Prix des LLM : pourquoi ils chutent jusqu’à 80 %
Pourquoi les prix des LLM baissent-ils malgré des modèles plus performants ? Décryptez le coût réel des tokens, la concurrence et les effets sur vos usages.
Pourquoi les modèles d'IA deviennent-ils moins chers, même en progressant ?
En quelques mois, les tarifs annoncés par OpenAI et Anthropic ont nettement baissé. Dans la chronologie examinée ici, certains prix par million de tokens reculent jusqu'à 80 %, alors que les modèles gagnent en capacité. Difficile de ne pas y voir un paradoxe : on entend souvent que les services d'IA finiraient par remonter dès qu'on facturerait « le vrai coût ». Or, les faits ne suivent pas vraiment cette intuition.
Pour une entreprise, la question n'est pas seulement de savoir si un modèle est moins cher à l'API. Il faut aussi comprendre ce que vous payez concrètement - par exemple quand des agents relisent un long historique - puis vérifier si l'économie se retrouve dans la facture totale. Et il faut distinguer une baisse de prix unitaire d'une baisse (ou d'une hausse) des dépenses : si l'usage explose, le budget peut continuer à grimper.
Voici les raisons principales de ces baisses, une méthode pour estimer le coût réel d'un usage, et les limites à garder en tête avant de revoir vos budgets ou de changer de fournisseur.
Que s'est-il passé dans les tarifs des grands modèles ?
La baisse ne correspond pas à une remise unique sur toute l'offre. On voit plutôt des ajustements successifs : parfois liés à une nouvelle génération, parfois à une réduction ciblée sur un modèle, ou encore sur la lecture du cache. Pour comparer correctement les annonces, il faut donc regarder séparément les tokens d'entrée, les tokens de sortie et les tokens relus depuis le cache.
Les montants ci-dessous sont en dollars par million de tokens, avec trois postes dans cet ordre : entrée, sortie, lecture du cache. Ils reprennent les prix cités dans la chronologie des annonces de juin à septembre 2026.
Une succession de baisses, pas un simple rabais
Fin juin, OpenAI annonce GPT-5.6 Sol à 5 $ / 30 $ / 0,50 $, ainsi qu'un modèle plus léger, Luna, à 1 $ / 6 $ / 0,10 $. Quelques semaines plus tard, Luna passe à 0,20 $ / 1,20 $ / 0,02 $ : une baisse de 80 % sur les trois tarifs affichés.
Chez Anthropic, Sonnet 5 est lancé à 2 $ / 10 $ / 0,20 $, d'abord avec un prix présenté comme temporaire, puis confirmé comme permanent. Opus 5 est, lui, affiché à 5 $ / 25 $ / 0,50 $. OpenAI baisse ensuite le prix de Sol, puis GPT-6 Sol arrive en septembre à 2 $ / 10 $ / 0,20 $. Pour GPT-6.1 Sol, les prix d'entrée et de sortie restent les mêmes, mais la lecture du cache est divisée par deux.
Anthropic suit une trajectoire similaire. Fable 5.1 conserve les tarifs d'entrée et de sortie de la version précédente, mais son cache passe de 1 $ à 0,25 $ par million de tokens. Puis Opus 5.5 est annoncé avec un prix global inférieur à celui d'Opus 5, avec aussi des réductions sur le cache. L'entreprise évoque notamment un modèle moins coûteux à servir.
Pourquoi le tarif affiché ne suffit pas
Se limiter au prix des tokens d'entrée peut donner une vision fausse de la facture. Pour le développement assisté par agent, l'historique de conversation et le contexte du projet sont souvent relus à chaque tour. Si une partie de cette relecture passe par le cache, le coût associé peut peser plus lourd que le prix des nouveaux tokens.
Il faut aussi comparer des modèles capables de résoudre la même tâche. Un modèle plus cher par token peut revenir moins cher si, au final, il faut moins d'appels, s'il corrige mieux son code, ou s'il évite des interventions humaines. À l'inverse, un prix catalogue plus bas n'est pas une économie si l'équipe doit relancer plusieurs fois.
En clair : les annonces décrivent un marché qui bouge, mais elles ne disent pas encore combien vous coûtera un cas d'usage précis. Pour le savoir, il faut regarder le parcours complet d'une requête.
Quel est le coût réel d'un token ?
Le « coût réel » d'un token ne se réduit pas à un tarif unique. Pour l'entreprise qui utilise le modèle, le point de départ reste le montant facturé pour une tâche donnée. Ce montant dépend notamment du volume envoyé et généré, de la part du contexte mise en cache, des appels répétés, et du niveau de qualité attendu.
