Comparatif des modèles IA 2026 : lequel choisir selon vos besoins ?

Chiffres vérifiés au 4 août 2026 auprès des documentations officielles des éditeurs. Les tarifs et les gammes changent parfois d'un mois à l'autre : les sources primaires sont listées en fin d'article, vérifiez-les avant tout engagement contractuel.

La plupart des comparatifs de modèles ne servent à rien. Ils alignent des scores de benchmarks obtenus dans des conditions que personne ne documente, désignent un vainqueur, et deviennent faux six semaines plus tard.

Celui-ci prend le problème par l'autre bout. Nous ne cherchons pas le meilleur modèle : nous cherchons à vous donner la méthode pour trouver le vôtre. Les prix réels, les pièges de facturation que les grilles tarifaires ne montrent pas, ce que les benchmarks mesurent vraiment, et un cadre de décision que vous pourrez réutiliser quand toute cette gamme aura été remplacée.

Un mot sur le calendrier, parce qu'il compte. Le 2 août 2026, il y a deux jours, la Commission européenne a acquis ses pouvoirs de sanction sur les fournisseurs de modèles à usage général. Nous y revenons en détail : pour une entreprise européenne, cet élément pèse aujourd'hui plus lourd que trois points d'écart sur un classement.

La question mal posée

« Quel est le meilleur modèle d'IA ? » est une question sans réponse, au même titre que « quel est le meilleur véhicule ». Un utilitaire et une citadine ne se comparent pas dans l'absolu.

La question utile comporte trois variables indissociables :

Pour quelle tâche ? Écrire du code, rédiger en français, extraire des données d'un PDF, classifier des tickets de support et tenir une conversation ne sollicitent pas les mêmes aptitudes. Un modèle excellent en raisonnement mathématique peut être médiocre en style rédactionnel.

À quel volume ? Cent requêtes par jour ou cent mille : ce n'est pas la même décision. À faible volume, prenez le meilleur modèle et cessez d'y penser — l'écart de facture se compte en euros. À fort volume, un facteur trois sur le prix du token de sortie détermine la viabilité de votre produit.

Sous quelle contrainte ? Confidentialité des données, localisation de l'hébergement, latence maximale acceptable, budget mensuel plafonné, obligation de traçabilité. Ce sont ces contraintes, et non les benchmarks, qui éliminent le plus de candidats.

Un modèle qui obtient les meilleurs scores mais dont vous ne pouvez pas utiliser l'hébergement n'est pas « le meilleur ». Il est hors jeu.

Le paysage au 4 août 2026

Cinq familles se partagent l'essentiel des usages professionnels.

OpenAI conserve l'écosystème le plus mature et la plus grande base d'utilisateurs. La gamme GPT-5.6 (Sol, Terra, Luna), disponible depuis juillet 2026, couvre trois niveaux de puissance. Des générations antérieures restent accessibles, ce qui est appréciable quand un prompt a été calibré sur une version précise.

Anthropic structure sa gamme autour de Claude, avec quatre niveaux à ce jour : Fable 5 pour les tâches agentiques longues, Opus 5 pour le code et le travail complexe, Sonnet 5 pour l'équilibre vitesse/intelligence, Haiku 4.5 pour le volume. La maison est réputée sur le code et le respect strict des consignes.

Google joue la densité et le prix. La gamme Gemini est la plus fournie du marché — de Flash-Lite à quelques centimes le million de tokens jusqu'aux modèles de raisonnement — avec un avantage structurel : de très grandes fenêtres de contexte sur toute la gamme, y compris sur les modèles les moins chers.

Mistral AI est le fournisseur européen. Son intérêt ne se résume pas au drapeau : une partie significative de sa gamme est publiée en open weights, ce qui change la nature même de la relation contractuelle. Nous y revenons.

Les modèles à poids ouverts — Llama, DeepSeek, Qwen et les modèles ouverts de Mistral — forment la cinquième famille. Ils ne sont plus une curiosité d'ingénieur : pour une part croissante des charges de travail, ils constituent l'option par défaut rationnelle.

Les prix, pour de vrai

Voici les tarifs officiels au 4 août 2026, en dollars par million de tokens, format entrée / sortie.

