Le mythe du token pas cher : mesurer le vrai coût de l'IA en production

Le récit sur l'IA change plus vite que vos systèmes

En mai 2025, plusieurs dirigeants de la tech prédisaient que l'IA allait supprimer la moitié des emplois de cols blancs. Un an plus tard, les mêmes voix expliquent que l'IA va surtout créer des rôles et rendre les équipes plus productives. Ford a annoncé vouloir remplacer « la moitié de ses cols blancs », avant de réembaucher plusieurs centaines d'ingénieurs après avoir constaté des problèmes de qualité dans le travail automatisé.

Ce n'est pas une note de bas de page. C'est un signal. Le récit dominant autour de l'IA n'est pas un socle stable sur lequel fonder des décisions d'architecture. Comme le résume l'économiste du MIT David Autor, les entreprises « ont peut-être réalisé qu'il était simplement mauvais pour les affaires d'affirmer que leur formidable nouveau produit allait détruire l'économie ».

Dans de précédents articles, nous décrivions comment Claude Mythos a redéfini l'équation du risque CVE, et comment Fable a comprimé la fenêtre de réponse, avant d'être coupé du jour au lendemain par une directive gouvernementale. La leçon récurrente est la même : les certitudes sur l'IA sont volatiles, mais les décisions que vous en tirez s'inscrivent durablement dans vos systèmes.

Cet article s'attaque à l'une de ces décisions, la plus concrète et la plus quotidienne : choisir un modèle d'IA, et le calcul de coût qui l'accompagne.

La bascule de fond : la migration vers les modèles chinois

Le phénomène est documenté. Selon les données d'OpenRouter, la part de tokens consommés par les entreprises américaines sur des modèles chinois dépasse 30 % chaque semaine depuis février 2026, avec un pic à 46 %. Sur les douze mois précédents, la moyenne était de 11 %, contre 4,5 % au premier semestre 2025.

Les raisons invoquées sont pragmatiques :

• Des modèles comme DeepSeek V4 Pro et GLM-5.2 (Z.ai) affichent des performances proches des meilleurs modèles américains, avec un retard estimé de six à neuf mois.
• Leur prix affiché est présenté comme 60 % à 90 % inférieur à celui des modèles de référence d'OpenAI et d'Anthropic.
• Certaines entreprises basculent en totalité : la startup Lindy affirme avoir migré 100 % de son trafic de Claude vers DeepSeek, économisant plusieurs millions de dollars.

Le raisonnement semble imparable : à performance comparable, pourquoi payer dix fois plus ?

Sauf que ce raisonnement repose sur une métrique trompeuse.

Pourquoi le prix au million de tokens ne veut presque rien dire

La comparaison « X dollars par million de tokens » est intuitive, largement affichée… et profondément trompeuse. Trois mécanismes l'expliquent.

1. Chaque modèle compte les tokens différemment

Chaque laboratoire utilise son propre tokenizer, l'algorithme qui découpe le texte en tokens. Le même paragraphe peut représenter 160 tokens pour un modèle et 200 pour un autre. Ce n'est pas marginal : Anthropic a récemment changé de tokenizer, si bien que Claude découpe désormais le même texte en environ 30 % de tokens en plus. Toutes choses égales par ailleurs, cela équivaut à une hausse de prix substantielle, invisible sur la grille tarifaire.

Comparer deux prix au token entre deux laboratoires, c'est comparer deux unités de mesure qui ne recouvrent pas la même quantité de travail.

2. Les tokens de « réflexion » dominent la facture

Sur les tâches sérieuses, l'essentiel de la consommation ne va pas dans la réponse visible, mais dans le raisonnement intermédiaire du modèle, la fameuse « chaîne de pensée », souvent masquée mais facturée au même tarif que la sortie. La longueur de ce raisonnement varie énormément d'un modèle à l'autre, pour un même résultat. Un modèle moins cher au token mais qui raisonne deux fois plus longtemps peut finir par coûter plus cher.

3. La seule métrique qui compte : le coût par tâche

Le benchmark Artificial Analysis mesure ce qui compte vraiment : combien coûte l'accomplissement d'une tâche réelle, tokens de réflexion inclus. Les résultats rebattent sérieusement les cartes par rapport au prix affiché.

text
Model                 Price in/out ($/1M)   Intelligence   Cost per task
--------------------  -------------------   ------------   -------------
Claude Fable 5        10 / 50               60             $3.25
GPT-5.5 xhigh         5 / 30                55             $0.99
Claude Opus 4.8 max   5 / 25                56             $1.78
Claude Sonnet 5 max   3 / 15                53             $2.29
GLM-5.2 max           1.40 / 4.40           51             ~$0.46
Kimi K2.6             0.95 / 4.00           43             ~$0.31
MiniMax-M3            0.30 / 1.20           44             ~$0.18
DeepSeek V4 Pro max   0.435 / 0.87          44             ~$0.04–0.05

Deux enseignements se dégagent :

• GPT-5.5 est nominalement plus cher que Claude Opus 4.8, mais accomplit la même tâche pour près de deux fois moins cher (0,99 $ contre 1,78 $). Le prix au token disait l'inverse.
• GLM-5.2 est 3,5× moins cher que GPT-5.5 au token, mais seulement 2× moins cher par tâche. Il est moins efficace en tokens que les modèles occidentaux de pointe.

