Prix, config, perfs et publics LLM 2026—le guide complet

En juin 2026, les prix de sortie LLM vont du simple au 643×—ce guide couvre coût, config, perfs et publics pour éviter facture et contexte ratés.

1. Panorama des prix LLM 2026

1.1 Tier flagship : plafond de capacité, plafond de prix

Trois faits contre-intuitifs :

• Gemini 3.1 Pro est le flagship le moins cher. Par million de tokens : entrée 60 % moins chère que GPT-5.5, sortie 60 % moins chère. Encore plus vrai en long contexte.
• Claude Opus 4.8 et GPT-5.5 coûtent pareil en entrée ($5), mais Claude est 17 % moins cher en sortie. Un million de tokens générés : Opus économise $5.
• DeepSeek V4 Pro est moins cher en sortie que le Flash-Lite le plus abordable de Gemini. Ce n'est pas du « open source de fortune » — ce sont des tarifs API commerciaux officiels.

1.2 Tier milieu : la zone confortable du quotidien

1.3 Tier économique : le fossé pour les appels massifs

Quelle est l'ampleur réelle de l'écart ? En tokens de sortie, base 1× (DeepSeek V4 Flash) : GPT-5.5 = 107×, GPT-5.5 Pro = 643×, Claude Fable 5 = 179×.

2. Config : ce qui fixe la facture au-delà du tarif

2.1 Fenêtre de contexte : nominal ≠ utilisable

Le contexte annoncé par l'éditeur et celui que vous pouvez exploiter en prod sont souvent deux choses différentes.

Conseil : pipeline RAG souvent au-delà de 200K tokens ? Claude Sonnet 4.6 (1M prix unique) ou Gemini 3.1 Pro maintenu sous 200K. Sinon facture et latence explosent.

2.2 Prompt Caching : −90 %, mais trois règles du jeu

En 2026, pas de cache en prod = repayer le system prompt et la doc à chaque requête.

Économie typique : 1 M tokens entrée/jour, dont 60 % de system prompt et contexte RAG répétés :

• Claude Opus 4.8 : $5 → ~$2.3/j (−54 %)
• GPT-5.5 : $5 → ~$3.2/j (−36 %)
• Gemini 3.1 Pro : $2 → ~$1.1/j (−45 %)
• DeepSeek V4 Pro : $0.435 → ~$0.05/j (−89 %)

2.3 Batch API & niveaux de reasoning

• Batch API (OpenAI / Anthropic / Google) : −50 % supplémentaire pour tâches non temps réel — traitement offline, traduction de masse, benchmarks.
• Reasoning effort : xhigh sur GPT-5.5, extended thinking sur Claude — tokens de reasoning cachés, tout facturé en sortie. Une « réponse de 500 tokens » peut consommer 5000+ tokens de reasoning.
• Priority queue (OpenAI) : ×2,5 pour moins de latence. Rentable seulement pour services en ligne sensibles au SLA.

2.4 Pièges tokenizer : même texte, +35 % de tokens

Anthropic a changé de tokenizer dès Opus 4.7 — le même texte peut coûter jusqu'à 35 % de tokens en plus. Tarif identique, facture différente. Pour le français et l'anglais : DeepSeek et Qwen tokenisent souvent mieux que GPT — 10–20 % d'écart de coût, pas un détail.

3. Performance : ce que disent les benchmarks

3.1 Code : SWE-bench Verified (juin 2026)

SWE-bench Verified mesure si un modèle peut corriger de vrais issues GitHub — 500 tâches validées manuellement. Bien plus parlant qu'un « Hello World ».

Comment lire le tableau :

• Le code reste le terrain de Claude. Fable 5 et Opus 4.8 mènent une ligue au-dessus du reste. Avec Cursor, Claude Code ou des outils type Devin, ça se traduit par « corriger du premier coup ».
• GPT-5.5 est fort, mais pas le roi du code. Tool calling, multimodal, intégration écosystème — là il brille.
• DeepSeek V4 à 81 % pour $0.87/M en sortie : rapport qualité/prix saisissant. Pour solo dev et vibe coding, le tier « utilisable » le moins cher.

