Coût réel des LLM (2026) : Claude, DeepSeek et Mistral

Vous ouvrez un onglet pour comparer les LLM. Trente minutes plus tard, vous avez douze onglets : Claude, GPT, Gemini, DeepSeek, Qwen, Kimi, Mistral, Llama. Chaque article dit "le meilleur", chacun avec un tableau différent.

Le problème n'est pas le manque d'information. C'est l'inverse. Il sort un nouveau modèle toutes les trois semaines, chacun revendique un record sur un benchmark que personne ne sait vraiment lire, et le prix affiché sur la page d'accueil n'est presque jamais le prix que vous payez à la fin du mois.

Et la vraie question n'est même pas "quel est le meilleur LLM". C'est : le meilleur pour quoi ? Coder un produit en production, répondre à un email en trois secondes, ou faire tourner un agent qui appelle vingt outils sans supervision — ce ne sont pas la même tâche, et ce n'est pas le même modèle.

1. Les Géants Fermés Américains : Claude, GPT, Gemini

Trois labos, trois philosophies. Anthropic mise sur la fiabilité et le raisonnement long. OpenAI mise sur la polyvalence et l'écosystème produit. Google mise sur le contexte massif et l'intégration à sa suite. Les trois restent, en juillet 2026, les seuls à occuper systématiquement le haut des classements généralistes.

GPT-5.6 existe en trois versions cette année : Sol (5$/30$, le plus capable), Terra (2,50$/15$, le compromis) et Luna (1$/6$, le rapide). Sol tient 96,2% sur SWE-bench Verified — le score de référence coding en 2026 — devant Fable 5 à 95%. OpenAI reste devant sur ce test précis, de peu.

Ce qui compte moins qu'avant : les benchmarks académiques saturés (MMLU classique, par exemple) où presque tous les modèles frontière tapent 90%+. Ce qui compte plus : SWE-bench (résoudre un vrai ticket GitHub), Terminal-Bench (utiliser un terminal comme un humain) et l'exécution agentique de bout en bout.

Gemini 3.1 Pro joue une autre carte : le contexte. 1 million de tokens en standard, jusqu'à 10 millions annoncés sur les variantes longues, et un prix qui reste compétitif face à Claude et OpenAI (autour de 2 à 2,50$ en entrée, 12 à 15$ en sortie selon la source). C'est le choix par défaut quand vous devez avaler un codebase entier ou un corpus de documents sans le découper.

L'autre atout Gemini, moins mis en avant que le contexte : l'intégration native à l'écosystème Google Workspace. Pour une équipe déjà sur Docs, Sheets et Gmail, brancher Gemini directement dans ces outils évite l'étape "copier-coller dans un chat" qui reste, pour DeepSeek comme pour Claude, un point de friction quotidien. Ce n'est pas un critère de benchmark, mais c'est souvent le vrai facteur qui décide de l'adoption réelle dans une équipe.

Gemini 3 Flash, la version allégée à 0,50$/3$ le million, mérite d'être mentionnée séparément : c'est le point d'entrée le moins cher des trois géants fermés pour un usage quotidien raisonnable, avant même de considérer les alternatives ouvertes.

Faut-il vraiment payer le prix fort pour un modèle fermé ?

Pas systématiquement. Pour du volume — support client, tri d'e-mails, résumés en masse — Haiku 4.5, GPT-5.6 Luna ou l'équivalent chinois DeepSeek V4 Flash font le travail à une fraction du coût. Le modèle frontière (Opus 5, Sol, 3.1 Pro) se justifie sur les 15 à 20% de tâches où l'échec coûte plus cher qu'un abonnement.

2. L'Open Source Chinois : DeepSeek, Qwen, Kimi, GLM, MiniMax

C'est le vrai bouleversement de 2026. DeepSeek V4 Pro tourne à quelques points de GPT-5.5 et de Claude Opus 4.7 sur le coding — pour 34 fois moins cher par token de sortie. Ce n'est plus un rattrapage. C'est une redistribution des cartes sur le rapport qualité-prix.

Le reste du peloton chinois mérite qu'on s'y arrête, section par section.

