Quel LLM pour une entreprise ? Modèles, coûts et données

Hypothèse : 2 000 tokens d’entrée et 500 tokens de sortie facturés par requête. Coût = entrée / 1 000 000 × tarif d’entrée + sortie / 1 000 000 × tarif de sortie. Soit 0,018 USD pour Opus 5.5, 0,009 USD pour GPT-6.1 Sol et 0,0075 USD pour Gemini 3.5 Flash. Pour 1 000 requêtes identiques : 18 / 9 / 7,50 USD de modèle. Ce calcul ne compare pas la qualité ; raisonnement supplémentaire, outils, cache, nouvelles tentatives et exploitation peuvent modifier le total.

Examinez séparément stockage, inférence, métadonnées, entraînement et conservation. Consignez produit, modèle, endpoint, région, fonctions et engagements contractuels. Une adresse européenne ou un accord de traitement ne décrit pas tout le parcours.

Mistral distingue inférence régionale et ZDR, avec des limites pour les fonctions avec état. OpenAI exige des autorisations supplémentaires hors États-Unis. Anthropic distingue géographie d’inférence et d’espace de travail ; les partenaires ont leurs règles. Les endpoints globaux Google ne garantissent pas l’isolation régionale. Consultez les sources précises.

L’auto-hébergement exige aussi journaux et sauvegardes sécurisés, droits d’accès et connexions maîtrisées aux outils externes. Vérifiez licence et contexte de traitement. Aucun mode ne garantit automatiquement la conformité au RGPD.

Commencez par un modèle de référence adapté. Ajoutez-en un autre si son intérêt est démontré, par exemple pour le secours ou une autre catégorie de tâches. Le routage accroît aussi les tests, la maintenance et la gouvernance. Les parts de marché agrégées ne prouvent ni un usage multimodèle dans chaque entreprise ni un coût moindre à qualité constante.