Facturation API OpenAI, expliquée avec des chiffres réels

Réponse rapide : comment fonctionne la facturation de l'API OpenAI

Trois chiffres décident chaque ligne de votre facture : les tokens d'entrée envoyés, les tokens de sortie générés, et le tarif par million de tokens du modèle choisi. Il n'y a ni abonnement ni frais par requête. Multipliez, divisez par un million, terminé. Le piège, c'est que ces trois chiffres se comportent différemment. Les tokens d'entrée croissent silencieusement à mesure que l'historique de chat s'accumule, les tokens de sortie portent une lourde prime par token, et le tarif change à chaque changement de modèle. Le reste de ce guide détaille la mécanique, les tarifs actuels de gpt-5.5, trois exemples entièrement détaillés, et les endroits où les factures s'envolent sans prévenir.

• Unité de facturation : tokens, mesurés séparément pour l'entrée (prompt + historique) et la sortie (la réponse)
• Modèle de paiement : crédits prépayés, ponctionnés par requête ; les requêtes échouent à solde nul sauf si la recharge automatique est activée
• Les paliers d'usage changent vos limites de débit, pas vos prix
• API Batch : moitié prix pour les tâches asynchrones qui peuvent attendre jusqu'à 24 heures

Crédits prépayés, paliers d'usage, et l'API Batch

OpenAI a fait passer les comptes API à la facturation prépayée : vous achetez des crédits à l'avance et l'usage les ponctionne. Deux détails piègent les gens. Premièrement, les crédits inutilisés expirent 12 mois après l'achat, donc charger un an de budget en janvier revient à faire un don si votre trafic est faible. Deuxièmement, quand le solde atteint zéro, vos requêtes commencent immédiatement à renvoyer des erreurs, ce qui ressemble à une panne si personne ne surveille le tableau de bord de facturation. La recharge automatique corrige cet arrêt brutal mais supprime le plafond de dépense naturel, donc associez-la à des limites d'usage. Les paliers d'usage sont le second mécanisme. Les comptes montent de palier à mesure que la dépense cumulée et l'ancienneté du compte augmentent, et chaque palier relève vos limites de débit (requêtes par minute et tokens par minute). Les paliers ne changent pas les prix par token. Si vous rencontrez des erreurs 429 à faible volume, c'est que vous êtes sur un palier bas, et la solution est un historique de dépense ou une demande d'augmentation de limite de débit, pas un plan différent. L'API Batch est la remise intégrée la plus intéressante à planifier : soumettez un fichier de requêtes, acceptez les résultats sous une fenêtre de 24 heures, et payez la moitié du tarif standard sur l'entrée comme sur la sortie. Tout ce qui n'est pas orienté utilisateur et sensible à la latence (évaluations, rattrapages, résumé, classification) devrait y aller. L'entrée mise en cache est aussi réduite quand vos prompts partagent un long préfixe stable, ce qui récompense le fait de placer les instructions statiques en premier et le contenu variable en dernier.

Suivre l'usage exact depuis la réponse de l'API

Vous n'avez pas besoin d'estimer les tokens avec une bibliothèque de tokenizer après coup. Chaque réponse de complétion de chat inclut un objet usage avec les comptages exacts qui vous ont été facturés. Journalisez-le à chaque appel et votre comptabilité de coûts devient une vérité terrain, pas une approximation. Un piège : avec le streaming activé, l'objet usage n'est envoyé que si vous le demandez via stream_options. Si vos journaux montrent des requêtes streamées à zéro token, voilà pourquoi.

curl https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.5",
    "messages": [{"role": "user", "content": "Summarize the attached notes in one line."}],
    "max_completion_tokens": 200,
    "stream_options": {"include_usage": true}
  }'

# La réponse inclut les comptages exacts facturés :
# "usage": {
#   "prompt_tokens": 42,
#   "completion_tokens": 118,
#   "total_tokens": 160
# }

Construire un calculateur de coût API OpenAI en dix lignes

Les calculateurs de coût en ligne deviennent obsolètes dès la semaine où un prix change. Une fonction de dix lignes alimentée par l'objet usage ne le devient jamais. Gardez un tableau de tarifs par modèle, multipliez, et journalisez le montant en dollars à côté de chaque ID de requête. Notez que les modèles capables de raisonnement facturent les tokens de raisonnement cachés comme tokens de complétion, donc le calculateur ci-dessous reste correct tant que vous lisez completion_tokens depuis la réponse au lieu de compter le texte visible vous-même.

# USD per 1M tokens: {"in": input_rate, "out": output_rate}
RATES = {
    "gpt-5.5": {"in": 4.00, "out": 24.00},
    "claude-sonnet-4-6": {"in": 2.40, "out": 12.00},
    "deepseek-v4-flash": {"in": 0.126, "out": 0.252},
}

def cost_usd(model: str, prompt_tokens: int, completion_tokens: int) -> float:
    rate = RATES[model]
    return (prompt_tokens * rate["in"] + completion_tokens * rate["out"]) / 1_000_000

usage = response.usage
print(f"{cost_usd('gpt-5.5', usage.prompt_tokens, usage.completion_tokens):.6f}")

Tableau de prix gpt-5.5 et comparaison de modèles

Les tarifs ci-dessous sont ceux du catalogue APIsRouter : APIsRouter est une passerelle compatible OpenAI (base URL https://api.apisrouter.com/v1) en facturation à la consommation et sans abonnement, où les modèles globaux sont tarifés en dessous du tarif de liste officiel et les modèles chinois en dessous de leurs tarifs officiels. Le paiement sur /topup ne nécessite pas d'inscription : payez d'abord, la clé arrive par e-mail, et la première recharge ajoute +100% de solde. Vérifiez toujours les tarifs officiels d'OpenAI sur leur page de tarification avant de budgétiser un compte direct, car les prix de liste évoluent. Pour le contexte, le même catalogue porte les modèles auxquels les gens comparent réellement gpt-5.5. kimi-k2.6 et mimo figurent aussi pour les charges orientées chat.