Le compromis coût/performance des modèles chinois est réel, DeepSeek V4 Pro reste un cas isolé d'efficacité économique spectaculaire. Mais il est bien moins linéaire que le « prix divisé par dix » souvent cité, et il s'accompagne d'un écart de performance mesurable (44 contre 56 sur le benchmark d'intelligence). La question n'est plus « quel modèle est le moins cher au token ? » mais « quel modèle accomplit ma tâche au meilleur coût réel, au niveau de qualité que j'exige ? »

La double fragilité : la disponibilité n'est pas garantie

Même en supposant votre calcul de coût parfait, un autre facteur échappe à votre contrôle : la disponibilité des modèles. Et 2026 en a offert deux illustrations en sens opposés.

Côté américain, nous l'avons vécu de première main. Le 12 juin 2026, trois jours après son lancement, Anthropic a coupé l'accès à Fable 5 et Mythos 5 à la suite d'une directive du Department of Commerce. Les workflows de remédiation bâtis sur ces modèles se sont retrouvés d'un coup sans moteur, sans préavis opérationnel.

Côté chinois, la symétrie est frappante. Pékin a évoqué avec Alibaba, ByteDance et Z.ai de possibles restrictions d'accès international à leurs modèles les plus avancés. La disponibilité en open-weight, principal avantage compétitif de ces acteurs, pourrait être limitée à un usage domestique pour des raisons de sécurité nationale.

La leçon est identique des deux côtés du Pacifique : aucun modèle n'est garanti disponible demain. La décision qui vous fait migrer 100 % de votre trafic vers un fournisseur unique, américain ou chinois, crée une concentration de risque comparable à celle d'un fournisseur SaaS unique, sauf qu'ici le déclencheur peut être une décision administrative.

Ce que cela implique pour votre architecture

Réunissez ces trois constats :

1. Le récit sur l'IA est instable et parfois intéressé (les mêmes acteurs annoncent une chose et son contraire selon leurs intérêts du moment).
2. La métrique de coût la plus répandue est trompeuse (le prix au token ne prédit pas le coût réel par tâche).
3. La disponibilité d'un modèle donné n'est pas garantie (retraits réglementaires, restrictions d'accès).

La conclusion n'est ni « méfiez-vous des modèles chinois » ni « restez sur les modèles occidentaux ». Elle est structurelle : votre architecture ne doit dépendre d'aucun modèle unique. Concrètement, cela signifie :

• Une couche d'abstraction fournisseur. Vos workflows appellent une interface, pas une API spécifique. Changer de modèle devient une décision de configuration, pas une réécriture.
• Une évaluation en coût par tâche, pas en coût par token. Avant toute migration, mesurez le coût réel sur vos tâches, avec vos prompts, dans votre contexte. Les benchmarks publics guident ; ils ne remplacent pas votre propre mesure.
• Un routage multi-modèles par tâche. Toutes les tâches ne méritent pas le modèle le plus performant. Un routage intelligent envoie la classification simple vers un modèle bon marché et le raisonnement complexe vers un modèle de pointe.
• La confiance dans vos mesures de terrain, pas dans le récit ambiant. Environ 20 % des dirigeants admettent que les rapports internes sur leurs déploiements d'IA sont plus flatteurs que la réalité. Votre télémétrie l'emporte sur n'importe quelle promesse d'earnings-call.

Pourquoi le sujet nous tient à cœur chez Abbeal

Notre métier, c'est d'aider les équipes à livrer du logiciel de qualité, durablement. Intégrer l'IA fait désormais partie de cette exigence, et le sujet souffre du même mal que beaucoup de nouveautés : trop de hype, pas assez de méthode.

Ce que la période récente nous confirme :

• Les choix de modèles sont des décisions d'ingénierie, pas des paris marketing. Ils reposent sur des mesures, pas sur des grilles tarifaires ou des annonces.
• L'indépendance vis-à-vis du fournisseur est une propriété d'architecture, pas un luxe. Les organisations qui bâtissent leurs workflows autour d'abstractions absorbent les retraits de modèles et les changements de prix sans réécriture.
• La valeur réside dans le workflow, pas dans le couplage au modèle. Fable était un moteur remarquable. Il a disparu en trois jours. Les équipes qui avaient investi dans l'architecture, plutôt que dans le couplage à l'API, ont basculé ailleurs. Les autres sont restées bloquées.

C'est l'approche que nous appliquons : construire d'abord des workflows solides et mesurables, puis choisir les modèles en fonction de ce qui est réellement disponible, performant et économique à un instant donné.

Quatre étapes concrètes pour avancer

1. Instrumentez votre coût réel. Mesurez le coût par tâche de votre usage actuel de l'IA, tokens de réflexion inclus, avant toute décision de migration.
2. Testez un modèle alternatif sur un périmètre réel. Pas sur un benchmark public, mais sur vos propres tâches, avec vos prompts et vos critères de qualité.
3. Introduisez une couche d'abstraction. Même minimale, elle transforme un changement de modèle d'un projet en un simple changement de configuration.
4. Définissez votre stratégie de continuité. Que se passe-t-il si votre modèle principal devient indisponible demain ? Si vous n'avez pas de réponse, vous avez une dépendance critique non traitée.

Si vous réfléchissez à ces sujets, en tant que client cherchant à rationaliser vos coûts d'IA et à sécuriser votre architecture, ou en tant qu'ingénieur voulant travailler ces défis sans la hype, c'est un terrain où nous avons une expérience concrète à partager.