L’IA à poids ouverts est-elle réellement moins chère que les grandes API propriétaires — et de combien ? Nous avons recueilli les tarifs d’API de l’ensemble des 29 modèles cotés figurant dans notre Base de données de modèles, normalisés chacun selon un coût combiné unique par million de jetons, puis regroupés en deux catégories : « à poids ouverts » et « propriétaires ». L’écart constaté est plus important — et nettement plus constant — que ce que la plupart des gens imaginent.
Points clés
- Les 5 modèles les moins chers en 2026 sont tous à poids ouverts. Les 5 modèles les plus coûteux sont tous propriétaires.
- Le le coût typique (médian) d’un modèle ouvert s’élève à environ 0,15 $ par million de jetons combinés ; celui d’un modèle propriétaire atteint en moyenne ~6,00 $ — soit un écart de 39×.
- En moyenne, les modèles propriétaires coûtent environ 16 fois plus que les modèles ouverts.
- Sur l’ensemble des 29 modèles, l’étendue totale des prix s’échelonne sur un facteur d’environ 890× — de ~0,02 $ à 20 $ par million de jetons combinés.
- Et cela ne tient pas compte de l’auto-hébergement, qui supprime entièrement le coût par jeton pour les modèles à poids ouverts. L’écart, résumé dans un tableau
Comment nous avons procédé aux mesures
- — les 29 modèles entièrement couverts par la base de données Convly disposant d’un tarif public d’API. (3 × entrée + sortie) ÷ 4
- Coût combiné —
, ratio entrée/sortie de 3:1 typique du trafic réel via API, permettant ainsi de comparer directement les modèles dont l’entrée est peu coûteuse mais la sortie onéreuse.— « à poids ouverts » = poids téléchargeables que vous pouvez auto-héberger (22 modèles) ; « propriétaires » = accès exclusivement par API (7 modèles). - Classification Sources
- — tarifs d’API publiés sur OpenRouter et DeepInfra, juin 2026. Indicateur (coût combiné par million de jetons, en dollars)
Les extrêmes parlent d’eux-mêmes
| À poids ouverts (22) | Propriétaires (7) | Proprietary (7) | Écart |
|---|---|---|---|
| Moyenne | $0.50 | $8.16 | 16× |
| Médiane (modèle typique) | $0.15 | $6.00 | 39× |
| Moins cher du groupe | 0,02 $ (Llama 3.1 8B) | 2,00 $ (Claude Haiku 4.5) | — |
| Plus cher du groupe | 3,00 $ (Mistral Large 3) | 20,00 $ (Claude Fable 5) | — |
Nuance importante : il s’agit ici de coûts, non de capacités
Triant les 29 modèles selon leur coût combiné, le schéma est frappant : les modèles open-weight dominent le bas du classement, tandis que les modèles propriétaires occupent le haut :
| 5 modèles les moins chers (tous open-weight) | Coût combiné par million de dollars | 5 modèles les plus chers (tous propriétaires) | Coût combiné par million de dollars |
|---|---|---|---|
| Llama 3.1 8B | $0.02 | Claude Fable 5 | $20.00 |
| Mistral 7B | $0.02 | GPT-5.5 | $11.25 |
| Mistral NeMo 12B | $0.03 | Claude Opus 4.8 | $10.00 |
| Gemma 3 4B | $0.06 | Claude Sonnet 4.6 | $6.00 |
| Qwen3 8B | $0.07 | Gemini 3.1 Pro | $4.50 |
There is no proprietary model in the cheapest third of the market, and no open-weight model in the most expensive third. The lone overlap zone is narrow: the cheapest proprietary model (Claude Haiku 4.5, $2.00) sits just below the most expensive open one (Mistral Large 3, $3.00).
Pourquoi cet écart est structurel
Les modèles les plus coûteux conservent toutefois une avance sur les tâches de raisonnement et d’agence les plus complexes. Dans notre indicateur complémentaire Indice AI Prix-Performance nous avons constaté que la prime associée aux modèles de pointe permet d’acquérir les derniers points d’intelligence, et non une valeur proportionnelle. Toutefois, pour la grande majorité des charges de production — classification, extraction, RAG, synthèse, chat — l’écart de capacité entre un bon modèle open-weight et un modèle de pointe est bien moindre que l’écart de prix de 39×. Vous payez souvent 39× davantage pour les 10 à 20 % finaux de capacité dont vous n’avez probablement pas besoin.
Périmètre
Il ne s’agit pas d’une guerre temporaire de réduction des prix. Une concurrence ouverte intense — Qwen, Llama, Gemma et DeepSeek Mistral lançant tous des modèles performants sous des licences permissives — a fait baisser le plancher des prix vers zéro. Parallèlement, les laboratoires de pointe fixent leurs prix en fonction des capacités maximales et de la disposition des entreprises à payer. Le résultat est un marché en voie de bifurcation : un plancher en course vers zéro et un plafond premium, séparés par un fossé de plus en plus large.
Conclusion
Pour les déploiements de production sensibles aux coûts, un modèle open-weight ou intermédiaire constitue le choix rationnel par défaut en 2026 — et l’hébergement privé élimine totalement le coût par jeton (découvrez ce que votre GPU peut exécuter grâce à notre Calculateur de VRAM). Réservez les modèles propriétaires de pointe aux tâches véritablement les plus complexes. Analysez vos propres besoins à l’aide de notre Calculateur des coûts d’API pour obtenir vos chiffres exacts.
Data: Convly Base de données des modèles IA (API pricing via OpenRouter and DeepInfra). Blended cost uses a 3:1 input:output ratio. Figures current as of June 2026.