Qwen (Alibaba) : le généraliste multilingue

Qwen 3.7 Max talonne les modèles fermés sur le raisonnement et couvre 201 langues — utile si votre activité dépasse le français et l'anglais. Qwen Chat est gratuit, sans abonnement, et l'API descend jusqu'à 0,05$/0,40$ le million sur la version Flash. Qwen 3.6 Plus, avec 1M tokens de contexte et un tool-calling fiable, est aujourd'hui l'un des meilleurs choix open source pour un agent codant en autonomie.

Kimi (Moonshot AI) : l'outsider qui a pris la tête du coding ouvert

Kimi K3 a fait quelque chose d'inédit en juillet 2026 : devenir le premier modèle ouvert à dominer un classement de coding généraliste (Frontend Code Arena, 1 679 Elo). Il pointe aussi au deuxième rang mondial toutes catégories sur les classements d'intelligence publique, juste derrière Claude Opus 5. Côté abonnement grand public, Kimi propose des paliers payants (19$ à 199$/mois) et un plan gratuit — mais celui-ci exige un numéro de téléphone chinois, ce qui le rend peu accessible depuis l'Europe sans contournement.

GLM (Zhipu AI) et MiniMax : les deux pépites sous le radar

GLM-5.2 tourne à 0,95$/3$ le million, licence permissive, et combine contexte long avec du function calling fiable — solide sans faire de bruit. MiniMax M3 mise sur une architecture d'attention parcimonieuse (MSA) qui divise par 20 le coût de calcul sur une fenêtre de 1M tokens, avec un score GPQA Diamond à 93% — juste derrière Kimi K3. Les deux sont largement sous-couverts par la presse tech francophone alors qu'ils tiennent la comparaison avec des modèles bien plus médiatisés.

3. Llama et Grok : Les Américains Qui Jouent l'Ouverture

Meta et xAI répondent à la pression chinoise sur l'open weight, chacun à sa manière.

Llama 4 reste la référence occidentale en poids ouverts, avec deux profils distincts. Scout revendique 10 millions de tokens de contexte — le record toutes catégories, devant même Gemini 3 Pro sur ce point précis — et tourne pour 0,11$/0,34$ le million sur une infrastructure comme Groq. Maverick vise la polyvalence générale avec le meilleur score MMLU (85,5%) de la famille ouverte. Sur le pur raisonnement et le coding face à Qwen ou DeepSeek, Llama 4 reste en retrait — sa force, c'est le contexte massif et l'écosystème d'outils déjà construit autour.

Grok (xAI) se positionne dans le tiers "cheap-and-good" aux côtés de Sonnet 5 et DeepSeek V4 Flash pour un usage quotidien — pas le modèle qu'on choisit pour la tâche la plus dure de la semaine, mais un choix solide pour le volume à un prix contenu (1$/2$ le million sur Grok Build 0.1, contexte 256K).

La stratégie derrière ces deux ouvertures américaines n'est pas philanthropique. Meta et xAI répondent à une pression concurrentielle directe : si Qwen, DeepSeek et Kimi captent la communauté des développeurs qui veulent auto-héberger, les deux groupes américains perdent une distribution entière. Publier des poids ouverts, même partiellement en retrait sur les benchmarks purs, garde un pied dans cet écosystème plutôt que de l'abandonner totalement au bloc chinois.

4. Mistral : La Seule Alternative Européenne Crédible

Sur les dix modèles cités jusqu'ici, un seul est hébergé, financé et gouverné en Europe : Mistral. Ce n'est pas un détail marketing si vous traitez des données de clients européens ou si la question de la souveraineté remonte un jour dans un audit.

Vue comparative synthétique

5. Quel Modèle Pour Quel Usage : Code, Tâche Simple, Agent

La question qui compte n'est jamais "quel LLM est le meilleur". C'est "meilleur pour faire quoi, ce mardi matin, avec ce budget". Trois cas d'usage couvrent 90% des besoins réels.

Coder une fonctionnalité complexe

Ici, la frontière fermée reste devant. GPT-5.6 Sol (96,2% SWE-bench Verified) et Claude Fable 5 (95%) sont les deux options les plus fiables sur un ticket difficile — refactoring cross-fichiers, bug de concurrence, architecture nouvelle. Côté open source, Kimi K3 et Qwen 3 Coder tiennent la comparaison sur des tâches moins extrêmes, pour une fraction du prix.

