Les modèles d’IA ne facturent pas au mot. Ils facturent au token, un morceau de texte qui correspond souvent à un mot entier en anglais, mais seulement à un fragment de mot dans beaucoup d’autres langues. Résultat : un surcoût caché. Posez la même question en hindi, arabe ou turc, et vous payez plus de tokens qu’en anglais, pour exactement le même sens.
Quelle est l’ampleur de ce surcoût, et peut-on l’éviter ? Nous l’avons mesuré.
Notre méthode
Nous avons rédigé les quatre mêmes textes (une actualité, un e-mail client, une explication technique et des conseils de voyage) dans 15 langues, traduits pour dire exactement la même chose. Nous avons ensuite compté les tokens nécessaires à chaque version avec les tokeniseurs publics de 7 familles de modèles : GPT, Gemma, Llama, DeepSeek, Mistral, Qwen et GLM. Anthropic (Claude) et xAI (Grok) ne publient pas leurs tokeniseurs : ils n’ont donc pas pu être mesurés. La mesure est refaite chaque mois ; les chiffres ci-dessous datent du 25 septembre 2026.
Les résultats
En moyenne sur les 7 tokeniseurs, la langue la plus coûteuse de notre mesure est l’hindi : le même texte y demande 177 % de tokens en plus qu’en anglais. L’arabe en demande 55 % de plus, et les grandes langues européennes (français, espagnol, portugais, allemand et italien) se tiennent autour de 34 % de plus.
Le chinois fait exception : en moyenne, il demande à peu près autant de tokens que l’anglais, et moins avec DeepSeek (−16 %). Un seul caractère peut représenter un mot entier, et les tokeniseurs entraînés sur beaucoup de textes en chinois gardent les plus courants intacts.
| Langue | Moyenne | Famille la plus efficace | La moins efficace |
|---|---|---|---|
| Hindi | +177 % | Gemma +30 % | GLM +413 % |
| Arabe | +55 % | Mistral +26 % | GLM +87 % |
| Turc | +54 % | Gemma +30 % | DeepSeek +103 % |
| Vietnamien | +54 % | Llama +34 % | DeepSeek +124 % |
| Coréen | +48 % | Llama +20 % | GLM +89 % |
| Italien | +48 % | Llama +28 % | Qwen +69 % |
| Japonais | +47 % | Gemma +17 % | Mistral +70 % |
| Indonésien | +42 % | Gemma +18 % | Qwen +66 % |
| Français | +35 % | GPT +25 % | DeepSeek +49 % |
| Russe | +31 % | Llama +6 % | Qwen +60 % |
| Allemand | +30 % | GPT +17 % | DeepSeek +50 % |
| Portugais | +30 % | GPT +15 % | DeepSeek +47 % |
| Espagnol | +27 % | GPT +17 % | DeepSeek +45 % |
| Chinois | +0 % | DeepSeek −16 % | Mistral +40 % |
La famille de modèles compte autant que la langue
Les moyennes cachent un écart bien plus grand. En hindi, le tokeniseur le plus efficace (Gemma) demande 30 % de tokens en plus qu’en anglais, contre 413 % pour le moins efficace (GLM) : 3,9× plus pour le même texte. En arabe, le surcoût va de +26 % avec Mistral à +87 % avec GLM.
Aucune famille ne gagne partout : GPT est la plus efficace pour 4 des 14 langues, Gemma pour 4, Llama pour 4, DeepSeek pour 1 et Mistral pour 1. Concrètement, deux modèles au même prix par token peuvent produire des factures très différentes dès que vos utilisateurs écrivent dans leur langue.
Pourquoi cet écart
Un tokeniseur construit son vocabulaire à partir d’un grand échantillon de textes. Quand cet échantillon est surtout anglais, les mots anglais courants obtiennent leur propre token, tandis que les mots d’autres langues sont découpés en plusieurs morceaux. Les écritures autres que l’alphabet latin aggravent l’écart : un mot écrit en devanagari (hindi) ou en alphabet arabe peut être découpé en de nombreux fragments. La grammaire joue aussi : l’arabe et le turc accolent préfixes et suffixes aux mots, ce qui crée beaucoup de formes qu’un tokeniseur voit rarement en entier. Les caractères chinois fonctionnent autrement : un caractère peut représenter un mot entier, et les tokeniseurs entraînés sur beaucoup de chinois gardent les plus courants intacts.
Ce que cela change sur votre facture
Prenons un service qui paierait 1 000 $US par mois en anglais. Pour le même volume en hindi, il paierait environ 2 774 $US avec un tokeniseur moyen, et entre 1 303 $US et 5 128 $US selon la famille de modèles. Le surcoût s’applique à ce que le modèle lit comme à ce qu’il écrit.
Comment payer moins
- Ouvrez l’outil la meilleure IA pour votre langue : il montre le coût mesuré de chaque famille dans votre langue, et les meilleurs modèles pour elle.
- Mesurez vos propres textes avec le compteur de tokens : l’écart dépend de votre vocabulaire et de votre sujet.
- Envisagez de rédiger les instructions (le prompt système) en anglais même quand vos utilisateurs écrivent dans une autre langue, puisqu’elles sont envoyées à chaque requête. Vérifiez que les réponses restent bonnes dans votre langue.
- Mettez en cache les longues instructions qui se répètent : l’entrée en cache coûte une fraction du prix normal.
- Comparez des coûts totaux, pas des prix par token : le calculateur de coût chiffre vos volumes réels pour chaque modèle.
Quatre textes forment un petit échantillon, et les résultats varient selon le type de texte. La méthode complète figure sur notre page notre méthode.
Les chiffres de cet article sont recalculés à partir de nos données à chaque mise à jour (dernière : 25 sept. 2026). Notre méthode