À coller tel quel dans une conversation avec un agent qui a accès au web. Il vérifie les tarifs chez les éditeurs et renvoie un JSON à jour, puis la liste des écarts.
Mettez à jour modeles.json dans le repo de données — par commit ou par PR, la validation refusant tout écart sur un champ verrouillé ou un modèle supprimé. Le flux normal reste l'automation quotidienne (GitHub Actions), qui rapproche les tarifs de l'API publique OpenRouter sans intervention ; cette consigne sert aux passes éditoriales. Cette page recharge les données à chaque visite, sans rebuild.
Grille de décision pour le choix des modèles, dans deux contextes qui n'obéissent pas aux mêmes règles : nos agents internes, routés via OpenRouter, et le delivery client, où l'accès se fait en direct chez l'éditeur ou sur des poids que nous servons nous-mêmes. Choisissez le contexte et le cas d'usage, la grille classe les modèles selon l'arbitrage coût d'abord, qualité ensuite, latence en dernier recours. Tarifs en dollars par million de tokens.
01 · Cas d'usage
02 · Échelle de prix
Un écart de cent contre un sépare le plancher du marché du haut de gamme. Le choix du modèle reste le premier levier de budget, avant toute optimisation de prompt ou de cache.
03 · Réglages
04 · Verdict
05 · Classement
| # | Modèle | Adéquation | Entrée | Sortie | Prix moyen | $ / mois | Contexte | Vitesse | Commentaire |
|---|
06 · Catalogue
Cliquez sur un en-tête pour trier. La colonne souveraineté porte la licence des poids en seconde ligne, et le nom de l'éditeur renvoie vers sa page tarifaire officielle. Ce tableau ignore les filtres de palier, de poids ouverts, d'origine, de souveraineté et d'adéquation minimale du bloc 3. Il reprend en revanche la même convention de prix moyen et la même option de frais OpenRouter, pour rester cohérent avec le classement ci-dessus.
07 · Limites
Quatre écarts systématiques entre la ligne tarifaire et la facture réelle :
max_price est votre garde-fou. Posé sur chaque requête de production, il refuse l'appel au lieu de laisser filer la note.Le prix moyen n'a de sens que rapporté à la forme réelle du trafic, et cette forme change radicalement d'un usage à l'autre. Quatre sessions OpenCode mesurées sur agent-factory-os donnent la mesure du phénomène :
Autrement dit, une boucle d'agent est un usage d'entrée à 90 ou 99 %, pas à 75 %. À l'inverse, rédiger un post à partir d'un brief de trois lignes inverse complètement le rapport. C'est pourquoi le curseur couvre désormais toute l'amplitude, de 100 % entrée à 100 % sortie, et pourquoi il se règle par défaut sur la valeur attendue du cas d'usage retenu. Décochez l'automatique pour tester votre propre profil de trafic : sur un usage d'entrée pur, ce sont les modèles à entrée bon marché qui remontent, et l'écart de prix de sortie entre Grok 4.6 et Claude Fable 5.1 cesse d'avoir la moindre influence.
Une limite assumée de la grille sur ces mêmes sessions : trois d'entre elles passent 94 à 99,9 % de leur entrée en lecture de cache, facturée entre 10 et 25 % du tarif plein selon l'éditeur. Le prix moyen affiché ici est donc un plafond, pas une prévision. Sur une boucle d'agent bien cachée, la facture réelle peut tomber au quart.
only ou ignore pour verrouiller.:nitro pour le débit, et un mode orienté précision d'appel d'outils. Sur un agent qui enchaîne des outils, la précision d'appel pèse plus lourd que le prix du token.data_collection: "deny" exclut les hébergeurs susceptibles d'entraîner sur vos prompts. À poser par défaut sur toute mission client. Attention : zdr: true échoue sur les modèles Anthropic, qui n'offrent pas de rétention zéro.:batch sont à moitié prix chez Anthropic, OpenAI et Google. Tout ce qui tolère un délai de 24 heures doit y passer.Le sélecteur en tête du bloc 3 ne fait pas que changer un calcul de frais, il change ce que le tableau signifie.