Comment gpt-5.5 se compare sur le prix

Même calcul, tarifs différents. Le choix du modèle est le levier le plus important sur une facture de tokens, et la plupart des charges mélangent les modèles plutôt que d'en choisir un seul.

Exemples détaillés : trois charges tarifées de bout en bout

Les trois exemples utilisent les tarifs gpt-5.5 ci-dessus ($4.00 en entrée, $24.00 en sortie par million de tokens). Exemple 1, un chatbot en production : 100 000 requêtes par mois avec en moyenne 1 500 tokens d'entrée et 300 en sortie chacune. Entrée : 150M tokens à $4.00 font $600. Sortie : 30M tokens à $24.00 font $720. Total : $1,320 par mois, et notez que la sortie représente plus de la moitié de la facture malgré un cinquième des tokens. Exemple 2, une session de jeu de rôle ou de chat de personnage de 60 tours où le frontend renvoie un contexte moyen de 6 000 tokens à chaque tour avec des réponses de 250 tokens. Entrée : 360K tokens font $1.44. Sortie : 15K tokens font $0.36. Total : environ $1.80 par session. La même session sur deepseek-v4-flash coûte environ cinq cents, ce qui explique pourquoi les utilisateurs de chat à longue session font rarement tourner des modèles phares à chaque tour. Exemple 3, résumer 20 000 documents à 2 500 tokens en entrée et 150 en sortie chacun. Entrée : 50M tokens font $200. Sortie : 3M tokens font $72. Total : $272 en synchrone, ou environ $136 via l'API Batch puisque rien ici n'est sensible à la latence.

Surprises de coût qui gonflent les factures OpenAI

Rien de tout cela n'apparaît dans un test par requête isolé. Cela apparaît au deuxième mois, quand les sessions s'allongent et que la fenêtre d'historique a discrètement triplé. Instrumentez l'objet usage dès le premier jour et tracez les tokens d'entrée par session dans le temps ; ce seul graphique attrape la plupart des points ci-dessus.

• Renvoi de l'historique : chaque tour de chat renvoie l'intégralité de la conversation, donc le coût d'entrée par session croît à peu près avec le carré du nombre de tours jusqu'à ce que vous élaguiez
• La prime de sortie : la sortie de gpt-5.5 coûte 6x son tarif d'entrée, donc les réponses verbeuses et les plafonds de longueur non définis dominent les factures
• Tokens de raisonnement : la chaîne de pensée cachée est facturée comme tokens de complétion que vous ne voyez jamais dans le texte
• Délais d'attente côté client : si votre côté abandonne une requête après que le serveur a commencé à générer, les tokens générés sont quand même facturés
• Entrées visuelles : les images sont tokenisées et une seule image en haute définition peut coûter des milliers de tokens d'entrée
• Expiration des crédits : le solde prépayé acheté il y a plus de 12 mois a disparu, dépensé ou non

Comment réduire les coûts de l'API OpenAI

Le routage est le plus grand levier. Les équipes qui répartissent le trafic entre un modèle phare et un modèle économique comme deepseek-v4-flash ou glm-5 réduisent généralement les dépenses bien plus qu'aucun ajustement de prompt, parce que le modèle bon marché gère les tours à fort volume. Pour les frontends de chat de personnage et de jeu de rôle en particulier, le duo deepseek-v4-pro et deepseek-v4-flash est la réponse communautaire courante sur le rapport qualité-prix, kimi-k2.6 et mimo méritent d'être testés, et les modèles Claude sont le choix quand une prose grand public soignée compte le plus. Quel que soit le frontend auquel vous vous connectez, respectez ses conditions d'utilisation et ses exigences d'âge. Le calcul de facturation lui-même ne change jamais : tokens en entrée, tokens en sortie, tarif. Faites entrer ces trois chiffres dans vos journaux et chaque décision de coût devient de l'arithmétique plutôt que des suppositions.

• Plafonnez la sortie avec max_completion_tokens à chaque appel ; c'est le garde-fou le moins cher qui existe
• Élaguez l'historique avec une fenêtre glissante, ou résumez les anciens tours en une note compacte au lieu de les renvoyer mot pour mot
• Déplacez le travail non interactif vers l'API Batch et payez moitié prix
• Gardez un long prompt système stable en premier et le contenu variable en dernier pour que les remises d'entrée mise en cache se déclenchent réellement
• Routez par tâche : la classification, l'extraction et les tours de chat informels n'ont pas besoin d'un modèle phare ; gardez gpt-5.5 pour les étapes qui échouent sur des modèles moins chers
• Définissez des alertes de solde et des limites par clé pour qu'une boucle qui s'emballe ne puisse pas vider le compte

Questions fréquentes