Note : les scores SWE-bench dépendent fortement du scaffolding agent. Les tests internes éditeurs dépassent souvent les benchmarks publics de 15–30 points. Comparez sous le même scaffolding, pas les valeurs absolues.

3.2 Reasoning & connaissance : MMLU-Pro, GPQA, long contexte

3.3 Latence & débit

4. Publics : qui prend quoi

4.1 Solo dev / vibe coding

Stack recommandé :

• Coding quotidien : Claude Opus 4.8 (API) ou Claude Code Max $100/mois
• Plan B économique : DeepSeek V4 Pro
• Ultra-léger : Gemini 2.5 Flash-Lite

Calcul : Claude Code Max $100/mois ≈ 50 sessions Opus intensives. Plus de 2 h de code/jour : l'abonnement bat le pay-per-token. En dessous : DeepSeek V4 Pro API est moins cher.

Rappel : dans Cursor et similaires, fixez un spending hard cap. Cas communauté : mode MAX, $11 922 en 4 semaines.

4.2 Startup / petit SaaS

Stack recommandé :

• Reasoning cœur : Gemini 3.1 Pro (flagship qualité/prix)
• Agent code : Claude Sonnet 4.6 (1M flat)
• Backend massif : DeepSeek V4 Flash + Batch
• Routing : complexe → Sonnet, classification simple → Flash-Lite

Estimation mensuelle (SaaS moyen, 5 M tokens/jour) :

4.3 Entreprise / sensible conformité (UE)

Stack recommandé :

• Entité UE/US : AWS Bedrock (Claude) ou Vertex AI (Gemini) — DPA et région choisissables
• Revue sécurité code : Claude Opus 4.8 + intégration Git privée
• Déconseillé : proxies OpenAI tiers (risque RGPD > économie)

Checklist obligatoire :

• Plafonds budget et alertes par clé API
• Prompt Caching en prod (−30–50 %)
• Stratégie de routing — pas tout sur Opus
• Agents code en environnement isolé (Cloud Mac / conteneur), pas sur bare metal

4.4 Dev IA / builders de frameworks agent

Stack recommandé :

• Autonomie longue durée : Claude Fable 5
• Orchestration tools : GPT-5.5
• Tests dev locaux : Mac Apple Silicon + Qwen/DeepSeek quantifiés
• Fallback prod : Gemini 3.1 Pro (long contexte + bas prix)

Pourquoi Apple Silicon ? En 2026, le goulot du dev agent n'est pas que l'API — c'est la runtime. Claude Code exige des tests Xcode sur macOS, des builds iOS sur vrai matériel, du tmux toute la nuit. Modèle au top, nœud coupé — les dollars de tokens précédents sont perdus. Voir À l'ère de l'IA, c'est le nœud de calcul qui manque, pas le modèle.

4.5 SaaS global / support multilingue

Stack recommandé :

• Workhorse : DeepSeek V4 Pro (traduction, résumé, support)
• Utilisateurs UE/US : Gemini 3.1 Flash-Lite ou GPT-5.4-nano
• Polish qualité : Claude Haiku 4.5

4.6 Étudiants / recherche

Stack recommandé :

• Gemini 3 Flash Preview (quota gratuit)
• DeepSeek V4 Flash (expériences au prix plancher)
• Local : Mac Mini M4 avec 7B–32B quantifiés pour prototypage

5. Coûts réels : trois scénarios types

Scénario A : bot support IA (100K conversations/jour)

Hypothèse : 2K entrée + 500 sortie par tour, 80 % cache hit sur system prompt.

Conclusion : le support n'a pas besoin de flagship. DeepSeek V4 Flash ou Gemini Flash-Lite suffit — sous $100/mois.

Scénario B : agent code (50 tâches repo/jour)

Hypothèse : 50K entrée + 20K sortie par tâche, 10 tool calls.

Conclusion : qualité → Opus 4.8. budget → DeepSeek V4 Pro (avec baisse de taux de succès). autonomie longue → Fable 5.

Scénario C : RAG long document (1000 requêtes/jour, 150K entrée chacune)

Conclusion : RAG sous 200K avec Gemini 3.1 Pro, ou Claude Sonnet 4.6 pour 1M flat. Avant prod : optimisez le chunking — n'injectez pas le livre entier à chaque fois.

