Tu vois la publicité : « API Claude — 80 % de moins que le tarif officiel ». C’est tentant, et sur une requête de test facile, ça marche même. Mais le calcul d’un modèle coûte ce qu’il coûte. Anthropic, OpenAI et Google ne cèdent pas l’inférence de leurs modèles phares à des revendeurs à un cinquième du tarif catalogue. Alors quand une passerelle affiche 80 % sous le tarif officiel, la vraie question n’est pas « comment font-ils pour être aussi efficaces » — c’est d’où vient la capacité. Il n’y a qu’une poignée de réponses, et aucune n’est bonne pour une charge de production.
Le calcul qui ne tient pas debout
Un prix officiel au token, c’est grosso modo le coût de calcul plus la marge du fournisseur. Un revendeur achète à ce tarif catalogue — ou légèrement en dessous — dans le cadre d’un accord de volume. Revendre le résultat à 80 % sous le tarif, c’est vendre bien en dessous de son prix d’achat. Personne ne fait ça à grande échelle, sur la durée, sans un piège que tu finis par payer ailleurs. Une remise modeste, c’est une marge sur une infrastructure de volume. Une remise massive, c’est un signal d’alarme.
Réponse 1 — ce n’est pas le vrai modèle
Le moyen le moins cher d’être 80 % moins cher, c’est de ne pas servir le modèle coûteux. Un modèle plus petit, un fine-tune, ou ta requête emballée dans un gabarit, te sont renvoyés sous le nom du modèle phare. Ça passe les requêtes faciles et ça s’effondre sur les difficiles. Quatre tests te disent en une minute si le modèle est authentique.
Réponse 2 — une capacité issue du marché gris
Parfois le modèle est bien réel, mais l’approvisionnement n’est pas légitime : exploitation de crédits d’essai, clés fuitées ou partagées, comptes jouant sur l’arbitrage entre régions. C’est réellement bon marché, jusqu’au moment où le fournisseur s’en aperçoit et coupe tout — et là, ton trafic de production renvoie des 401 du jour au lendemain, sans avertissement et sans recours. Une capacité bon marché qui peut s’évaporer n’est pas une capacité sur laquelle bâtir une entreprise.
Réponse 3 — le compteur rattrape la remise
Une remise affichée de 80% sur le tarif ne vaut rien si on te facture 5× les tokens. Un prompt système injecté en douce ou un objet usage gonflé reprend discrètement la « remise », et un peu plus encore. Teste le décompte des tokens — le vrai prix, c’est tarif × tokens, et c’est le second nombre qui est le plus facile à truquer.
Réponse 4 — le verrouillage par produit d’appel à perte
Certaines passerelles subventionnent véritablement les premiers mois pour t’acquérir, puis le prix dérive vers le haut, les crédits bonus expirent, le palier gratuit rétrécit — et d’ici là, ton intégration, tes clés et ta facturation vivent chez elles. L’étiquette était la partie la moins chère.
À quoi ressemble une remise digne de confiance
Une remise durable est petite et explicable : une marge sur une infrastructure de volume, pas une subvention ni un coin coupé. Brievio facture chaque modèle environ 15 % sous son tarif officiel (l’image et la vidéo vont plus loin), publié modèle par modèle face au tarif de référence officiel pour que tu puisses l’auditer ; la capacité, c’est le vrai modèle first-party sur des canaux cloud de premier rang — Claude via AWS Bedrock, Gemini via Google Vertex — traçable, pas issue du marché gris. C’est la remise qui est ennuyeuse à dessein, parce que c’est l’ennuyeux qui survit en production. Consulte les tarifs et les comparatifs.
Si une passerelle est 80 % sous le tarif, tu n’as pas besoin de présumer le pire — il te suffit de demander d’où vient la capacité, et de faire tourner les tests d’authenticité et de tokens avant d’y mettre du vrai trafic. Les bonnes réponses survivent aux questions.