o4-mini-reasoning), et la génération d'images étroitement intégrée au chat. Optez par défaut pour OpenAI quand vous avez besoin d'outils de première partie au-delà du LLM lui-même.

Anthropic gagne sur : la qualité par dollar sur Sonnet 4.6, les meilleurs mécaniques de mise en cache des prompts (contrôle du cache explicite, option TTL de 1 heure), une bonne adhérence aux instructions, et le contexte le plus long avec un bon rappel sur Opus et Fable. Optez par défaut pour Claude quand vous construisez des agents qui doivent raisonner sur de longs documents ou des plans multi-étapes.

Google Gemini gagne sur : le coût par appel le plus bas à chaque tier, les fenêtres les plus grandes pratiques (2M sur 3.1 Pro Preview, 10M expérimental sur Flash-Lite), et la performance multimodale la plus forte (image, vidéo, audio). Optez par défaut pour Gemini quand le coût est la contrainte ou quand votre charge de travail comprend une vision ou une vidéo substantielles.

Sur les acteurs non phares : DeepSeek V4 est le leader des prix sur les charges de travail de type open-source ; Mistral Large 3 gagne sur les exigences de résidence des données européennes ; Llama 4 gagne quand vous avez besoin d'auto-hébergement. La matrice de fournisseurs complète est plus large que trois — pour le travail à haut volume, exécutez un test comparatif trimestriel.

Reproduisez les calculs en cinq lignes de Python ou une formule Google Sheets :

``` =(input_tokens/1000000)*input_price + (output_tokens/1000000)*output_price ```

Créez une ligne par paire (model, route), insérez vos vrais tokens par appel (utilisez l'endpoint tokenizer pour un compte exact, ou estimez mots/0,75 pour la planification), et mettez à l'échelle par volume d'appels quotidiens. Ajoutez une colonne pour le volume éligible au batch et appliquez -50 % à ce sous-ensemble.

Pour la mise en cache des prompts, estimez la portion cachée comme une fraction de l'entrée totale — 60-90 % est réaliste pour les chatbots avec des prompts système stables, 0 % pour les prompts utilisateur uniques. Multipliez la portion cachée par 10 % du tarif d'entrée, la portion non cachée par 100 %.

Recalculez mensuellement. Les tarifs des fournisseurs ont augmenté trimestriellement de 2025 à 2026, et le modèle le moins cher à chaque tier change ; l'équipe qui recalcule les hypothèses tous les 90 jours économise 20-40 % par an en régime permanent.

Les tarifs affichés sont abstraits. Ce que les équipes veulent vraiment savoir, c'est : sur ma charge de travail, quelle est la facture mensuelle ? Les trois études de cas ci-dessous parcourent des charges d'entrée-lourde, équilibrées et sortie-lourde en production à des volumes mensuels réalistes. Tous les chiffres sont calculés directement à partir du tarif standard ; les chiffres mis en cache et traitées par batch appliquent la pile de remises de la section ci-dessus (accès au cache à 10 % du tarif d'entrée sur 80 % des tokens d'entrée ; l'API Batch à 50 % de réduction à la fois sur l'entrée et la sortie là où le fournisseur l'offre).

Étude de cas 1 — Northwind Marketing, résumé de ticket de support client. L'équipe ingère 1M tickets de support par mois depuis Zendesk et exécute chacun à travers un LLM qui extrait le produit, le sentiment, la cause première et un thème uniligne. La charge de travail est fortement orientée entrée : 4 000 tokens d'entrée par appel (la transcription du ticket plus la taxonomie de référence) et 200 tokens de sortie (JSON structuré). Factures mensuelles à tarif standard à 1M appels : Claude Sonnet 4.6 = (4 000/1M × 3 $ × 1M) + (200/1M × 15 $ × 1M) = 12 000 $ + 3 000 $ = 15 000 $. gpt-5.4-mini = (4 000/1M × 0,75 $ × 1M) + (200/1M × 4,50 $ × 1M) = 3 000 $ + 900 $ = 3 900 $. Gemini 2.5 Flash = (4 000/1M × 0,30 $ × 1M) + (200/1M × 2,50 $ × 1M) = 1 200 $ + 500 $ = 1 700 $. Appliquez la pile de remises. La taxonomie est identique dans les 1M appels — approximativement 2 500 des 4 000 tokens d'entrée se cachent proprement. Sonnet mis en cache + traité par batch atterrit près de 4 100 $/mois. gpt-5.4-mini mis en cache + traité par batch atterrit près de 1 050 $/mois. Gemini 2.5 Flash n'a pas d'API Batch et des mécaniques de cache plus faibles, donc il s'assoit à environ 1 400 $/mois. Gagnant : gpt-5.4-mini. Il est à 25 % du coût de Gemini Flash sur la carte tarifaire brute mais ajoute l'API Batch et une mise en cache de prompt plus forte, et sur l'évaluation interne de Northwind, il a marqué 94 % de taxonomie correcte contre 89 % pour Gemini Flash. La prime de 350 $/mois se paie d'elle-même dans les économies de file d'examen.

