Compter les jetons : le compteur caché derrière chaque outil d'IA
Brian Long
Dans le premier article de cette série, nous avons établi un modèle mental qui dissipe la majeure partie de la confusion entourant l’IA : un grand modèle de langage est un processeur de langage. Il reçoit du langage en entrée et vous en redonne une version transformée, un peu comme un robot culinaire reçoit des légumes et vous les remet hachés ou réduits en purée selon vos consignes.
Ce cadre répond à ce à quoi sert l’outil. Cet article répond à une question qui surgit dès que vous commencez à l’utiliser pour du vrai travail : combien ça coûte à faire fonctionner, et comment distinguer une bonne affaire d’une mauvaise?
La réponse se résume à une seule unité que vous avez probablement déjà vue sur votre facture ou dans les petits caractères de votre forfait sans trop savoir ce qu’elle signifiait : le jeton (token). Les jetons sont le compteur sur lequel fonctionne l’IA. Une fois qu’on les comprend, toute l’économie de l’IA — les prix, la vitesse et la question grandissante de l’électricité — cesse d’être mystérieuse et devient quelque chose qu’on peut réellement gérer.
Qu’est-ce qu’un jeton?
Un jeton est un fragment de texte, habituellement un peu plus petit qu’un mot. Les modèles d’IA ne lisent pas lettre par lettre ni mot par mot; ils découpent le texte en ces fragments et les traitent un à la fois.
Une règle pratique utile : un jeton représente environ les trois quarts d’un mot. Mille mots d’anglais correspondent à peu près à 1 300 à 1 500 jetons (Microsoft, Fullstack). Des mots courants comme « the » ou « house » forment un seul jeton. Les mots plus longs ou plus rares sont découpés : « unbelievable » pourrait devenir trois jetons — « un », « believ » et « able ». La ponctuation et les espaces comptent aussi.
Pourquoi se donner la peine de découper les mots ainsi? Parce que ça permet au modèle de traiter n’importe quel mot qu’il rencontre — même ceux qu’il n’a jamais vus, des noms propres, des fautes de frappe, du jargon technique — en les assemblant à partir de morceaux familiers, un peu comme vous pouvez déchiffrer un mot que vous n’avez jamais lu. La conséquence pratique pour vous : tout ce que vous tapez, et tout ce que l’IA vous répond, est mesuré et facturé en jetons. Le compteur tourne toujours, dans les deux sens.
Message d’entrée, réponse en sortie : les deux faces du compteur
Voici la partie qui surprend la plupart des gens : les jetons que vous envoyez et ceux que vous recevez en retour sont comptés séparément — et ils n’ont habituellement pas le même prix.
Les jetons de votre requête s’appellent des jetons d’entrée (ou de « prompt »). Les jetons de la réponse de l’IA sont des jetons de sortie (ou de « réponse »). La sortie coûte presque toujours plus cher — souvent quatre à cinq fois plus par jeton que l’entrée.
Ça semble arbitraire jusqu’à ce qu’on se rappelle le modèle du robot culinaire. Lire votre requête, c’est la partie facile — l’IA absorbe l’ensemble de votre message essentiellement en une seule passe. Générer la réponse, c’est la partie coûteuse — le modèle la produit un jeton à la fois, chaque nouveau mot dépendant de tous les mots précédents. Vous payez pour le travail de création, pas pour le travail de lecture. Pensez à un traducteur qui facture des frais minimes pour lire votre document, mais qui facture à la page ce qu’il vous remet à l’écrit.
Cela a une implication directe qui peut vous faire économiser de l’argent. Un message d’entrée long et détaillé — exactement le genre de briefing approfondi qu’on recommandait dans le dernier article — coûte peu cher. Fournir à l’IA du contexte et des exemples ne vous coûte presque rien, parce que les jetons d’entrée sont le côté économique du compteur. Ce sur quoi il faut être délibéré, c’est de demander des sorties énormes dont vous n’avez pas besoin. « Résume ceci en trois puces » n’est pas seulement plus clair que « dis-moi tout sur ça » — c’est aussi moins cher.
Il y a un autre détail qui vaut la peine d’être connu, parce qu’il redessine les factures d’IA dans toute l’industrie. Les modèles de « raisonnement » les plus récents font quelque chose de plus : avant de répondre, ils génèrent un monologue interne caché — travaillant le problème étape par étape. Ces jetons de réflexion sont facturés comme n’importe quel autre jeton de sortie, même si vous ne les voyez jamais. Une réponse qui vous montre 200 mots pourrait avoir discrètement consommé des dizaines de milliers de jetons de délibération privée (CodeAnt). C’est puissant pour des problèmes véritablement difficiles et gaspillé pour des problèmes simples — et savoir faire la différence devient une vraie compétence, sur laquelle on reviendra.
À quelle vitesse est-ce assez rapide? La vitesse des jetons
Les jetons mesurent aussi la vitesse. Quand vous regardez la réponse d’une IA s’afficher à l’écran mot par mot, vous voyez des jetons arriver, et ce rythme se mesure en jetons par seconde.