Un modèle à poids ouverts n'est pas un modèle gratuit, c'est un modèle dont le coût change de nature. En dessous de quelques centaines de millions de tokens par mois, une API en direct revient presque toujours moins cher qu'un nœud GPU amorti, et sans l'astreinte d'exploitation. L'auto-hébergement se justifie par la souveraineté, par la prévisibilité de la facture, ou par un volume qui remplit vraiment la machine, rarement par le prix seul.
Deuxième piège, propre aux architectures MoE : la part active détermine la vitesse, le total détermine la mémoire. GLM-5.3 n'active que 39 des 744 milliards de paramètres, ce qui le rend rapide par token, mais les 744 doivent tenir en mémoire, soit 756 Go en FP8 et un nœud de huit cartes. La colonne « actifs » ne dit rien du matériel nécessaire, la colonne « paramètres » si.
Les quatre classes retenues : poste de travail pour ce qui tourne sur une carte grand public, une carte 80 Go pour le palier au-dessus, nœud multi-GPU pour deux à huit cartes dans une même machine, cluster multi-nœuds au-delà. L'écart est brutal : Ministral 3 8B tient sur un poste de travail, Kimi K3 réclame 1,56 To de poids et au moins soixante-quatre accélérateurs. Les deux sont pourtant étiquetés « poids ouverts ».
Deux corrections importantes issues de cette passe de vérification. Mistral Large 3 est sous Apache 2.0, 675 milliards de paramètres dont 41 actifs : il était classé à tort comme propriétaire, c'est en réalité le meilleur candidat souverain auto-hébergeable du tableau. Et GLM-5.3 n'est plus sous MIT, contrairement à sa variante Flash, mais sous une licence propre à Z.ai qu'il faut lire avant tout déploiement client.
Le mot recouvre deux exigences distinctes, et un client qui dit « souverain » ne précise presque jamais laquelle il vise. Posez la question avant de proposer.
D'où le seul point du marché qui gagne sur les deux axes à la fois : les modèles Mistral à poids ouverts, servis sur une infrastructure française. Mistral Small 4, Ministral 3 8B et Devstral 2 couvrent respectivement le généraliste, l'embarqué et le code, sans coût par token. C'est le socle de l'offre souveraine.
Le filtre propose donc deux niveaux. Souverain strict ne garde que les éditeurs établis dans l'Union, sept modèles, tous Mistral. Souverain élargi y ajoute les poids ouverts déployables sur votre infrastructure, dix-neuf modèles au total, en acceptant une provenance hors UE. Tout le reste est hors périmètre : Azure, Vertex et Bedrock offrent des régions européennes, ce qui donne une résidence des données, pas une souveraineté, l'opérateur restant soumis au droit américain. Présentez-le comme tel, la nuance se retourne vite contre celui qui l'efface.
Dernier point sur les poids ouverts : la licence décide de ce que vous avez le droit de faire. La colonne du catalogue la donne et signale par « a verifier » les modèles dont la licence n'est pas sourcée au niveau de la version. À trancher avant tout engagement contractuel.
Aucun agent sérieux ne tourne sur un seul modèle. Le schéma qui tient en production sépare trois étages : un modèle micro qui trie et pré-traite, un intermédiaire qui exécute la majorité des tours, un frontière appelé uniquement sur les décisions difficiles ou après deux échecs. Sur un volume de 240 M tokens d'entrée et 90 M de sortie par mois, l'écart entre le haut et le bas du tableau dépasse un facteur soixante, à trafic identique.
Ce découpage en trois étages vaut dans les deux contextes. En interne il s'implémente avec les règles de routage d'OpenRouter. En delivery il devient une décision d'architecture : trois fournisseurs à contractualiser, ou un modèle auto-hébergé pour les deux premiers étages et une API en direct pour le troisième. Sur ce dernier schéma, Mistral Large 3 à 0,50 $ / 1,50 $ reste le meilleur compromis souveraineté-prix du marché.
