cat ~/projets/couts-ia/README.md
Ce que coûte l'IA en production
La méthode pour suivre ce que coûtent les API d'IA : prix et paliers gratuits relus à la source, consommation mesurée par jour et par modèle, garde-fous.
Le problème
Des automatisations appellent des modèles d’IA toute la journée, et les prix changent. En octobre 2026, des alertes de dépense sont arrivées en une nuit chez deux fournisseurs. Aucune ne disait pourquoi, et la console de chacun ne sépare pas ce qui vient de la production de ce qui vient de mes essais.
Ce que ça fait
Un cadrage en cinq parties : les prix et paliers gratuits, la consommation mesurée, le coût d’un traitement en production, les garde-fous, et une règle pour les essais. Un script tient la mesure à jour, et un contrôle automatique me prévient quand quelque chose dérape. Le principal enseignement : une seule soirée d’essais de modèles a coûté plus cher que des mois de production.
Comment ça marche
Relire les prix à la source. Les ordres de grandeur publics, relus le 21 octobre 2026. Gemini 3.8 Flash : 0,75 $ par million de jetons en entrée et 3,75 $ en sortie, avec des prix qui doublent au 1er janvier 2027. Claude Sonnet : 2 $ et 10 $. Côté OpenAI, un forfait gratuit de jetons par jour (250 000 pour le premier groupe de modèles, 2,5 millions pour le second), à condition d’avoir un solde positif. Chez Google, le palier gratuit n’existe que sur un projet sans facturation, et Google réutilise alors vos données.
Mesurer, pas estimer. Un script interroge l’API Cloud Monitoring de Google et ventile les appels par jour, par modèle et par clé. Il calcule le coût à partir des jetons et se recale sur les factures. Un écart de moins de 1 % entre l’estimation et la facture m’a servi de test de validité. Un piège trouvé en chemin : deux compteurs différents comptaient les mêmes jetons d’entrée, et leur somme doublait le coût.
Séparer pour comprendre. Les essais passent par des clés et des projets distincts de la production, chez les trois fournisseurs. Avant, tout passait par la même clé : seuls l’heure et le modèle permettaient de deviner. Maintenant, la production se lit seule.
Garde-fous. Un plafond de dépense par fournisseur. Un journal où je déclare chaque journée d’essais. Une routine qui contrôle la consommation deux fois par mois : une journée non déclarée au-dessus d’un seuil fait sonner l’alarme. À savoir : le budget Google prévient mais ne coupe rien, et ses alertes arrivent avec plusieurs heures de retard, après consolidation de la nuit.
Qui fait quoi
- Moi : je décide des plafonds, je déclare mes journées d’essais.
- Google Cloud Monitoring, consoles OpenAI et Anthropic : fournissent les chiffres bruts.
- Un script Python : ventile par jour, modèle et clé, et se recale sur les factures.
- Claude Code : écrit les scripts, relit les tarifs et rédige le cadrage.
- Une routine : contrôle la consommation le 8 et le 22 de chaque mois.
Ce que vous pouvez récupérer
Cette fiche est une explication : rien à télécharger. La méthode se transpose à n’importe quel compte d’API : une clé par usage, un plafond par fournisseur, un journal des essais et un contrôle qui sonne seul. Je ne publie ni mes montants ni mes identifiants.
Ce que j'en retiens
Le poste qui coûte, ce sont les essais, pas la production. Une chaîne bien réglée coûte presque rien, jusqu’au soir où l’on rejoue deux mille appels pour comparer des modèles. Il faut donc séparer, plafonner, et déclarer ses soirées d’essais avant de les lancer.