Le point de repère utile ici est merveilleusement humain : environ six à sept jetons par seconde correspond à une vitesse de lecture normale (Artificial Analysis). Si un modèle produit du texte au moins à cette vitesse, il suit votre rythme de lecture — ce qui est tout ce dont vous avez besoin pour clavarder, rédiger ou résumer. Tout ce qui va plus vite que vos yeux est, dans un sens, gaspillé pour un lecteur humain.
Alors pourquoi se soucier des modèles qui produisent 200, 300, voire bien plus de jetons par seconde? Deux raisons. D’abord, quand l’IA fait un travail que vous ne lisez pas en temps réel — en traitant une centaine de courriels de clients, en analysant un long document —, plus de vitesse veut dire moins d’attente pour le résultat final. Ensuite, les outils agentiques plus récents enchaînent plusieurs étapes d’IA en coulisse, et un modèle lent fait ramper toute la chaîne. Mais pour le travail quotidien dans une fenêtre de clavardage, celui par lequel démarrent la plupart des petites entreprises, les modèles courants d’aujourd’hui sont tous confortablement plus rapides que ce que vous pouvez lire. La vitesse est rarement votre goulot d’étranglement. Le coût et le jugement, eux, le sont.
L’efficacité des jetons : le chiffre qui définira les prochaines années
Une fois qu’on voit le monde en jetons, une question plus importante entre en jeu — non pas « combien coûte un jeton? », mais « combien de travail utile est-ce que j’obtiens par jeton? ». C’est l’efficacité, et elle se décline en deux saveurs qui comptent pour un propriétaire d’entreprise : les jetons par dollar, et les jetons par watt.
Jetons par dollar : l’illusion du coût
D’abord la bonne nouvelle : les prix bruts des jetons ont chuté en flèche. Le coût pour acheter un niveau donné de capacité d’IA a baissé de plusieurs fois d’une année à l’autre, et la concurrence est féroce. À la mi-2026, les modèles d’entrée de gamme tournent autour de 0,10 $ par million de jetons d’entrée; les modèles courants comme la série GPT-5 d’OpenAI ou Claude Sonnet d’Anthropic se situent aux alentours de 2,50 $ à 3 $ par million de jetons d’entrée (la sortie coûtant quatre à cinq fois plus cher); et les modèles de pointe grimpent jusqu’à 5 $–30 $ (CloudZero, BenchLM). Un million de jetons représente environ 750 000 mots — presque un gros roman au complet — pour le prix d’un café. À ce compte, l’IA semble presque gratuite.
Voici le hic, et c’est la chose la plus importante à comprendre sur votre facture : les prix par jeton baissent pendant que les factures totales d’IA augmentent. Les analystes de l’industrie appellent ça « l’illusion du coût des jetons » (Artefact, Indexnine). Le prix unitaire a chuté d’environ 75 % en un an — mais le nombre d’unités consommées par une tâche moderne a explosé. Ces jetons de réflexion cachés, combinés aux flux de travail agentiques qui bouclent sur des dizaines d’étapes, font qu’une seule requête complexe peut discrètement engloutir de 50 000 à 500 000 jetons avant de vous livrer une réponse. Des unités moins chères, beaucoup plus nombreuses, une facture plus grosse.
La discipline que ça récompense est exactement celle que nous prêchons depuis le début : adaptez l’outil à la tâche. Utiliser un modèle de raisonnement lourd pour rédiger un courriel de remerciement, c’est comme utiliser une rétrocaveuse pour planter une tulipe — ça fonctionne, mais c’est terriblement inefficace. La même requête simple peut coûter des dizaines de fois plus cher sur un modèle « réfléchissant » que sur un modèle de la bonne taille, sans meilleur résultat. La pointe de la technologie compte aussi ici : le tout récent Claude Fable 5 d’Anthropic, la version publique de son modèle haut de gamme de la classe Mythos, a été lancé en juin 2026 à environ le double du prix du modèle-phare précédent (Anthropic, CNBC). C’est un outil remarquable pour du raisonnement véritablement difficile et à fort enjeu — et une exagération complète pour réécrire une offre d’emploi. L’efficacité, ce n’est pas toujours acheter le modèle le moins cher ou le plus intelligent. C’est ne jamais payer un prix de pointe pour du travail routinier.
Jetons par watt : la question derrière la question
Il existe un second compteur, et presque personne en dehors de l’industrie ne le surveille encore : l’énergie. Au bout du compte, chaque jeton est produit par une puce qui consomme de l’électricité. Les chercheurs mesurent maintenant l’efficacité de l’IA en jetons par watt — ou jetons par joule — précisément pour cette raison (John Snow Labs).
