Compteur de tokens
Collez un texte pour voir combien de tokens il utilise et ce qu’il coûte avec chaque famille de modèles. Votre texte reste dans votre navigateur : rien n’est envoyé à nos serveurs.
| Famille de modèlesi | Tokens | En entrée | En sortie |
|---|---|---|---|
| Saisissez ou collez un texte pour voir les résultats. | |||
Le décompte OpenAI est exact (tokeniseur de GPT-4o). Les autres familles sont estimées à partir de nos mesures de leurs tokeniseurs publics sur les mêmes textes dans chaque langue. Claude et Grok ne publient pas leurs tokeniseurs : ils utilisent la moyenne des familles mesurées.
La taxe linguistique : même texte, nombre de tokens différent
Tokens nécessaires pour les quatre mêmes textes dans chaque langue, mesurés avec chaque tokeniseur public.
| Tokeniseuri | English | Français | Español | العربية |
|---|---|---|---|---|
| Mistral (Nemo) | 220 | 280 +27 % | 276 +25 % | 277 +26 % |
| OpenAI (GPT-4o) | 219 | 273 +25 % | 256 +17 % | 295 +35 % |
| Google (Gemma 3) | 218 | 287 +32 % | 256 +17 % | 320 +47 % |
| Meta (Llama 4) | 219 | 279 +27 % | 261 +19 % | 347 +58 % |
| Alibaba (Qwen 3) | 219 | 325 +48 % | 302 +38 % | 360 +64 % |
| DeepSeek (V3.1) | 219 | 327 +49 % | 318 +45 % | 368 +68 % |
| Z.ai (GLM-4.5) | 219 | 304 +39 % | 281 +28 % | 409 +87 % |
Dernière mise à jour : 25 sept. 2026
Pourquoi les autres langues utilisent-elles plus de tokens que l’anglais ?
Les tokeniseurs sont construits surtout à partir de textes anglais : les mots anglais courants tiennent souvent en un seul token, alors que les mots français ou espagnols, et plus encore les mots arabes, sont souvent découpés en plusieurs morceaux. L’arabe accole aussi des préfixes et des suffixes aux mots, ce qui multiplie les morceaux. Les tokeniseurs au vocabulaire plus multilingue réduisent une partie de l’écart. Glossaire →