Étude de cas 2 — Cascade SaaS, chatbot intégré au produit pour un outil d'analyse à 220k utilisateurs. Le chatbot traite 500k conversations utilisateur par mois, en moyenne deux tours par session, donc 1M appels LLM. La charge de travail est équilibrée à 1 500 tokens d'entrée / 500 tokens de sortie — typique pour le chat augmenté par récupération avec trois extraits de contexte. Factures mensuelles à tarif standard à 1M appels : gpt-5.5 = (1 500/1M × 5 $ × 1M) + (500/1M × 30 $ × 1M) = 7 500 $ + 15 000 $ = 22 500 $. Sonnet 4.6 = (1 500/1M × 3 $) + (500/1M × 15 $) tous les fois 1M = 4 500 $ + 7 500 $ = 12 000 $. Gemini 2.5 Pro = (1 500/1M × 1,25 $) + (500/1M × 10 $) tous les fois 1M = 1 875 $ + 5 000 $ = 6 875 $. Cascade ne peut pas utiliser l'API Batch — le chat est synchrone — donc la pile de remises est cache-only. Le prompt système plus les docs produit totalisent 900 des 1 500 tokens d'entrée et se cachent de manière fiable. Sonnet mis en cache réduit l'entrée de 4 500 $ à environ 1 170 $ (600 non mis en cache à 3 $ + 900 mis en cache à 0,30 $), facture mensuelle totale 8 670 $. gpt-5.5 mis en cache baisse à environ 14 700 $. Le support du cache Gemini 2.5 Pro est implicite temps-réel et moins agressif, donc sa facture mise en cache atterrit près de 5 600 $. Gagnant : Sonnet 4.6. Gemini Pro est 3 000 $/mois moins cher mais l'évaluation à l'aveugle de Cascade a marqué Sonnet 4.6 à 4,6/5 sur la qualité des réponses contre 4,1/5 pour Gemini Pro, et la différence de coût par conversation (0,006 $ vs 0,011 $) est éclipsée par l'impact de la LTV d'un meilleur chatbot dans un produit à 99 $/siège. gpt-5.5 a été éliminé sur le coût — il n'a offert aucun avantage de qualité mesurable par rapport à Sonnet à presque le double de la facture.

Étude de cas 3 — Mesa AI, une startup d'outils développeur exécutant un assistant de codage qui traite 200k complétions par jour (6M appels par mois). La charge de travail est sortie-lourde : 2 000 tokens d'entrée (contexte de fichier récent plus diff de buffer ouvert) et 1 500 tokens de sortie (le correctif suggéré). Factures mensuelles à tarif standard à 6M appels : gpt-5.4 = (2 000/1M × 2,50 $ × 6M) + (1 500/1M × 15 $ × 6M) = 30 000 $ + 135 000 $ = 165 000 $. Sonnet 4.6 = (2 000/1M × 3 $ × 6M) + (1 500/1M × 15 $ × 6M) = 36 000 $ + 135 000 $ = 171 000 $. Claude Fable 5 = (2 000/1M × 10 $ × 6M) + (1 500/1M × 50 $ × 6M) = 120 000 $ + 450 000 $ = 570 000 $. DeepSeek V4 à l'estimation de 0,40 $/1,20 $ = (2 000/1M × 0,40 $ × 6M) + (1 500/1M × 1,20 $ × 6M) = 4 800 $ + 10 800 $ = 15 600 $. L'écart est environ 36x entre DeepSeek et Fable. Appliquez la pile : la complétion de code est synchrone donc l'API Batch ne s'applique pas ; le cache aide modestement du côté entrée (autour de 30 % de cache-hittable), réduisant la facture d'entrée de 9 000 $-11 000 $ pour OpenAI et Anthropic. Mesa a exécuté une évaluation à l'aveugle sur 800 échantillons de complétion internes : gpt-5.4 a atteint 71 % d'acceptation, Sonnet 4.6 a atteint 73 %, Fable 5 a atteint 79 %, DeepSeek V4 a atteint 64 %. Gagnant : une stratégie de routage tiérisé, pas un modèle unique. Mesa route 75 % des complétions (uniligne, dans le buffer) à DeepSeek V4 à environ 11 700 $/mois pour cette tranche, route 20 % (refactors multi-lignes) à Sonnet 4.6 à environ 32 000 $/mois, et réserve 5 % (réécrits de fichier complet et explique-et-correctif) pour Fable 5 à environ 25 000 $/mois. Facture mensuelle mélangée : environ 68 700 $ avec 74 % d'acceptation mélangée — par rapport à 165 000 $ sur gpt-5.4 seul pour un point moins d'acceptation, ou 570 000 $ sur Fable seul pour cinq points plus.

