Les outils de calcul du coût d'inférence se multiplient, les prix des GPU restent opaques
Un calculateur en ligne publié le 23 septembre compare le coût d'inférence de 27 modèles. Son auteur prévient lui-même : le résultat est une estimation pour planifier, pas un devis fournisseur. Quelques jours plus tard, un autre benchmark a chiffré le coût d'une heure d'exécution d'un seul modèle.

La dernière pièce du débat sur le coût d'inférence n'est pas une annonce tarifaire. C'est un calculateur. Le 23 septembre, Flavio Copes a publié un Inference Cost Calculator qui classe 27 modèles d'OpenAI, Anthropic, Google, xAI, Mistral, OpenRouter et Workers AI sur des hypothèses identiques.
On y règle le nombre d'utilisateurs actifs quotidiens, les appels par utilisateur, les tokens d'entrée et de sortie par appel, et éventuellement un taux de succès du cache de prompt. L'outil renvoie une facture mensuelle. Il prévient aussi que les chiffres viennent des tarifs API publiés. Ils ignorent les prix par lot, les remises entreprise, les surcoûts liés aux images ou aux outils, et toute couche de cache maison.
Cette réserve pèse plus lourd que le classement.
Le benchmark qui chiffre une heure de réflexion
Le 26 septembre, StarSkirmish a publié un autre type de comparaison de coûts. Le benchmark donne à chaque LLM une heure pour écrire un bot Protoss en C++ pour StarCraft: Brood War. Les bots s'affrontent ensuite entre eux et contre des adversaires écrits par des humains. Le plateau compte 50 bots LLM issus de 10 modèles, plus 3 bots de démonstration et 9 bots compétitifs écrits par des humains, soit 62 participants, exécutés sur des sandboxes Prime Intellect.
Selon le compte rendu du projet, GPT-6 Astra et Claude Opus 5.5 sont à égalité de fait en tête, avec GPT-6 Sol nettement au-dessus du reste à leurs côtés. Le benchmark trace aussi le score en fonction du coût API moyen d'une exécution d'une heure sur une échelle logarithmique. Il affirme que GPT-6 Sol offre dans cette comparaison un rapport qualité-prix unique.
C'est une lecture coût par capacité, pas coût par token. Elle admet aussi une limite : les auteurs indiquent que les modèles de raisonnement de pointe tirent désormais un bénéfice significatif de périodes de raisonnement supérieures à une heure, et que des versions à exécution plus longue sont prévues.
Pourquoi les chiffres publics sont difficiles à croire
Aucune de ces deux sources ne donne un prix de GPU. Pour cela, le dossier dispose d'une enquête publiée le 20 septembre par Nexlab, qui compare des orchestrateurs auto-hébergés dont LocalAI, exo, GPUStack, vLLM, Ollama, Xinference et CoderAI. Les nombres d'étoiles ont été relevés via l'API GitHub le 20 septembre. L'auteur précise clairement que lorsqu'une fonction n'a pas pu être confirmée, le tableau l'indique au lieu de deviner.
Les distinctions utiles de cette enquête ne portent pas du tout sur le prix. Elle sépare trois questions : un modèle peut-il s'étendre sur plusieurs machines, un tour suivant est-il routé vers l'endroit où se trouvent déjà son cache KV ou de préfixe, et le serveur peut-il louer un GPU par lui-même. vLLM, avec 92 000 étoiles dans cet instantané, prend en charge le parallélisme tensoriel et de pipeline via Ray et le cache de préfixe par instance. Ollama, avec 181 000 étoiles, traite une machine et un modèle à la fois, sans autre histoire de cluster qu'une répartition en round-robin de plusieurs URL derrière Open WebUI.
L'argent est dans le matériel, pas dans le logiciel. Le marché photovoltaïque brésilien n'est pas une histoire d'IA, mais pv magazine rapportait le 26 septembre que les prix moyens des systèmes PV dans le pays ont augmenté de 7% entre janvier et juin 2026 pour les projets jusqu'à 300 kW, selon l'étude Distributed Energy Solutions de Greener. Le coût des kits pour les systèmes de 4 kW a grimpé de 18,3%, de BRL 1,42/W à BRL 1,68/W.
Matière première différente, même problème : le chiffre affiché bouge parce que les composants bougent.
Ce que la recherche dit du côté de la production
Une autre pièce du tableau de coûts se situe du côté de la demande. Un article soumis à arXiv le 14 septembre et révisé le 17 septembre, SlopShape, décrit un instrument à 214 caractéristiques qui détecte un contenu web commercial généré par IA à partir des seules signatures structurelles. Appliqué par un LLM et validé contre une annotation humaine, il atteint 98,0 de macro-F1 sur des entreprises tenues à l'écart, et 98,1 lorsque chaque publication IA a été reformulée par son propre modèle. L'auteur est Jochen Madler, de Sitefire.
Une inférence moins chère produit plus de texte. Détecter ce texte est désormais une tâche mesurable, avec une précision publiée. Cela représente aussi un coût d'infrastructure.
Ces sources ne s'accordent pas sur ce que devrait coûter l'inférence, parce qu'aucune ne mesure la même chose. Le calculateur mesure une facture hypothétique. Le benchmark mesure la capacité par heure de dépense API. L'enquête sur les orchestrateurs mesure des fonctions, pas des factures. Tout chiffre isolé doit être pris comme une hypothèse de départ.
Sources
5- 01Inference Cost CalculatorEN
- 02StarSkirmish BenchEN
- 03Self-hosted inference orchestrators compared: LocalAI, exo, GPUStack, vLLMEN
- 04PV system costs increase by 7% in Brazil in H1EN
- 05SlopShape: Identifying AI-Generated Commercial Web ContentEN
Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.
Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.
Commentaires
0- Aucun commentaire — soyez le premier.