Tu as trouvé un modèle qui te plaît et un prix à côté : 2 $ par million de tokens. Ce chiffre ne sert à rien tant que tu ne peux pas répondre à une question — combien de tokens ton application consomme-t-elle réellement ?
La plupart des gens estiment, et la plupart estiment trop bas. Non parce que les tokens seraient compliqués, mais parce que presque tout ce qui compose une requête est fait de tokens, et que ce que tu as tapé n'en est qu'une petite part.
Voici ce qu'est un token, comment en compter un, et où se cachent les surprises.
Prix vérifiés pour la dernière fois le 26 août 2026. Les chiffres à jour sont sur la page de comparaison ElliSekiz.
Ce qu'est réellement un token
Les modèles d'IA ne lisent ni lettres ni mots. Ils lisent des tokens — de petits morceaux de texte tirés d'un vocabulaire fixe avec lequel le modèle a été construit.
Un token peut être un mot entier, une partie de mot, un seul caractère ou un signe de ponctuation. En gros :
cat→ un tokentokenization→ souvent trois ou quatre morceaux, commetoken+iz+ation!→ un token- L'espace qui précède un mot voyage généralement avec lui, donc
theest un token, pas deux
Pourquoi découper le texte ainsi ? Un modèle a besoin d'une liste fixe de choses qu'il sait reconnaître. Une liste de tous les mots anglais serait énorme et raterait quand même les noms propres, les fautes de frappe et les autres langues. Une liste d'environ 100 000 fragments de sous-mots couvre presque tout, parce qu'un mot inconnu peut s'épeler à partir de fragments connus.
C'est toute l'idée. Le texte entre, il est découpé en morceaux connus, et tu es facturé au morceau.
Combien de tokens fait ton texte ?
La règle empirique d'OpenAI pour l'anglais est un token ≈ 4 caractères ≈ ¾ de mot, donc 100 tokens font environ 75 mots.
C'est bien pour une vérification rapide et mauvais pour un budget, pour trois raisons.
Chaque modèle tokenise différemment. La même phrase donne des comptes différents selon les modèles — parfois très différents. La documentation d'Anthropic indique elle-même que Claude 4.7 et les versions suivantes utilisent un tokeniseur plus récent où « le même texte d'entrée produit environ 30 pour cent de tokens de plus que sur les modèles antérieurs ». Même texte, même fournisseur, 30 % de tokens en plus, uniquement à cause d'un changement de version.
Les autres langues coûtent plus cher. Le vocabulaire de la plupart des modèles est dominé par l'anglais. Le texte dans les langues moins représentées est découpé en morceaux plus nombreux et plus petits — le même sens coûte donc plus de tokens.
Le code et le texte structuré se comportent bizarrement. L'indentation, les crochets et les identifiants longs se fragmentent autrement que la prose.
Ce qui est fiable, c'est de compter plutôt que d'estimer. Les fournisseurs t'en donnent le moyen : Anthropic a un endpoint de comptage de tokens dont l'appel est gratuit, et OpenAI publie un outil de tokenisation. Compte une fois avec tes vrais prompts et tu n'auras plus jamais à deviner.
Ce qui surprend les gens : tout est token
Ta question ne représente qu'une petite part de ce que tu paies. La documentation d'Anthropic publie les comptes exacts de quelques requêtes minimales, et ils méritent d'être lus de près :
| Ce qui a été envoyé | Tokens d'entrée |
|---|---|
| Prompt système « You are a scientist » plus le message « Hello, Claude » | 14 |
| La question « What's the weather like in San Francisco? » plus une définition d'outil | 403 |
| Une image plus « Describe this image » | 1 028 |
| Un PDF plus « Please summarize this document. » | 2 188 |
Relis la deuxième ligne. La question fait neuf mots. Décrire un seul outil — son nom, sa description, son schéma d'entrée — coûte environ 390 tokens. Un agent doté de quinze outils paie cela à chaque requête, avant même que l'utilisateur ait tapé quoi que ce soit.
Les troisième et quatrième lignes racontent la même histoire pour les médias. Une image, c'est environ mille tokens. Un PDF, quelques milliers, et celui-là était court.