Et il y a deux coûts à ne pas confondre. Le coût pour l'utilisateur apparaît dans votre facture. Le coût économique côté fournisseur dépend du calcul pour entraîner et servir le modèle, de l'infrastructure, du taux d'utilisation, et des dépenses de recherche et développement. Le prix facturé ne révèle pas à lui seul la marge.
Les tokens en cache changent le calcul
Dans un agent de programmation, le modèle reçoit à chaque étape le contexte du dépôt, les consignes et les échanges précédents. Comme une partie de ce contenu revient, le cache permet au fournisseur de réutiliser des éléments déjà traités. Et il peut alors facturer la lecture à un tarif inférieur à celui des nouveaux tokens d'entrée.
D'après les usages cités dans la chronologie, les tokens relus depuis le cache peuvent représenter 96 à 99 % de la dépense totale en tokens d'un agent de codage, avec un taux de cache atteint d'environ 90 à 100 % selon l'infrastructure. Ce n'est évidemment pas une règle universelle : un agent qui envoie peu d'historique, ou dont les requêtes changent beaucoup, aura un profil différent. Mais pour un flux répétitif, ignorer le prix de lecture du cache fausse rapidement la comparaison.
Une estimation simple du coût d'entrée effectif est : part non mise en cache × prix d'entrée + part mise en cache × prix de lecture du cache. Ensuite, il faut ajouter les tokens de sortie (souvent facturés à un autre tarif), et compter aussi les éventuels appels d'outils ou frais annexes.
Calculer par tâche plutôt que par million de tokens
Prenons deux modèles pour le même travail : corriger un défaut, produire un test et expliquer le changement. Le modèle A peut coûter moins cher par million de tokens, mais consommer plus de contexte et nécessiter plusieurs corrections. Le modèle B affiche un tarif supérieur, mais réussit en un seul passage. Sans mesurer le nombre d'appels et la part mise en cache, le prix catalogue ne suffit pas pour trancher.
Pour avoir une mesure exploitable, suivez au minimum :
- le nombre de tâches achevées, pas seulement le nombre de requêtes ;
- les tokens d'entrée, de sortie et de cache par tâche ;
- le taux de réussite sans intervention humaine ;
- le temps de reprise ou de vérification nécessaire ;
- le coût total pour obtenir un résultat acceptable.
Ce calcul évite de confondre « moins cher par token » avec « moins cher pour l'entreprise ». Il rend aussi visibles les dépenses « cachées » derrière des abonnements d'agents, où une enveloppe mensuelle remplace une facturation directe au token.
Pourquoi les prix baissent-ils malgré la hausse des usages ?
D'abord, il y a la concurrence. Comme les agents sont plus faciles à tester, changer de modèle demande souvent peu de travail : une option dans un environnement de développement, ou un changement de point d'accès API, suffit pour lancer un essai. Si le coût de substitution est faible, un fournisseur a moins d'espace pour maintenir durablement un tarif élevé quand un concurrent offre une alternative crédible.
Cette concurrence ne vient pas uniquement des grands laboratoires. Les modèles à poids ouverts peuvent être servis par plusieurs fournisseurs d'inférence. Du coup, un même modèle peut être proposé sur différentes infrastructures avec des tarifs, des performances et des taux de cache distincts. Selon les données rapportées pour DeepSeek V4 Flash, le nombre de fournisseurs présents sur OpenRouter passe de 13 pour une première version à 29 pour une version ultérieure. Résultat : la pression sur les prix augmente, même si tout ne se vaut pas en latence, disponibilité ou qualité de service.
Les modèles ouverts posent un vrai point de comparaison
Un modèle à poids ouverts peut être hébergé par des acteurs autres que son créateur. L'utilisateur peut alors comparer non seulement le modèle, mais aussi le fournisseur qui le fait tourner. Le « prix du modèle » n'est donc pas toujours un chiffre unique : il dépend de l'hébergeur, de l'offre et du traitement du cache.
Et les modèles ouverts ne remplacent pas automatiquement les meilleurs modèles propriétaires. La qualité, la stabilité, les outils, la documentation, les garanties de service et les contrôles de données comptent, surtout pour une entreprise soumise au RGPD ou à des exigences de sécurité. Mais quand un substitut suffisamment performant existe, il agit comme un plafond économique : vous pouvez confier les tâches simples à l'option moins chère, et réserver les modèles premium aux cas où leur avantage se mesure vraiment.
Le coût de service peut aussi baisser
La concurrence n'explique pas tout. Des améliorations d'infrastructure et l'efficacité du modèle peuvent réduire le coût nécessaire pour répondre à une requête. Anthropic a explicitement lié le prix d'Opus 5.5 à un besoin de calcul inférieur à celui d'Opus 5. Cette explication est plausible, même si elle ne suffit pas à elle seule à connaître la marge réelle.
