Coûts : local vs API, avec les vrais chiffres

Vous hésitez entre faire tourner l'IA en local et continuer à appeler une API cloud. La question n'est pas « lequel est le plus puissant » — vous le savez déjà. La question qui compte est une autre : combien ça coûte vraiment, et à quel point le matériel acheté une seule fois cesse d'être moins cher que l'abonnement payé chaque mois. Ici, on essaie de répondre avec des chiffres, pas des impressions.

Deux modèles de coût opposés

L'API est un coût variable : vous payez par token, la note grandit avec l'usage, et quand vous n'utilisez pas, vous ne payez pas. Le local est un coût fixe : vous achetez le matériel une fois, vous le payez en une fois, et ensuite le coût marginal de chaque génération est pratiquement seulement l'électricité.

Cette différence — fixe contre variable — c'est toute l'histoire. Celui qui utilise peu ne rembourse jamais le matériel. Celui qui utilise beaucoup finit un jour par dépasser le point où l'API est plus chère. Ce jour-là s'appelle le point de rentabilité.

Combien coûte vraiment un appel API

Les prix se mesurent par million de tokens. Un million de tokens, c'est environ 750.000 mots en anglais. Les tarifs actuels, vérifiés sur les sites officiels d'OpenAI et d'Anthropic :

Modèle	Input (par M)	Output (par M)
GPT-6 Astra	10,00 $	50,00 $
GPT-5.6 Sol	4,00 $	20,00 $
GPT-5.6 Terra	2,00 $	12,00 $
GPT-5.6 Luna	0,20 $	1,20 $
GPT-4.1	2,00 $	8,00 $
GPT-4.1 mini	0,40 $	1,60 $
Claude Opus 5.5	4,00 $	20,00 $
Claude Sonnet 5	2,00 $	10,00 $
Claude Haiku 4.5	1,00 $	5,00 $

Le chiffre qui compte en pratique, c'est celui de l'output, parce que c'est celui que le modèle génère et que vous payez à chaque réponse. Une réponse de 1.000 tokens coûte 0,05 $ avec Astra, 0,02 $ avec Sol ou Opus 5.5, 0,012 $ avec Terra, 0,0012 $ avec Luna.

Prenons un tour de conversation réaliste : 2.000 tokens d'input (le contexte envoyé) + 500 de output (la réponse).

• GPT-6 Astra : 2 000/1M × 10,00 $ + 500/1M × 50,00 $ = 0,02 $ + 0,025 $ = 0,045 $ par tour
• GPT-5.6 Sol : 2 000/1M × 4,00 $ + 500/1M × 20,00 $ = 0,008 $ + 0,01 $ = 0,018 $ par tour
• GPT-5.6 Terra : 2 000/1M × 2,00 $ + 500/1M × 12,00 $ = 0,004 $ + 0,006 $ = 0,010 $ par tour
• GPT-5.6 Luna : 2 000/1M × 0,20 $ + 500/1M × 1,20 $ = 0,0004 $ + 0,0006 $ = 0,001 $ par tour
• Opus 5.5 : 2 000/1M × 4,00 $ + 500/1M × 20,00 $ = 0,008 $ + 0,01 $ = 0,018 $ par tour

Ça ne semble pas énorme. Mais l'enjeu n'est pas le tour unique, c'est le nombre de tours.

Combien coûte le local

Le local a deux composantes : l'investissement initial (une seule fois) et l'électricité (continue mais minime).

Investissement : une RTX 4090 24Go se trouve autour de 1.600 euros, une 3090 d'occasion vers 1.500, une 5090 32Go à 2.000. Le reste de la machine (CPU, RAM, boîtier, alim), vous l'avez déjà ou vous l'ajoutez. On amortit la seule carte graphique sur 3 ans (36 mois) :

• 4090 à 1.600 euros → 44 euros par mois
• 3090 à 1.500 euros → 42 euros par mois
• 5090 à 2.000 euros → 56 euros par mois

Électricité : un PC avec une carte graphique gamer atteint 400-500 watts en charge. À 0,30 euro le kWh, une heure de travail à pleine charge coûte environ 0,12-0,15 euro. Si vous utilisez la machine une heure par jour, vous êtes à 3,60-4,50 euros par mois. La consommation au repos (veille, GPU inactif) est négligeable.

Donc le local vous coûte, en gros, 45-60 euros par mois de coût fixe, peu importe le nombre de générations. Côté logiciel, ça ne coûte rien : llama.cpp et les runtime qui s'en servent sont open source, et les poids des modèles ouverts (Qwen, Llama, Mistral) se téléchargent gratuitement.

