Outil 02 · Coût LLM
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 M4 Pro devient rentable ? Entrez votre conso, on vous le dit.
Votre consommation mensuelle
Repère : 10M input + 2,5M output = ~5 000 conversations Claude moyennes (1 500 tokens input + 500 output / conversation). Ajustez selon votre usage.
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)
Cliquez les badges pour activer/désactiver les modèles.
| Modèle | Vendor | Input | Output | Total/mois | Notes |
|---|---|---|---|---|---|
| Gemini 2.5 Flash★ moins cher | $0.75 | $0.75 | 1.4 € | Le moins cher des "flagship" | |
| Mistral Small 3.5 | Mistral | $2.0 | $1.5 | 3.2 € | EU-hosted, low cost |
| DeepSeek V3.5 | DeepSeek | $2.7 | $2.8 | 5.0 € | Off-peak 50% off (16h-04h UTC) |
| Claude Haiku 4.5 | Anthropic | $10.0 | $12.5 | 20.7 € | Très rapide, multimodal |
| Gemini 2.5 Pro | $12.5 | $25.0 | 34.5 € | Cache 75% off input | |
| Claude Sonnet 4.6 | Anthropic | $30.0 | $37.5 | 62.1 € | Best ratio qualité/coût |
| GPT-5 | OpenAI | $120 | $150 | 248 € | Flagship 2026, raisonnement avancé |
| Claude Opus 4.7 | Anthropic | $150 | $188 | 311 € | 1M context, prompt cache 90% off |
Coût mensuel self-hosted (4 configs)
Hardware amorti sur 24 mois + électricité (0.20 €/kWh). Capacity = tok/s estimé × 4h/jour × 30j ; warning si insuffisant pour 12.5M tokens demandés.
| Hardware | VRAM | Achat TTC | Amort./mois | Électricité/mois | Total/mois | Capacité tok/mois | Modèles compatibles |
|---|---|---|---|---|---|---|---|
| PC + RTX 5070 Ti 16GB★ moins cher | 16 GB | 1 800 € | 75.0 € | 21.1 € | 96.1 € | 19.4M ~45 tok/s | jusqu'à 13B q8 ou 27B q4 |
| Mac Mini M4 Pro 48GB⚠ sous-dimensionné | 48 GB | 2 800 € | 117 € | 2.8 € | 119 € | 10.8M ~25 tok/s | jusqu'à 70B q4 (mémoire unifiée) |
| PC + RTX 5090 32GB | 32 GB | 3 500 € | 146 € | 31.2 € | 177 € | 34.6M ~80 tok/s | jusqu'à 32B q8 ou 70B q4 |
| Mac Studio M4 Max 64GB | 64 GB | 4 500 € | 188 € | 4.1 € | 192 € | 15.1M ~35 tok/s | jusqu'à 70B q5 ou 120B q4 |
Verdict
Comparaison personnalisable — change les options ci-dessous.
API à comparer
Gemini 2.5 Flash
1.4 €/mois
API moins chère ★. Aucun hardware à acheter, scaling instantané.
Hardware à comparer
PC + RTX 5070 Ti 16GB
96.1 €/mois (amorti)
Tokens locaux, données privées, latence ms.
Breakeven self-hosted
Jamais (à ce volume)
À votre volume actuel, Gemini 2.5 Flash (1.4 €/mois) coûte moins que la simple électricité de PC + RTX 5070 Ti 16GB. Augmentez la conso ou changez le hardware/API ci-dessus.
Si c'est pour coder
Le même calcul, version Copilot
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 →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 2026-05 en USD/M tokens, sources : openai.com/api/pricing, anthropic.com/pricing, ai.google.dev/pricing, api-docs.deepseek.com, mistral.ai/pricing.
- Conversion USD→EUR au taux 0.92 (mai 2026, peut bouger ±5% selon le jour).
- Tier pricing au-delà de 200k context (Anthropic/Gemini) NON appliqué — calc utilise un seul prix par modèle.
- Cache (Anthropic 90% off / Gemini 75% off input) appliqué uniquement si toggle "Cache prompts" est activé. Sinon ignoré.
- Batch mode (50% off OpenAI/Anthropic/Gemini, 24h delay) appliqué uniquement si toggle "Mode batch" est activé.
- Off-peak DeepSeek (50%/75% off) appliqué uniquement si toggle "DeepSeek off-peak" est activé.
Pricing self-hosted
- Prix achat = TTC France 2026-05 (toggle "TVA récupérable" pour passer en HT, -16,67%).
- 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.