Autre point : il faut distinguer le coût du service à l'inférence du coût complet côté entreprise. La recherche, l'entraînement, les équipes, les centres de données et le développement de produits pèsent aussi sur les comptes. Une baisse du coût pour produire une réponse ne veut pas dire que toutes les autres dépenses ont disparu.
Enfin, les prix unitaires peuvent baisser pendant que le chiffre d'affaires total augmente. Les données de consommation agrégées citées pour la période vont dans ce sens : la dépense globale monte malgré la baisse du coût moyen des tokens. C'est un effet classique. Quand chaque usage revient moins cher, les équipes l'intègrent à davantage de processus, ou choisissent des modèles plus capables et plus sollicités.
Les tarifs bas sont-ils temporaires ou intenables ?
L'idée que les prix restent artificiellement bas pour attirer les utilisateurs, puis remontent fortement ensuite, mérite d'être examinée sans caricature. Oui, certains fournisseurs peuvent subventionner une offre, lancer un prix promotionnel, ou chercher à fidéliser. Mais ça ne prouve pas une remontée générale, ni une capacité des acteurs à imposer leur tarif sans tenir compte des alternatives.
Le cœur du sujet reste la concurrence entre fournisseurs d'inférence. Si plusieurs acteurs peuvent servir un modèle de qualité comparable, à un prix proche, et si les clients peuvent basculer sans coût excessif, une hausse de tarif risque de déplacer les usages. Les fournisseurs ont alors intérêt à utiliser leur capacité de calcul de façon rentable, plutôt que de laisser un modèle déficitaire fonctionner indéfiniment. Bien sûr, cela ne garantit pas des prix toujours plus bas : capacité, disponibilité et demande évoluent. Mais ça rend moins crédible l'idée d'un prix « fixé librement » par deux entreprises seulement.
Les abonnements ne suivent pas forcément le prix de l'API
Une baisse du prix par token ne se traduit pas automatiquement par une baisse équivalente du prix d'un abonnement. Un forfait d'agent inclut une enveloppe d'usage, une interface, et parfois des outils ou des fonctions de collaboration. Le fournisseur peut aussi ajuster les limites d'utilisation plutôt que le montant mensuel.
La chronologie rapporte, par exemple, une réduction de l'enveloppe d'usage d'un abonnement Codex haut de gamme au moment où OpenAI expliquait que ses modèles plus efficaces justifiaient cet ajustement. Pour l'utilisateur, le prix mensuel ne bouge pas, mais la valeur incluse peut changer. D'où l'intérêt de suivre séparément : le prix catalogue API, le prix des abonnements, et les quotas réellement disponibles.
Avant de renégocier un budget, établissez une référence sur quelques semaines : tâches réalisées, niveau de service, consommation et limites atteintes. Une comparaison uniquement mensuelle peut masquer une baisse de quota, une hausse du volume de travail, ou un changement de modèle par défaut.
Les introductions en Bourse ajoutent une incitation de plus
Les rumeurs d'introduction en Bourse d'OpenAI et d'Anthropic rendent ces baisses particulièrement visibles. Des investisseurs regarderont les dépenses de recherche et d'infrastructure, les pertes éventuelles et la capacité à générer des revenus récurrents. À première vue, baisser fortement le tarif du produit principal semble aller à l'encontre de l'objectif d'améliorer la rentabilité.
Mais le prix d'un token ne suffit pas à comprendre la marge. Il faudrait connaître le coût réel du calcul, le rôle du cache, les remises commerciales, le coût des abonnements, et la part des dépenses consacrée à l'entraînement. Des estimations de marge sur l'inférence ne décrivent pas forcément la rentabilité de l'ensemble de l'entreprise.
Du coup, il est trop tôt pour conclure que ces baisses ne seraient qu'un geste commercial ou une stratégie de prédation. Elles peuvent refléter un mélange de concurrence, d'efficacité technique, de volonté d'adopter des usages, et de choix de positionnement avant une éventuelle opération financière. Pour les acheteurs, la bonne réponse n'est pas de parier sur une hausse ou une baisse future, mais de garder la capacité de comparer et de changer.
Conclusion : raisonner en coût par tâche
Une forte baisse de certains tarifs ne veut pas dire que l'IA devient gratuite, ni que les prix resteront forcément bas. Elle suggère surtout que le marché subit plusieurs forces en même temps : des fournisseurs qui se font concurrence, des modèles ouverts, des infrastructures plus efficaces, et des usages qui se développent dès que le coût baisse.
Pour décider, ne vous arrêtez pas au seul prix affiché par million de tokens. Regardez vos volumes réels, la part du cache, les réussites par tâche, et les limites des abonnements. Et gardez une option de repli déjà testée pour les usages importants. C'est moins « spectaculaire » qu'une prédiction de marché, mais bien plus utile pour maîtriser vos coûts et éviter une dépendance qui finit par coûter cher.