Ce n’est pas une préoccupation marginale. Selon certaines estimations, les centres de données du monde étaient en voie de consommer environ 1 050 térawattheures d’électricité en 2026 — assez pour se classer, s’ils formaient un pays, au cinquième rang des plus grands consommateurs d’énergie de la planète, entre le Japon et la Russie (TTMS). Les opérateurs de réseaux électriques traitent maintenant la « vitesse de raccordement au réseau » comme le facteur décisif pour savoir si de nouvelles installations d’IA peuvent même être construites (Forum économique mondial). L’électricité, et non les puces, devient le véritable goulot d’étranglement.
Pour une petite entreprise, ça semble abstrait — jusqu’à ce qu’on fasse le lien avec sa facture. Les prix étonnamment bas des jetons d’aujourd’hui sont soutenus par des investissements colossaux et, par endroits, par la vente de puissance de calcul en dessous de son coût réel pour gagner des parts de marché. L’électricité est la facture qu’on ne peut pas rabaisser artificiellement. L’efficacité énergétique, et non la capacité brute, déterminera le prix réel à long terme de l’IA — et la viabilité commerciale des entreprises qui la fournissent. Le modèle qui accomplit votre travail avec le moins de watts est celui qui restera abordable quand les subventions s’estomperont.
Pourquoi le local et l’hybride sont la voie à suivre
C’est ici que les deux compteurs — dollars et watts — pointent vers la même destination : vous n’avez pas besoin d’un superordinateur de pointe pour la majorité de ce qu’une entreprise fait réellement.
Le calcul énergétique est frappant. L’appétit d’un modèle en énergie croît plus vite que sa taille : passer d’un modèle de 7 milliards de paramètres à un modèle de 70 milliards peut multiplier l’énergie par jeton par environ cent fois (arXiv). La plupart des tâches langagières d’une entreprise — rédiger, résumer, réécrire, extraire — n’ont pas besoin d’un modèle cent fois plus vorace. Elles ont besoin d’un modèle compétent, de la bonne taille. Et ces petits modèles sont devenus remarquablement performants. La famille de modèles ouverts Granite d’IBM propose maintenant des versions assez petites pour tourner directement dans un navigateur Web, conçues délibérément pour un travail d’entreprise efficace, prévisible et à faible coût (VentureBeat, IBM Research). Un modèle ouvert et performant peut produire du texte utile sur un ordinateur portable moderne ou une puce de téléphone, en ne consommant qu’une poignée de watts — à peu près ce qu’utilise une ampoule (arXiv).
Ça ouvre la voie à une approche hybride, et c’est là que se dirige l’argent intelligent. Faites tourner le travail routinier, à haut volume, sensible en matière de confidentialité, sur des modèles petits et efficaces près de chez vous — sur votre propre matériel, là où le coût marginal par jeton s’approche de zéro et où vos données ne quittent jamais les lieux. Réservez le coûteux modèle de pointe infonuagique aux rares problèmes véritablement difficiles qui justifient la dépense. Vous obtenez le meilleur des deux mondes : l’efficacité en coût et en énergie de l’IA locale pour l’essentiel du travail, et la puissance de pointe disponible pour le cas rare qui en a besoin. Toute l’industrie — OpenAI, Google, IBM, et le monde open source en mouvement rapide, tous ensemble — se précipite vers des modèles plus petits, moins chers et plus efficaces précisément parce que c’est là que se trouve l’économie durable.
L’avantage discret, suite
Revenons au cycle d’engouement avec lequel nous avons ouvert cette série. Pendant l’essor, l’histoire tournait autour de modèles toujours plus gros et de démonstrations toujours plus impressionnantes. Cette phase tire à sa fin. L’avantage durable de la prochaine phase ne sera pas bâti par celui qui dépense le plus pour le modèle le plus tape-à-l’œil — il sera bâti par celui qui utilise l’IA efficacement : l’outil de la bonne taille, bien briefé, exploité pour le moins de dollars et de watts possible afin d’accomplir le travail.
C’est une bonne nouvelle pour les petites et moyennes entreprises, et c’est la même bonne nouvelle qu’avant. Vous n’alliez jamais gagner en dépensant plus que les géants. Vous gagnez en étant délibéré — en sachant qu’un jeton est une unité de travail que vous payez en argent et en énergie, et en ne dépensant les deux que là où ça vous rapporte vraiment quelque chose. Les outils deviennent moins chers, plus petits et plus efficaces d’un mois à l’autre. Les entreprises qui apprendront à compter leurs jetons bâtiront tranquillement un avantage pendant que tout le monde continuera de fixer la pointe de la technologie.
Chez Synapses Technologies, aider les petites et moyennes entreprises à trouver cet ajustement pratique et efficace — le bon outil pour le vrai travail — c’est ce qu’on fait. Si vous vous demandez quelles tâches conviennent à un modèle local léger et lesquelles valent la peine d’être confiées à la pointe de la technologie, c’est exactement la conversation qu’on adore avoir.
Prochain dans la série : où trouver les tâches langagières récurrentes cachées dans vos propres opérations, et comment vérifier les résultats de l’IA sans perdre le temps que vous venez d’économiser.