Collez votre texte, obtenez le nombre exact de tokens et ce que l'appel vous coûtera par mois. Et voyez de vous-même l'écart entre une phrase française et sa traduction anglaise, que les estimations faites en anglais oublient.
Le comptage tourne sur notre serveur, parce que les tables d'encodage pèsent des dizaines de mégaoctets et ne peuvent pas être chargées dans le navigateur. Votre texte n'est ni conservé ni journalisé : seule sa longueur apparaît dans nos logs techniques.
Tarifs relevés le 27/08/2026 et modifiables ci-dessus. Ils changent sans préavis et varient selon les paliers et les remises : vérifiez sur la page tarifs de OpenAI avant de chiffrer un projet.
Un agent qui traite mille demandes par mois avec un prompt de contexte un peu généreux peut coûter dix fois plus qu'un agent au prompt serré, pour un résultat identique. La différence ne se voit pas en test, où l'on fait dix appels. Elle se voit sur la première facture mensuelle.
Les tokenizers ont été entraînés majoritairement sur de l'anglais : les mots anglais courants tiennent en un seul token, leurs équivalents français se découpent souvent en deux ou trois. Une estimation faite sur un exemple anglais sous-évalue donc le budget d'un projet francophone, et c'est une raison fréquente de dépassement au premier mois. Ne nous croyez pas sur parole : collez la même phrase dans les deux langues dans le compteur ci-dessus, l'écart est immédiat.
Beaucoup découvrent tard que les instructions envoyées en tête de chaque requête sont facturées à chaque requête. Un prompt système de deux mille tokens sur cinquante mille appels mensuels, c'est cent millions de tokens d'entrée avant même d'avoir traité la moindre donnée utile.
L'unité que lit un modèle de langage. Ce n'est ni un mot ni un caractère : un mot courant fait souvent un seul token, un mot rare ou mal orthographié se découpe en plusieurs. En français, comptez environ quatre caractères par token, mais le seul chiffre juste est celui que donne le tokenizer du modèle concerné.
Parce que les tokenizers ont été entraînés majoritairement sur de l'anglais : les mots anglais courants tiennent en un token, là où leurs équivalents français se découpent en plusieurs. L'écart varie selon le texte, et le plus simple est de le mesurer vous-même en collant la même phrase dans les deux langues ci-dessus. Sur un volume important, il se voit directement sur la facture.
Il est exact pour les modèles OpenAI, dont les encodages sont publics. Pour Claude et Mistral, l'encodage exact n'est pas publié : nous appliquons un encodage proche, ce qui donne un ordre de grandeur fiable à quelques pourcents près. L'outil le signale quand c'est le cas plutôt que de laisser croire à une précision qu'il n'a pas.
Parce qu'aucun éditeur ne publie ses prix dans un format exploitable de façon fiable, et qu'un tarif faux affiché comme officiel ferait chiffrer des projets à côté. Nous affichons la date du relevé, nous rendons chaque prix modifiable, et nous renvoyons vers la page tarifs de l'éditeur.
Trois choses qui font souvent la différence sur une facture réelle : la mise en cache des prompts, qui réduit fortement le coût quand le même contexte revient d'un appel à l'autre ; les tarifs par lots, moins chers sur du traitement différé ; et les tentatives échouées, qui se facturent aussi. Le résultat est un plancher, pas une prévision.
Non. Le comptage tourne sur notre serveur parce que les tables d'encodage pèsent des dizaines de mégaoctets et ne peuvent pas être chargées dans un navigateur. Votre texte n'est ni stocké ni journalisé : seule sa longueur apparaît dans nos logs techniques.
Si vous êtes en train d'estimer un projet, le nombre de tokens n'est qu'une variable parmi d'autres. On chiffre des agents complets, du prompt jusqu'à la mise en production, et nos fourchettes sont publiques sur la page tarifs. Vous pouvez aussi regarder ce que coûterait un budget publicitaire sur ChatGPT.
Sans compte, sans inscription. Voir tous les outils.