08 · Données
Les données vivent dans un repo GitHub dédié, data-routeo, dans un fichier unique modeles.json. L'application les charge en direct à chaque visite (GitHub raw, CORS natif) : aucune reconstruction du site n'est nécessaire quand les tarifs bougent. Le JSON embarque trois objets qui rendent la mise à jour autonome :
meta.schema liste les valeurs autorisées de chaque champ énuméré, définit les trois niveaux de souveraineté, sépare les champs libres des champs verrouillés et énonce les règles à respecter.meta.sources_editeurs donne l'URL de la page tarifaire officielle de chacun des douze éditeurs. L'agent va directement à la source au lieu de chercher.meta.changelog accumule un enregistrement par passage. Un agent qui reprend le fichier six mois plus tard sait ce qui a bougé, quand, et sur la foi de quelle source.Chaque modèle porte en plus son propre champ verifie_le, ce qui permet de rafraîchir ligne par ligne plutôt qu'en bloc et de repérer les entrées qui ont décroché.
Un workflow GitHub Actions tourne chaque jour à 06h00 UTC dans le repo de données. Il interroge l'API publique d'OpenRouter (tarifs et contextes de tous les modèles), fournit cet extrait machine au modèle de réconciliation avec le jeu de données courant, puis valide strictement la réponse (valeurs autorisées, prix numériques, champs verrouillés inchangés, aucun modèle supprimé, entrée de changelog datée du jour) avant écriture. Le résumé de chaque run liste les écarts — modèle, champ, ancienne valeur, nouvelle valeur — et les modèles sans correspondance OpenRouter. En cas d'échec de validation, rien n'est écrit. Un appel d'API n'ayant pas d'accès web, le modèle ne visite aucune page : il réconcilie des données qu'on lui fournit — si une source manque, il doit refuser plutôt qu'inventer.
Cadence : quotidienne. Sur le seul trimestre écoulé, GPT-5.6 Luna a baissé de 80 %, Terra de 20 %, Sonnet 5 a vu une hausse programmée annulée, DeepSeek a introduit une tarification heure pleine et heure creuse, et deux modèles frontière sont sortis à 50 $ de tokens de sortie. Une grille non datée est une grille fausse.
Le rapprochement machine couvre les prix et les contextes, pas les nuances : statuts promotionnels, notes, licences, modèles absents d'OpenRouter (les Mistral du catalogue, par exemple). Une passe humaine hebdomadaire est conseillée : le panneau en haut de page (bouton « Mettre à jour les données ») copie la consigne ci-dessous et les données actuelles, à coller dans une conversation avec un agent qui a accès au web — lui, visite réellement les pages des éditeurs. Le JSON renvoyé est ensuite poussé dans le repo de données, par commit ou par PR.
Voici un jeu de données JSON de suivi tarifaire de modèles LLM. Lis d'abord meta.schema, qui donne les valeurs autorisées, les champs verrouillés et les règles, puis meta.sources_editeurs, qui donne la page tarifaire officielle de chaque éditeur. Pour chaque modèle, vérifie prix_entree, prix_sortie, contexte, statut et licence sur la page de son éditeur, recoupe avec openrouter.ai/models, puis mets son champ verifie_le à la date du jour. Respecte strictement les valeurs autorisées et écris toutes les valeurs sans accents. Ne touche ni aux scores, ni à souverainete, ni aux champs de dimensionnement sans source datée. Mets à jour meta.date_verification, incrémente meta.version et ajoute une entrée dans meta.changelog. Renvoie le JSON complet et valide, rien d'autre avant ni après. Puis, dans un second message, liste les écarts constatés : modèle, champ, ancienne valeur, nouvelle valeur, URL source.
09 · Sources