Calculateur de coût LLM — API vs self-hosted
Combien vous coûte vraiment ChatGPT, Claude, Gemini ou DeepSeek par mois ? À partir de quel volume une RTX 5090 ou un Mac mini M5 Pro devient rentable ? Entrez votre conso, on vous le dit.
Votre consommation mensuelle
Modes avancés
Activez les optimisations qui s'appliquent à votre usage. Chaque modèle ne supporte pas tous les modes — voir les notes dans le tableau.
Coût mensuel via API (8 fournisseurs)
| Modèle | Vendor | Input | Output | Total/mois | Notes |
|---|---|---|---|---|---|
| Mistral Small 4★ moins cher | Mistral | $1.5 | $1.5 | 2.6 € | Hébergé en UE, petit prix |
| DeepSeek V4.1 Flash | DeepSeek | $3.0 | $3.0 | 5.3 € | -50 % hors heures de pointe |
| GPT-5 mini | OpenAI | $2.5 | $5.0 | 6.6 € | Petit modèle, bon ratio qualité/prix |
| Gemini 3.8 Flash | $7.5 | $9.4 | 14.8 € | Dernier Flash (tarif garanti jusqu'au 31/12/2026) | |
| Claude Haiku 4.5 | Anthropic | $10.0 | $12.5 | 19.8 € | Très rapide, multimodal |
| Claude Sonnet 5 | Anthropic | $20.0 | $25.0 | 39.6 € | Contexte 1M, meilleur ratio qualité/coût Anthropic |
| Claude Opus 5.5 | Anthropic | $40.0 | $50.0 | 79.2 € | Contexte 1M, cache à 5 % du prix |
| GPT-6 Astra | OpenAI | $100 | $125 | 198 € | Haut de gamme OpenAI (sept. 2026) |
Coût mensuel self-hosted (4 configs)
| Hardware | VRAM | Achat TTC | Amort./mois | Électricité/mois | Total/mois | Capacité tok/mois | Modèles compatibles |
|---|---|---|---|---|---|---|---|
| RTX 5070 Ti 16 Go (dans un PC existant)★ moins cher | 16 GB | 1 300 € | 54.2 € | 21.1 € | 75.3 € | 19.4M ~45 tok/s | 14B à l'aise, 24B en Q4 serré |
| Mac mini M5 Pro 24 Go⚠ sous-dimensionné | 24 GB | 1 999 € | 83.3 € | 2.8 € | 86.1 € | 8.6M ~20 tok/s | jusqu'à 14B (≈ 16 Go utilisables sur 24) |
| Mac Studio M5 Max 36 Go | 36 GB | 2 999 € | 125 € | 4.1 € | 129 € | 15.1M ~35 tok/s | jusqu'aux modèles ~32B en Q4 (≈ 27 Go utilisables) |
| RTX 5090 32 Go (dans un PC existant) | 32 GB | 5 000 € | 208 € | 31.2 € | 240 € | 34.6M ~80 tok/s | jusqu'à 32B en Q4-Q6 (pas de 70B) |
Verdict
Tu fais ce raisonnement pour remplacer GitHub Copilot ou Cursor ? En local, c'est 0 €/mois et ton code ne part jamais dans le cloud. Le guide « Copilote de code local » te donne le setup complet (Ollama + Cline + Aider, configs prêtes) pour t'y mettre en 30 min — et te dit franchement où le local ne remplace pas le cloud.
Voir le kit →Local ou abonnement ChatGPT / Claude ?
Comparez ce que coûtent vos abonnements à une machine locale partagée par l'équipe.
Abonnements : prix publics relevés le 28/09/2026 (hors taxes, convertis à 0,88 € pour 1 $ et TVA de 20 % ajoutée). Machine : prix d'achat amorti sur 24 mois + électricité à 0,20 €/kWh. Un modèle local de 14B à 32B ne remplace pas les modèles les plus puissants sur les tâches difficiles, ni la recherche web ou la génération d'images incluses dans les abonnements. Au-delà de quelques utilisateurs simultanés, une carte plus puissante devient nécessaire.
Combien coûte un serveur GPU pour faire tourner un LLM ?
Deux façons d'avoir « son » serveur GPU : l'acheter, ou le louer à l'heure. Pour un usage de quelques heures par jour, la location coûte souvent moins cher la première année ; pour un usage continu, l'achat se rembourse vite. Et une machine chez vous ne fait sortir aucune donnée.
Acheter : coût mensuel sur 24 mois
| Machine | Prix | Amortissement | Électricité (4 h/j) | Total / mois | Jusqu’à (Q4) |
|---|---|---|---|---|---|
| RTX 5070 Ti 16 Go (PC existant) | 1 300 € | 54 € | 9 € | ≈ 63 € | 14B |
| Mac mini M5 Pro 24 Go | 1 999 € | 83 € | 2 € | ≈ 85 € | 14B |
| Mac Studio M5 Max 36 Go | 2 999 € | 125 € | 3 € | ≈ 128 € | 32B |
| RTX 5090 32 Go (PC existant) | ≈ 5 000 € | 208 € | 16 € | ≈ 224 € | 32B |
Électricité : puissance en charge × 4 h × 30 jours à 0,20 €/kWh, machine éteinte le reste du temps. Prix relevés en septembre 2026.