Le point de rentabilité

Mettons maintenant les deux courbes ensemble. Le local est une droite horizontale (environ 50 euros par mois). L'API est une droite qui part de zéro et monte. Elles se croisent quand les tokens du mois dépassent un seuil :

Point de rentabilité (tokens/mois) ≈ coût fixe du local / coût par token de l'API

Faisons-le pour un mélange réaliste (4 tokens d'input pour 1 de output, typique du travail avec contexte long) :

API (mix 4:1 in/out)	Coût moyen par M de tokens	Rentabilité à 50 euros/mois
GPT-6 Astra	~14,00 $	~2,4M de tokens
GPT-5.6 Sol	~5,60 $	~5,6M de tokens
Opus 5.5	~6,40 $	~4,9M de tokens
Claude Sonnet 5	~3,20 $	~13M de tokens
GPT-5.6 Terra / GPT-4.1	~2,80 $	~15M de tokens
GPT-4.1 mini	~0,48 $	~57M de tokens
GPT-5.6 Luna	~0,32 $	~84M de tokens

En chiffres concrets : avec le modèle de tête (GPT-6 Astra, 10/50 $), le local devient intéressant quand vous dépassez environ 2,5 millions de tokens par mois — quelques milliers de réponses par jour pour une entreprise. Avec GPT-5.6 Sol (4/20 $) le seuil monte à ~5,5 millions de tokens/mois, avec Terra ou Sonnet à 13–15 millions. Avec un modèle économique comme Luna (0,20/1,20 $), il atteint 84 millions de tokens : pour un usage personnel, vous n'y arrivez rarement, et l'API bon marché reste le choix le plus sensé.

Ce sont des ordres de grandeur, pas un devis : les prix changent, les tarifs se mettent à jour, et vous pondérez l'électricité et l'amortissement comme vous voulez. La méthode tient pourtant : plus vous utilisez et plus les modèles chers rendent le local compétitif ; plus vous utilisez peu ou des modèles économiques, plus l'API gagne.

Ce qui déplace la réponse

Les chiffres disent « ça dépend des tokens ». Mais la décision réelle dépend aussi de ce qui ne se voit pas dans le tableau.

Contexte long. Plus de contexte envoyé, plus de tokens d'input, plus l'API monte — et le local ne grandit pas avec le contexte : il a la RAM qu'il a. Pour des charges avec des milliers de tokens de contexte par appel, la courbe de l'API devient très raide.

Plusieurs utilisateurs ou agents. Une entreprise qui sert dix employés ou qui fait tourner des agents 24/7 n'utilise pas « un peu » : elle utilise des millions de tokens par jour. C'est exactement le profil qui dépasse la rentabilité. Un seul utilisateur qui discute une heure par jour, non.

Qualité du modèle. Le local vous amène les modèles ouverts (Qwen, Llama, Mistral) au niveau de qualité que la VRAM vous donne. Si le travail exige le meilleur du cloud frontier, le local ne l'égale pas — et le coût de l'API est le prix de cette qualité.

Contrôle et données. Les chiffres ci-dessus n'incluent pas la valeur de ne pas envoyer les données dehors : RGPD, données sensibles, disponibilité hors ligne. Pour beaucoup de cas d'usage, ça vaut plus que l'écart de coût. Pour d'autres, ça ne vaut rien.

Disponibilité. Le local répond toujours, sans connexion, sans limite de débit. L'API a des rate limits, des pics, une dépendance au fournisseur. Si la disponibilité est un critère, le local a un avantage que l'API n'a pas — et qu'on accepte souvent de payer.

Quand l'un ou l'autre est le bon choix

API quand : usage personnel ou léger ; il faut la meilleure qualité aujourd'hui ; vous voulez commencer sans acheter de matériel ; la charge est irrégulière (vous ne payez que quand vous utilisez).

Local quand : usage intensif et régulier (beaucoup de réponses par jour, plusieurs utilisateurs, agents en parallèle) ; le contexte est long ; les données ne peuvent pas sortir ; il faut une disponibilité 24/7 hors ligne ; vous voulez un coût prévisible qui ne monte pas avec l'usage.

Hybride : très courant. Le local pour le travail de volume (classification, brouillons, RAG, batch) et l'API pour les cas où il faut le meilleur modèle. C'est souvent la configuration qui, avec les chiffres, s'avère moins chère que les deux routes prises seules.

En une ligne

L'API est variable, le local est fixe : le point de rentabilité, c'est là où vos tokens du mois dépassent le seuil fixé par les prix de l'API. Pour l'usage personnel, vous n'y arrivez rarement, et l'API reste le choix le plus sensé. Pour un usage intensif, partagé ou avec des données sensibles, le local ne fait pas seulement basculer la note : il ajoute le contrôle, des données qui restent à vous et une disponibilité toujours allumée — la raison pour laquelle ça en vaut souvent la peine un peu avant ce point.

Article généré par IA