Ce que les trois cas révèlent. Sur les charges de travail entrée-lourde, les tiers bon marché dominent car la sortie est un arrondi — gpt-5.4-mini, Gemini Flash et Haiku 4.5 sont les contenders, et le choix se résume généralement à quel histoire cache et batch du fournisseur s'adapte au pipeline. Sur les charges de travail synchrones équilibrées, le tier moyen gagne car les différences de qualité apparaissent dans les métriques orientées utilisateur et l'écart absolu est assez petit pour que le gagnant ajusté à la qualité batte généralement l'option la moins chère — Sonnet 4.6 et Gemini 2.5 Pro sont les points d'atterrissage les plus courants. Sur les charges de travail sortie-lourde, aucun modèle unique ne gagne ; le routage par type de tâche bat le choix d'un modèle unique de 30-60 % presque à chaque fois, car le coût de sortie est assez grand pour que le modèle bon marché traite la tranche facile et paie pour le modèle cher sur la tranche difficile.

Deux contrôles arithmétiques importants à garder en tête. Premièrement, la règle de coût-par-appel : multipliez les tokens d'entrée (en milliers) par le prix d'entrée (par 1M, en dollars) et divisez par 1 000 pour obtenir les dollars d'entrée par appel ; idem pour la sortie. À 1M appels par mois, le coût par appel en cents équivaut grossièrement à la facture mensuelle en dizaines de milliers de dollars — un appel de 2 cents équivaut grossièrement à 20 000 $/mois à 1M appels. Deuxièmement, les économies de cache sont limitées par la part d'entrée du coût. Sur le cas Mesa, l'entrée représente seulement 18 % de la facture sur Sonnet — la mise en cache ne peut économiser au maximum que 6 500 $/mois indépendamment de l'agressivité du taux d'accès au cache. Sur le cas Northwind, l'entrée représente 80 % de la facture — la mise en cache est le levier d'impact unique le plus important.

Résumé uniligne de quand chaque fournisseur a tendance à gagner en 2026. OpenAI gagne sur les charges de travail équilibrées où les features d'écosystème (recherche de fichiers, interprète de code, sorties structurées) importent et le budget tolère la prime. Anthropic gagne sur les charges de travail long-contexte et agentiques où la qualité par dollar de Sonnet et le contrôle du cache explicite se composent. Google gagne sur les charges de travail entrée-lourde et multimodales où le coût brut par token et le contexte 2M+ sont la contrainte. Les fournisseurs open-source et budget comme DeepSeek gagnent la tranche facile de toute stratégie de routage tiérisée.

Le coût par token est la ligne la plus importante de la facture mais ce n'est pas le seul coût. La latence se traduit par un coût UX — chaque seconde de temps de réponse supplémentaire coûte la conversion dans les apps orientées utilisateur ; la latence cumulative × le volume d'appels est de l'argent réel. La famille Gemini Flash gagne généralement le temps jusqu'au premier token ; o4-reasoning perd généralement sur une grande marge sur les tâches où le raisonnement s'exécute.

La fiabilité se traduit par un coût de nouvelle tentative — si un modèle échoue 1 % des appels et vous réessayez, votre coût effectif est 1 % plus haut. Plus important encore, si 1 % des défaillances en cascade vers une file d'examen humain à 5 $ par examen, une taux d'échec de 1 % à 1M appels = 10 000 défaillances = 50 000 $ en examen manuel. La précision du modèle affecte directement le coût d'examen.

Les limites de taux se traduisent par un coût de capacité. D'après notre page limites de taux LLM, chaque tier de fournisseur plafonne les requêtes par minute et les tokens par minute ; si votre charge de travail dépasse le plafond, vous mettez en file d'attente, relancez ou répartissez sur plusieurs clés — tout ajoute de la surcharge. Prévoyez des mises à niveau de tier en même temps que les mises à niveau de modèle.

Résumé : choisissez le modèle qui minimise (coût par appel + coût de relance + coût d'examen + coût de capacité). Pour la plupart des équipes, c'est un modèle différent de celui qui minimise le coût par appel seul.