Traiter une tâche simple à haut volume

Résumer un email, classer un ticket, extraire une donnée d'un document court : ne payez jamais le tarif frontière pour ça. Claude Haiku 4.5, DeepSeek V4 Flash ou Qwen-Flash (0,05$/0,40$ le million) font le travail en une fraction de seconde pour un coût qui frôle zéro à l'échelle d'une tâche individuelle.

Piloter un agent IA autonome

C'est le cas le plus mal compris. Un agent qui enchaîne des appels d'outils (MCP, function calling, boucles multi-étapes) a besoin avant tout de fiabilité sur le tool-calling — pas nécessairement du score de raisonnement le plus haut. Kimi K2.7 est aujourd'hui cité comme le modèle ouvert le plus fiable en contexte agentique long. Côté fermé, Sonnet 5 et Haiku 4.5 sont pensés spécifiquement pour ce régime : beaucoup d'appels, coût maîtrisé, comportement stable.

6. Lire un Benchmark Sans Se Faire Avoir

MMLU, autrefois la référence, ne veut presque plus rien dire : la plupart des modèles frontière tapent 88-92%, l'écart n'est plus discriminant. Les benchmarks 2026 qui comptent vraiment sont différents.

GPQA Diamond mesure du raisonnement scientifique de niveau doctorat — le test le plus discriminant à la frontière actuelle. Claude domine ici avec 94,6%, suivi de près par Kimi K3 en tête des modèles ouverts à 93,5%.

SWE-bench Verified mesure la résolution de vrais tickets GitHub, pas des exercices synthétiques. C'est le benchmark coding le plus cité en 2026, avec GPT-5.6 Sol en tête à 96,2%.

Arena Elo (LMArena, ex-LMSYS) agrège des votes humains en aveugle sur des paires de réponses. Un score au-dessus de 1400 Elo est considéré frontière ; Opus 5 tourne autour de 1580.

Terminal-Bench évalue la capacité d'un modèle à utiliser un terminal comme le ferait un développeur — naviguer dans des fichiers, enchaîner des commandes, corriger une erreur en cours de route. C'est le benchmark qui se rapproche le plus d'un usage agentique réel, loin des questions à choix multiples.

Le score annonce-t-il vraiment la performance sur votre tâche ?

Non, pas directement. Un modèle peut dominer GPQA et rester médiocre sur votre cas d'usage précis — extraction de données structurées, respect strict d'un format de sortie, ton rédactionnel spécifique. Les benchmarks orientent, ils ne remplacent jamais un test sur vos propres prompts et vos propres données.

La méthode la plus fiable reste artisanale : prenez dix tâches réelles de votre activité, faites-les tourner sur deux ou trois modèles candidats, comparez à l'aveugle. Trente minutes de test valent plus que n'importe quel classement public pour votre cas précis.

7. Le Piège du Coût Réel : Les Tokens de Raisonnement Cachés

Le prix affiché sur la page pricing n'est presque jamais le prix payé. Deux mécanismes expliquent l'écart.

Premier mécanisme : les modèles "thinking" (GPT-5 en mode raisonnement, DeepSeek R1, et équivalents) génèrent des tokens de réflexion internes, invisibles dans la réponse finale, mais facturés comme tokens de sortie. Ce surcoût peut multiplier la facture réelle par 3 à 10 par rapport au prix affiché en tête de page.

Deuxième mécanisme : la fenêtre de contexte annoncée n'est presque jamais celle réellement exploitable. Des analyses portant sur 22 modèles frontière montrent qu'un modèle qui annonce 200 000 tokens devient souvent instable ou perd en qualité autour de 130 000 tokens en pratique — 60 à 70% du chiffre affiché.

Ce qu'il faut faire avant de choisir un modèle sur la base du prix seul : simuler votre volume réel, avec vos ratios entrée/sortie réels, sur au moins deux fournisseurs. Le prix par million de tokens en tête de page n'est qu'un point de départ.

Concrètement : notez votre nombre moyen de requêtes par jour, la taille moyenne du prompt en entrée, et la taille moyenne de la réponse. Multipliez par les deux ou trois tarifs candidats. L'écart entre "prix affiché" et "facture réelle" saute aux yeux dès qu'on pose ces trois chiffres côte à côte — et c'est souvent là, pas dans le classement de benchmark, que se joue le choix final.