Les tokens d'entrée et de sortie n'ont pas le même prix
Chaque modèle de texte publie deux tarifs. La sortie est toujours la plus chère.
| Modèle | Entrée $/1M | Sortie $/1M | La sortie coûte |
|---|---|---|---|
| GPT-5 nano | $0.05 | $0.40 | 8× l'entrée |
| Gemini 2.5 Flash Lite | $0.10 | $0.40 | 4× l'entrée |
| GPT-5 mini | $0.25 | $2.00 | 8× l'entrée |
| Claude Haiku 4.5 | $1.00 | $5.00 | 5× l'entrée |
| GPT-5 | $1.25 | $10.00 | 8× l'entrée |
| Claude Sonnet 5 | $2.00 | $10.00 | 5× l'entrée |
| Claude Opus 5 | $5.00 | $25.00 | 5× l'entrée |
Cela a une conséquence pratique immédiate : dire au modèle de répondre en trois phrases plutôt qu'en dix économise plus d'argent que de raccourcir ton prompt d'autant. C'est en général l'optimisation la moins chère disponible, et elle tient en une ligne d'instruction.
Ce que coûte réellement une conversation
Un chat de 10 tours. Un prompt système de 500 tokens, des questions de 100 tokens, des réponses de 250 tokens.
Le piège, c'est que les modèles n'ont pas de mémoire entre les appels — toute la conversation est renvoyée à chaque tour. Le tour 10 paie donc de nouveau pour les tours 1 à 9.
- Tokens que tu as tapés : 10 × 100 = 1 000
- Tokens d'entrée qui te sont facturés : 21 750
- Tokens de sortie : 10 × 250 = 2 500
Tu as tapé mille tokens et payé pour près de vingt-deux mille.
| Modèle | Coût de cette seule conversation |
|---|---|
| GPT-5 nano | $0.002 |
| Claude Sonnet 5 | $0.069 |
Les deux sont faibles. Multiplie par 50 000 conversations par mois et l'écart devient la différence entre une erreur d'arrondi et une vraie ligne budgétaire.
Quatre choses qui gonflent discrètement une facture de tokens
- Le prompt système, facturé à chaque requête. Un prompt système de 800 tokens sur 50 000 messages, cela fait 40 M de tokens par mois pour un texte écrit une seule fois. Le cache de prompt existe exactement pour ça — le fournisseur stocke le préfixe invariable et facture une fraction pour le relire.
- L'historique de la conversation. Comme montré plus haut. Élaguer ou résumer les anciens tours est la solution.
- Les définitions d'outils. Environ 390 tokens chacune, à chaque requête, que l'outil serve ou non.
- Les images et les PDF. Mille tokens et plus, chacun.
Rien de tout cela n'est caché — tout est documenté. C'est simplement facile à oublier dans une estimation.
Les tokens ne sont qu'une unité de facturation parmi d'autres
À savoir avant de généraliser : la plupart des modèles d'IA ne sont pas facturés au token. Sur les 472 modèles suivis par ElliSekiz, 160 sont facturés au token — les modèles de texte et de chat. Les 338 autres sont facturés à l'image, au mégapixel, à la seconde de vidéo ou à l'exécution.
« Combien coûte ce modèle » prend donc une forme différente selon ce que le modèle produit, et un prix au token ne peut jamais se comparer directement à un prix à l'image.
Conclusion
- Un token est un petit morceau de texte, pas un mot. Environ ¾ de mot en anglais, et moins dans la plupart des autres langues.
- Ne budgète jamais avec la règle empirique. Compte avec l'outil du fournisseur, contre le modèle exact que tu comptes utiliser.
- Ta question est la petite partie. Les prompts système, l'historique, les définitions d'outils et les pièces jointes sont la grande.
- Les tokens de sortie coûtent 4 à 8 fois plus que ceux d'entrée : des réponses plus courtes sont donc l'économie la moins chère.
Explorer plus loin sur ElliSekiz
Parcours les modèles de chat. Les prix des tokens d'entrée et de sortie de chaque modèle de texte, côte à côte, sur la page des modèles de chat.
Puis essayes-en un. Chaque page de modèle a un playground — lance ton vrai prompt et lis les comptes de tokens réels avant de multiplier quoi que ce soit par 50 000.
Sources
- Anthropic — Token counting (comptes d'exemple documentés, changement de tokeniseur, endpoint de comptage gratuit)
- OpenAI Help Center — What are tokens and how to count them? (règle empirique pour l'anglais)
- API des modèles OpenRouter,
https://openrouter.ai/api/v1/models(prix des tokens, consultée le 26/08/2026)