6. Cinq règles d'or pour choisir en 2026

1. Forme de requête d'abord, modèle ensuite. Forte sortie → flagship. Entrée répétée → cache-friendly. Long contexte → tier flat.
2. Routing, pas monolithe. En 2026 on économise avec 80 % Flash + 20 % flagship, pas en prenant le modèle le moins cher partout.
3. Le cache est obligatoire, pas optionnel. Sans Prompt Caching en prod, vous payez volontairement 30–50 % de plus.
4. Coût total, pas prix affiché. DeepSeek est le moins cher — les équipes UE doivent intégrer RGPD, audit et stabilité de compte.
5. Modèle = cerveau, runtime = corps. À l'ère agent, la facture API n'est que la moitié — l'autre moitié, c'est si la machine tient 24/7.

7. Apple Silicon : hybride compute local + API cloud

L'architecture IA pragmatique 2026 n'est ni « tout API » ni « tout local » — c'est en couches :

La mémoire unifiée M4 rend les 14B–32B quantifiés efficaces — silencieux, peu de watts, pas de NVIDIA obligatoire. Ce que le local ne fait pas : build iOS avec Claude Code, tests UI Xcode, migration week-end dans tmux. Là, la stabilité du nœud compte plus que le choix du modèle.

FAQ

Quel est le modèle prod le moins cher en 2026 ?

DeepSeek V4 Flash ($0.14/$0.28) et Gemini 2.5 Flash-Lite ($0.10/$0.40) partagent le tier le plus bas. Pour du CJK, DeepSeek peut coûter encore moins grâce à un tokenizer plus efficace.

GPT-5.5 vaut-il encore le coup après la hausse ?

Si vous êtes ancré dans l'écosystème OpenAI (Assistants API, Realtime Voice, DALL·E / Sora, Azure OpenAI) : oui. Texte/code pur : Gemini 3.1 Pro et Claude Opus 4.8 offrent un meilleur rapport qualité/prix.

Claude Opus 4.8 ou GPT-5.5 ?

Agent code → Opus 4.8 (SWE-bench +6 pp, sortie −17 %). Tools denses, multimodal, voice → GPT-5.5. Entrée : $5/M pour les deux.

Comment gérer le palier 200K de Gemini 3.1 Pro ?

Chunker le RAG, garder l'entrée sous 200K. Ou Context Caching Gemini pour docs récurrents. Au-delà de 200K : entrée ×2, de $2 à $4.

DeepSeek V4 en production ?

Solide pour équipes avec lien Chine et workloads CJK. Entreprise UE : évaluer RGPD, interdiction fédérale US et résidence des données. Techniquement et en prix, c'est solide — la conformité est la variable.

Solo dev, budget $50/mois ?

DeepSeek V4 Pro en base ($30), Gemini 2.5 Flash-Lite en réserve ($10), $10 pour un Sonnet d'urgence sur les tâches dures.

Abonnement (ChatGPT Plus / Claude Pro) ou API ?

< 2 h/jour : abonnement. > 4 h ou intégration produit : API. Claude Code Max $100/mois ≈ 50 sessions Opus intensives.

Conclusion

Choisir le modèle n'est que la première étape. En 2026, ce qui distingue les équipes, c'est qui termine les agents dans une runtime stable — build vert, tests OK, PR mergée.

Modèle = cerveau, runtime = corps. La facture API n'est que la moitié — l'autre moitié, c'est si la machine tient 24/7.

Claude Code pour iOS/macOS ou un agent qui doit survivre à la nuit ? Verrouillez d'abord un Cloud Mac qui tient — puis discutez Fable vs Opus.

À lire dans le carnet du labo

• La course aux modèles est terminée—pourquoi les nœuds Mac sont si difficiles à obtenir
• D'Opus 4.8 à Fable 5 : ce qu'Anthropic a vraiment changé côté agentique
• Mac Mini M4 pour le dev IA ? Inférence locale vs Cloud Mac 2026

Mise à jour : 17 juin 2026. Prix et benchmarks d'après les pages publiques des éditeurs et SWE-bench Verified (juin 2026).