Anthropic (Claude)

Modèle	Contexte	Sortie max	Entrée / Sortie
Claude Fable 5	1 M	128 k	10 $ / 50 $
Claude Opus 5	1 M	128 k	5 $ / 25 $
Claude Sonnet 5	1 M	128 k	3 $ / 15 $
Claude Haiku 4.5	200 k	64 k	1 $ / 5 $

À noter : Sonnet 5 bénéficie d'un tarif d'introduction de 2 $ / 10 $ jusqu'au 31 août 2026. Si vous dimensionnez un budget sur la base de vos tests de ce mois-ci, prévoyez la hausse de 50 % qui suivra.

OpenAI (GPT)

Modèle	Entrée / Sortie	Contexte long
GPT-5.6 Sol	5 $ / 30 $	10 $ / 45 $
GPT-5.6 Terra	2 $ / 12 $	4 $ / 18 $
GPT-5.6 Luna	0,20 $ / 1,20 $	0,40 $ / 1,80 $
GPT-5.5 Pro	30 $ / 180 $	60 $ / 270 $
GPT-5.4	2,50 $ / 15 $	5 $ / 22,50 $

La colonne « contexte long » n'est pas anecdotique. Nous y consacrons une section entière.

Google (Gemini)

Modèle	Entrée / Sortie	Lot (batch)
Gemini 3.6 Flash	1,50 $ / 7,50 $	0,75 $ / 3,75 $
Gemini 3.5 Flash	1,50 $ / 9 $	0,75 $ / 4,50 $
Gemini 3.5 Flash-Lite	0,30 $ / 2,50 $	0,15 $ / 1,25 $
Gemini 2.5 Pro (≤ 200 k)	1,25 $ / 10 $	0,625 $ / 5 $
Gemini 2.5 Pro (> 200 k)	2,50 $ / 15 $	1,25 $ / 7,50 $
Gemini 2.5 Flash	0,30 $ / 2,50 $	0,15 $ / 1,25 $
Gemini 2.5 Flash-Lite	0,10 $ / 0,40 $	0,05 $ / 0,20 $

Le mode batch, à moitié prix, mérite votre attention. Si votre traitement n'exige pas une réponse immédiate — analyse nocturne, enrichissement de base, classification de masse — vous divisez la facture par deux sans changer une ligne de logique métier. C'est l'optimisation la plus rentable et la plus ignorée du secteur.

Mistral AI

Mistral Large est facturé 2 $ / 6 $ par million de tokens. Le rapport entrée/sortie y est de 1 à 3, là où la plupart des concurrents pratiquent un rapport de 1 à 5 ou 1 à 6. Pour une charge de travail générant beaucoup de texte, cet écart de structure compte davantage que le prix affiché.

Le piège que les grilles tarifaires ne montrent pas

Trois mécanismes font que votre facture ne ressemblera pas à votre estimation.

1. La sortie coûte cinq à six fois l'entrée

Regardez à nouveau les tableaux. Chez presque tous les fournisseurs, le token généré coûte cinq à six fois le token lu. Or les estimations sont presque toujours faites sur le volume d'entrée, qui est le seul qu'on maîtrise et qu'on visualise.

Conséquence directe : une tâche qui produit des réponses longues coûte structurellement plus cher qu'une tâche qui digère de gros documents. Résumer un rapport de cent pages en dix lignes est bon marché. Générer dix pages à partir d'une consigne de trois lignes est cher. C'est contre-intuitif, et c'est ce qui fait exploser les budgets.

2. Les tokens de raisonnement sont des tokens de sortie

C'est le point le plus coûteux, et le moins visible.

Les modèles de raisonnement produisent une chaîne de réflexion interne avant de répondre. Cette réflexion est facturée au tarif de sortie, qu'elle vous soit affichée ou non. Sur une question difficile, elle peut représenter plusieurs fois le volume de la réponse visible.

Vous voyez une réponse de 400 tokens et vous calculez sur 400 tokens. Vous en avez peut-être payé 3 000.

Le corollaire opérationnel : la plupart des fournisseurs offrent aujourd'hui un réglage de profondeur de réflexion. Le calibrer sur chaque type de requête — réflexion minimale pour une classification, maximale pour une analyse — est le levier d'optimisation le plus puissant à votre disposition. Bien plus que le choix du fournisseur.

3. Un token n'est pas un token

Voici le piège qui invalide silencieusement la moitié des comparatifs publiés.

Le prix est affiché par million de tokens. Mais le découpage en tokens diffère d'un modèle à l'autre. Anthropic documente explicitement le cas : les modèles de sa génération actuelle utilisent un tokenizer qui produit, pour un texte identique, environ 30 % de tokens supplémentaires par rapport aux générations précédentes de la même maison.