Louer : prix à l'heure
| Serveur loué | Mémoire GPU | Prix / heure | 4 h par jour | 24 h sur 24 |
|---|---|---|---|---|
| Scaleway L4 (Paris) | 24 Go | 0,79 € HT | ≈ 95 € | ≈ 577 € |
| RunPod RTX 5090 | 32 Go | 0,61 à 0,87 € | 73 à 104 € | 443 à 636 € |
| RunPod A100 | 80 Go | 1,05 à 1,40 € | 126 à 168 € | 764 à 1 021 € |
| RunPod H100 | 80 Go | 1,75 à 3,07 € | 210 à 369 € | 1 278 à 2 242 € |
Tarifs publics relevés le 28/09/2026 sur scaleway.com et runpod.io (RunPod : fourchette entre offre communautaire et offre sécurisée, dollars convertis à 0,88 €). 4 h par jour = 120 h par mois ; 24 h sur 24 = 730 h.
Lequel choisir ?
- Quelques heures par jour : une RTX 5090 louée revient à 73-104 € par mois, moins que l'amortissement d'une carte achetée ≈ 5 000 €.
- En continu : une RTX 5090 louée 24 h sur 24 coûte 443 à 636 € par mois ; achetée ≈ 5 000 €, elle se rembourse en 9 à 14 mois, électricité comprise (≈ 95 € par mois en continu).
- Données sensibles : une machine chez vous ne transmet rien ; en location, préférez un hébergeur européen.
Méthodologie & hypothèses
Ce calculateur donne un ordre de grandeur, pas un devis comptable. Les hypothèses ci-dessous sont volontairement explicites pour que tu puisses jauger ce qui t'écarte de ton cas réel.
Pricing API
- Tarifs publics relevés le 28/09/2026 en USD/M tokens, sources : developers.openai.com/api/docs/pricing, platform.claude.com/docs/en/about-claude/pricing, ai.google.dev/gemini-api/docs/pricing, api-docs.deepseek.com, mistral.ai/pricing.
- Conversion USD→EUR au taux 0,88 (septembre 2026, peut bouger ±5% selon le jour).
- Surcoût long contexte (OpenAI, Gemini au-delà de 200k tokens) NON appliqué — calc utilise un seul prix par modèle.
- Cache (prix réduit propre à chaque modèle, de 2 % à 10 % du prix de l'input) appliqué uniquement si toggle "Cache prompts" est activé. Sinon ignoré.
- Batch mode (50% off OpenAI/Anthropic/Google/Mistral, 24h delay) appliqué uniquement si toggle "Mode batch" est activé.
- Tarif DeepSeek hors heures de pointe (-50 %) appliqué uniquement si le toggle correspondant est activé.
Pricing self-hosted
- Prix achat = TTC France relevés en septembre 2026 (toggle "TVA récupérable" pour passer en HT, -16,67%). Les cartes graphiques supposent un PC existant.
- Wattage idle/load = système COMPLET (PC : alim+CPU+RAM+SSD+GPU ; Mac : tout-en-un). Sources : reviews TomsHardware/AnandTech, Apple Power Analyzer, mesures pcpartpicker community.
- Capacité tokens/mois = tok/s estimé × heures actives × 30 jours. tok/s estimé sur workload mixte (modèle qui tient confortablement + modèle proche limite VRAM).
- NON compté : maintenance (~1h/mois ≈ 30-50€ équivalent freelance), bande passante internet, dépréciation pure du matériel revendu, défauts/RMA.
- Toggle "PC allumé H24" = idle (24h - heures_actives) × idleW. Décoché = PC éteint hors heures actives (0W idle).
Limites importantes
- Qualité non égale : Llama 3.3 70B local ≠ GPT-5 sur raisonnement complexe / multimodal. Le breakeven suppose équivalence fonctionnelle, ce qui peut surestimer la rentabilité du self-hosted pour certains cas d'usage.
- Disponibilité : self-hosted nécessite que la machine soit allumée pour traiter les requêtes. API = toujours dispo, scaling instantané.
- Latence : self-hosted = ms (local) ; API = 200-2000 ms selon vendor + région.
- Données / RGPD : self-hosted = aucune donnée envoyée à un tiers. API US (OpenAI/Anthropic/Google) = sortie territoriale UE. EU-hosted Mistral = OK RGPD natif.
- Pour aller plus loin : comparateur de modèles · configurateur GPU · catalogue 250 LLM · MCP server quelllm.