Comment sont produits les chiffres de ce site

Nous recensons 46 modèles, dont 13 que leurs fournisseurs ont depuis retirés ; 29 sont actuels et peuvent être recommandés. Chaque prix est le prix catalogue du fournisseur pour sa propre API – niveau standard, tranche de contexte la plus courte –, vérifié sur sa page tarifaire ; chaque page modèle indique la date de la dernière vérification. Nous n'utilisons ni prix de revendeurs, ni moyennes, ni chiffres de mémoire.

Lorsqu'un fournisseur a annoncé un changement, nous l'affichons : un prix promotionnel est indiqué avec la date jusqu'à laquelle il est garanti et le prix normal qui suit, un prix de lancement avec sa date de fin. DeepSeek facture moitié prix hors de ses heures de pointe en semaine ; nous indiquons le tarif de pointe, car c'est celui sur lequel une charge de production peut compter. Les modèles à poids ouverts comme Llama n'ont pas de prix éditeur – chaque hébergeur fixe le sien –, et leurs pages le précisent.

Les fournisseurs retirent des modèles, et un modèle retiré n'est pas une option moins chère – les requêtes échouent. Chaque modèle porte un statut tiré de la page de retrait du fournisseur : actif, en fin de vie (date d'arrêt annoncée), retiré (plus servi) ou remplacé (modèles à poids ouverts dont l'éditeur est passé à une nouvelle génération).

Les modèles retirés gardent leur page, car on les recherche encore, mais ces pages indiquent la date d'arrêt et renvoient vers le modèle actuel le plus proche. Cette suggestion est la nôtre – choisie selon le rôle et le prix – et ne correspond pas toujours au remplaçant officiel du fournisseur. Les calculateurs du site ne recommandent que des modèles actifs.

Les fournisseurs facturent au token, mais ne découpent pas le texte de la même manière. Anthropic indique que Claude 4.7 et les modèles suivants produisent environ 30 % de tokens de plus que les Claude précédents pour le même texte. Comparer les prix par token sous-estime donc le coût de ces modèles pour un travail donné.

Nous comptons le texte avec o200k, le tokenizer de GPT-4o et des modèles OpenAI suivants, puis multiplions par le facteur de tokenizer de chaque modèle. Lorsqu'un tokenizer est publié (OpenAI, DeepSeek) ou que le fournisseur propose une API de comptage de tokens (Anthropic, Google, xAI), le facteur est mesuré : nous y passons notre corpus parallèle de 25 langues et le comparons à o200k sur les mêmes textes anglais. Tant qu'un tokenizer n'a pas été mesuré, nous utilisons une estimation – pour Claude 4.7 et suivants, 1,43 : un 1,1 estimé pour l'ancien tokenizer Claude, multiplié par le 1,3 documenté par Anthropic. Le tableau indique ce qui est mesuré et ce qui est estimé. L'anglais sert de base parce que l'essentiel du trafic API est en anglais ; les autres langues peuvent s'en écarter bien davantage, et les pages de coût par langue les détaillent une à une.

Les scores de code, raisonnement, extraction, créativité et vision (0–100) sont des composites éditoriaux d'iOPTERA. Ils situent chaque modèle par rapport aux autres à partir de résultats de benchmarks publics et des évaluations publiées par les fournisseurs, afin que les calculateurs puissent classer. Ce ne sont pas des résultats de benchmark, nous ne menons pas les évaluations nous-mêmes, et un ou deux points d'écart ne signifient rien.

Quand de nouveaux modèles relèvent la barre, les anciens sont réévalués à la baisse plutôt que de garder leurs scores du jour de lancement, afin que les scores restent comparables d'une génération à l'autre. Quand nous suggérons une alternative moins chère, elle doit se situer à deux points au plus du modèle qu'elle remplace – une économie qui exige une baisse de capacité n'est pas présentée comme une économie.

Sauf mention contraire, un prix mixte suppose 70 % de tokens en entrée et 30 % en sortie, la charge est mesurée en tokens o200k, et chaque modèle est facturé pour les tokens que produirait son propre tokenizer. Les comparaisons annuelles et à long terme utilisent le prix applicable après la fin de toute promotion ou de tout prix de lancement annoncé.

Les estimations laissent de côté ce qui dépend de votre configuration : cache de prompts, remises batch, suppléments au-delà de 200K–272K tokens de contexte, et les tokens de raisonnement cachés de certains modèles. Lisez ces chiffres comme une comparaison entre modèles pour le même travail, pas comme une prévision de votre facture.