Trente pour cent. Sur le même texte. Chez le même éditeur.

Si l'écart est de cet ordre au sein d'une seule gamme, il n'y a aucune raison de supposer que deux fournisseurs différents découpent votre texte de la même manière. Comparer 3 $ chez l'un à 2 $ chez l'autre est donc dénué de sens tant que vous n'avez pas mesuré combien de tokens votre corpus produit chez chacun.

Tous les fournisseurs exposent un point d'accès de comptage de tokens. Passez-y un échantillon représentatif de vos contenus réels avant de conclure quoi que ce soit sur les prix. C'est cinq minutes de travail, et cela retourne régulièrement le classement.

La falaise du contexte long

Toute la gamme professionnelle affiche désormais des fenêtres de contexte immenses — 1 million de tokens et au-delà. La course est terminée, tout le monde a gagné. Sauf que trois réalités se cachent derrière ce chiffre.

La facturation change de palier

Chez OpenAI, au-delà d'environ 272 000 tokens d'entrée, la tarification bascule : l'entrée double et la sortie augmente de moitié, pour la session entière. Un prompt à 280 000 tokens ne coûte pas marginalement plus qu'un prompt à 270 000 : il coûte à peu près deux fois plus.

Chez Google, Gemini 2.5 Pro applique le même principe à 200 000 tokens, avec doublement de l'entrée et hausse de moitié de la sortie.

Ce sont des falaises, pas des pentes. Une application qui accumule un historique de conversation traverse ce seuil sans prévenir, et la facture change de régime du jour au lendemain. Si vos prompts approchent ces bornes, mesurez-les et instrumentez une alerte.

Le milieu du contexte est mal exploité

Un million de tokens ne signifie pas un million de tokens utilisés avec la même efficacité. La recherche sur le phénomène dit lost in the middle a établi que la performance suit une courbe en U selon la position de l'information pertinente : bonne au début, bonne à la fin, dégradée au milieu. Et le constat vaut y compris pour les modèles explicitement conçus pour les longs contextes.

En pratique : ne comptez pas sur la fenêtre géante pour dispenser d'un travail de sélection. Placer les 20 documents pertinents en tête vaut mieux que d'en verser 200 en vrac.

Le coût de latence

Un contexte long est un contexte à traiter. Chaque token d'entrée ajoute du temps avant le premier mot de réponse. Sur une interface conversationnelle, un prompt système de 200 000 tokens se paie en secondes d'attente à chaque échange.

La mise en cache de prompt — proposée par tous les grands fournisseurs — répond précisément à ce problème : la portion stable de votre prompt est facturée à environ un dixième du tarif et traitée beaucoup plus vite lors des appels suivants. Pour une application qui répète un long préambule identique, c'est l'optimisation la plus rentable après le mode batch.

Pourquoi les benchmarks vous induisent en erreur

Les classements sont utiles pour suivre une tendance générale. Ils sont trompeurs comme critère de choix. Quatre raisons.

La contamination. Les jeux de test publics finissent dans les données d'entraînement. Un score élevé sur un benchmark ancien mesure en partie de la mémorisation.

L'effet de harnais. Le score ne dépend pas que du modèle : il dépend du prompt, du format, des paramètres, du nombre de tentatives. Deux équipes évaluant le même modèle obtiennent des résultats différents. Un comparatif qui ne publie pas son protocole ne publie pas grand-chose.

L'inversion par les consignes. Ce cas mérite d'être connu, car il est parfaitement contre-intuitif. Sur une tâche de revue de code, les modèles récents suivent les instructions plus littéralement que leurs prédécesseurs. Si votre consigne dit « ne remonte que les problèmes critiques », le modèle obéit : il trouve les bugs mineurs, juge qu'ils sont sous le seuil demandé, et se tait. Résultat mesuré : le taux de détection baisse alors que la capacité réelle a augmenté. Vous concluez à une régression, et vous vous trompez de diagnostic.

Le décalage avec votre usage. Un modèle évalué sur des problèmes de niveau doctorat en physique ne vous dit rien de sa capacité à reformuler des messages d'erreur pour vos clients.

La conclusion n'est pas d'ignorer les benchmarks, mais de les cantonner à leur rôle : ils vous donnent une liste courte de candidats crédibles. Le choix final se fait sur vos données.

Calculer votre coût réel : la méthode

Voici un protocole en cinq étapes qui remplace avantageusement toute comparaison théorique.