8. OpenRouter ou Ollama Pour Changer de Modèle

La vraie question n'est pas "quel modèle unique adopter", c'est "comment passer de l'un à l'autre sans reconstruire votre stack à chaque nouveau lancement". Deux outils répondent à ça, pour deux besoins différents.

OpenRouter agrège plus de 300 modèles derrière une seule clé API et un seul tableau de facturation. Vous changez de modèle par un paramètre de requête, sans réécrire votre application. C'est l'outil pour l'accès API à la demande — utile pour tester un nouveau modèle le jour de sa sortie sans créer un compte chez chaque fournisseur.

Ollama fait tourner les modèles en local, sur votre propre machine. Zéro coût par token — seul le matériel compte. Depuis la version 0.14 (janvier 2026), Ollama supporte nativement le format Anthropic Messages API, ce qui facilite le branchement d'outils déjà pensés pour Claude. Le vrai point faible reste documenté et récurrent : le tool-calling en local est nettement moins fiable qu'en API — le premier point de friction pour qui bascule un agent en local.

L'approche la plus pragmatique documentée en 2026 : Ollama en local pour les tâches routinières à volume (agents internes, génération de code répétitive), OpenRouter pour l'accès aux modèles frontière quand la qualité prime sur le coût. Les deux ne sont pas concurrents — ils couvrent deux moitiés du même problème.

Sur le plan du coût, OpenRouter facture le même tarif que le fournisseur d'origine plus une marge de quelques points de pourcentage — vous ne payez pas plus cher pour la commodité d'une seule facture, mais vous ne payez pas moins non plus. Ollama, à l'inverse, n'a pas de coût par token : la seule dépense est le matériel (GPU local ou instance cloud dédiée), ce qui devient rentable au-delà d'un certain volume mensuel de requêtes.

Tableau de décision par profil

Questions Fréquentes

Quel est le meilleur LLM en 2026 ?

Il n'y en a pas un seul. Claude Opus 5 domine les classements généraux d'intelligence. GPT-5.6 Sol reste devant sur le coding pur (SWE-bench). Kimi K3 est le meilleur modèle ouvert, DeepSeek V4 Pro le meilleur rapport qualité-prix, et Mistral Large 3 le seul choix souverain européen. Le "meilleur" dépend de la tâche et du budget, pas d'un classement unique.

Les modèles chinois (DeepSeek, Qwen, Kimi) sont-ils fiables pour des données professionnelles ?

Techniquement, oui sur la qualité des réponses — plusieurs tiennent la comparaison avec la frontière fermée. Sur la question des données, la réponse dépend de l'usage : passer par l'API cloud du fournisseur pose les mêmes questions de souveraineté qu'avec n'importe quel service distant. Auto-héberger les poids ouverts (DeepSeek, Qwen, GLM sont tous open source) sur votre propre infrastructure règle ce point pour les données sensibles.

Pourquoi ma facture API est plus élevée que prévu alors que le prix affiché était bas ?

Deux raisons documentées : les tokens de raisonnement internes des modèles "thinking" sont facturés comme sortie sans apparaître dans la réponse, et peuvent multiplier le coût réel par 3 à 10. Et le taux de cache hit sur vos prompts répétés change souvent plus le total que le tarif affiché lui-même.

Faut-il choisir OpenRouter ou Ollama pour changer de modèle ?

Les deux, pour deux usages différents. OpenRouter pour l'accès API à la demande à 300+ modèles sans multiplier les comptes fournisseurs. Ollama pour faire tourner un modèle en local, sans coût par token, au prix d'un tool-calling moins fiable pour les usages agentiques.

Existe-t-il une alternative européenne crédible à Claude, GPT ou Gemini ?

Une seule aujourd'hui à ce niveau : Mistral Large 3. Il reste derrière la frontière absolue sur les benchmarks de raisonnement les plus durs, mais c'est le seul modèle de cette envergure hébergé et gouverné sur le sol européen — un argument qui compte dès que la conformité RGPD ou la souveraineté des données entre dans la décision.

Articles Liés

• ChatGPT vs Claude vs Gemini pour la rédaction de contenu — Comparatif ciblé sur un usage précis, complémentaire à ce guide général
• OpenRouter vs Ollama : le guide complet — Approfondissement sur le changement de modèle à la volée
• Les meilleures alternatives à Claude en 2026 — Focus sur les concurrents directs d'Anthropic