1. Constituez un échantillon. Vingt à cinquante requêtes réellement représentatives de votre usage, cas difficiles inclus. Pas des exemples inventés : des cas issus de votre production.

2. Comptez les tokens chez chaque candidat. Via leur point d'accès de comptage. Vous obtenez le volume d'entrée réel, par fournisseur, pour votre corpus. C'est ici que le piège du tokenizer se désamorce.

3. Mesurez la sortie, réflexion comprise. Faites tourner l'échantillon et relevez les tokens de sortie effectivement facturés, pas la longueur du texte affiché. Tous les fournisseurs exposent ce détail dans la réponse de l'API.

4. Appliquez la formule.

Coût par requête = (entrée × prix_entrée + sortie_totale × prix_sortie) / 1 000 000
Coût mensuel     = coût par requête × volume mensuel

5. Refaites le calcul avec les optimisations. Mode batch si la latence le permet (−50 %), mise en cache du préambule stable (environ −90 % sur la portion cachée), réduction de l'effort de raisonnement sur les tâches simples.

Un exemple chiffré

Une assistance client automatisée : 50 000 requêtes par mois, prompt système de 2 000 tokens, question de 200 tokens, réponse de 300 tokens.

Sur un modèle à 3 $ / 15 $, sans aucune optimisation :

• Entrée : 2 200 × 50 000 = 110 M tokens → 330 $
• Sortie : 300 × 50 000 = 15 M tokens → 225 $
• Total : 555 $ par mois

Le même service avec mise en cache du prompt système (les 2 000 tokens stables passent à environ un dixième du tarif) :

• Entrée cachée : 100 M × 0,30 $ → 30 $
• Entrée fraîche : 10 M × 3 $ → 30 $
• Sortie : inchangée → 225 $
• Total : 285 $ par mois

Presque la moitié de la facture, sans changer de modèle ni toucher à la qualité. Comparez ce gain à celui que vous obtiendriez en changeant de fournisseur pour économiser 30 % sur le prix affiché : l'optimisation interne rapporte davantage que l'arbitrage entre marques.

C'est la leçon principale de cet article. Le choix du fournisseur est rarement votre premier levier d'économie.

Souveraineté : ce qui a changé le 2 août 2026

Pour une organisation européenne, le cadre réglementaire n'est plus un sujet de veille juridique. Il est devenu opérationnel avant-hier.

Le règlement européen sur l'intelligence artificielle prévoit des obligations pour les fournisseurs de modèles à usage général — transparence sur les données d'entraînement, documentation technique, respect du droit d'auteur — applicables depuis le 2 août 2025. Mais la Commission européenne ne disposait pas encore de ses pouvoirs d'exécution.

Depuis le 2 août 2026, elle en dispose. Elle peut réclamer des informations, ordonner des mesures correctrices, exiger le retrait d'un modèle du marché et prononcer des amendes pouvant atteindre 15 millions d'euros ou 3 % du chiffre d'affaires mondial, le montant le plus élevé étant retenu. Les modèles mis sur le marché avant août 2025 disposent d'un délai supplémentaire, jusqu'au 2 août 2027.

Ces obligations pèsent sur les fournisseurs de modèles, pas sur vous qui les intégrez. Mais elles vous concernent par ricochet, et de trois manières.

La documentation de votre fournisseur devient votre documentation. Si vous devez démontrer la conformité de votre système, vous vous appuierez sur ce que votre fournisseur publie. Un fournisseur opaque vous transmet son opacité.

Le risque de discontinuité est réel. Un modèle qui ferait l'objet d'une mesure de retrait cesserait d'être disponible. Une architecture reposant sur un fournisseur unique, sans couche d'abstraction, hérite intégralement de ce risque.

La localisation des données redevient un critère contractuel. Le RGPD n'a pas changé, mais l'attention portée aux transferts s'est accrue. Vérifiez dans quelle région vos requêtes sont traitées — c'est souvent une option à activer explicitement, pas un réglage par défaut.

Ce que l'open weight change vraiment

C'est ici que la gamme Mistral prend un relief particulier, et pour une raison plus profonde que l'origine géographique.

D'après la documentation officielle de l'éditeur, Mistral Large 3 et Mistral Small 4 sont publiés sous licence Apache 2.0, tout comme la famille Ministral 3 (3, 8 et 14 milliards de paramètres). Mistral Medium 3.5 relève d'une licence MIT modifiée.

Apache 2.0 sur un modèle de premier plan, ce n'est pas un geste de communication. C'est un changement de nature juridique : vous pouvez télécharger les poids, les héberger où vous voulez, les utiliser commercialement, et continuer de les exploiter si l'éditeur disparaît, change de tarif ou modifie ses conditions.

Vous échangez une dépendance contractuelle contre une charge d'exploitation. Ce n'est pas gratuit — il faut des GPU, des compétences et de la disponibilité. Mais pour un secteur régulé, un traitement de données sensibles, ou simplement une organisation qui refuse qu'un fournisseur puisse couper son produit, c'est parfois la seule option acceptable.

L'open weight en 2026 : où en est-on

Les modèles à poids ouverts ont cessé d'être un choix militant. Les familles Llama, DeepSeek et Qwen, aux côtés des modèles ouverts de Mistral, couvrent aujourd'hui une part substantielle des besoins réels de production, à une fraction du coût par token.

Le schéma qui s'est imposé chez les organisations les plus avancées est hybride : modèles ouverts auto-hébergés pour le volume routinier — classification, extraction, reformulation, résumé — et modèle propriétaire de premier plan réservé au sous-ensemble de tâches qui en tirent réellement bénéfice.

Ce découpage a une logique économique implacable. Si 80 % de vos requêtes sont des tâches simples et répétitives, les traiter avec le modèle le plus cher du marché est un gaspillage pur. Le routage par difficulté — une tâche simple vers un petit modèle, une tâche complexe vers un grand — divise couramment les coûts par trois ou quatre.

Deux réserves honnêtes. D'abord, l'auto-hébergement n'est économique qu'à partir d'un certain volume : en dessous, le coût des GPU inoccupés dépasse largement la facture d'API. Ensuite, l'écart avec les modèles propriétaires de pointe demeure sur les tâches les plus exigeantes — raisonnement long, agents autonomes, code complexe. L'écart s'est resserré ; il n'a pas disparu.

Les critères que tout le monde oublie

Quatre facteurs décident régulièrement d'un projet, et n'apparaissent dans presque aucun comparatif.

La latence, et sa mesure honnête

Un modèle plus intelligent qui répond en douze secondes est un mauvais choix pour une interface conversationnelle, et un excellent choix pour un traitement nocturne. La latence n'est pas un détail de confort : elle détermine quels usages sont possibles.

Deux grandeurs à distinguer, car on les confond systématiquement. Le temps jusqu'au premier token conditionne la perception de réactivité — c'est lui qui décide si l'utilisateur trouve l'interface vive ou poussive. Le temps total de génération conditionne le débit de votre système.

Sur un modèle de raisonnement, le premier token peut arriver après plusieurs secondes de réflexion silencieuse. En streaming, cela se traduit par un long blanc suivi d'un texte rapide. Sur une interface grand public, ce blanc est fatal : prévoyez un indicateur de progression explicite, ou baissez l'effort de raisonnement.

Mesurez ces deux valeurs sur vos propres requêtes, aux heures où votre trafic est réel. Les chiffres publiés par les éditeurs sont mesurés dans des conditions idéales.

La multimodalité, si vous en avez vraiment besoin

Toute la gamme professionnelle lit désormais les images. Ce n'est plus un différenciateur. Ce qui l'est encore :

La résolution acceptée. Les modèles récents traitent des images nettement plus grandes qu'il y a un an, ce qui change tout pour l'analyse de documents scannés, de captures d'écran denses ou de graphiques. Un modèle qui redimensionne agressivement votre image avant analyse ne lira pas les petits caractères.

Le coût en tokens. Une image haute résolution peut consommer plusieurs milliers de tokens d'entrée. Sur un traitement de masse de documents, ce poste devient dominant — et il n'apparaît nulle part dans les grilles tarifaires, qui parlent de tokens sans préciser combien une page en produit.

L'audio et la vidéo. Là, l'écart reste réel entre fournisseurs. Google facture explicitement l'entrée audio à un tarif distinct du texte, ce qui indique un traitement natif. Si votre besoin porte sur la transcription ou l'analyse de vidéo, c'est un critère de sélection à part entière — et Mistral propose une famille dédiée à l'audio.

Les limites de débit

Le prix affiché suppose que vous pouvez effectivement envoyer vos requêtes. Chaque fournisseur applique des quotas — requêtes par minute, tokens par minute, tokens par jour — qui dépendent de votre niveau de compte.

Un lancement produit qui multiplie le trafic par dix rencontre ces plafonds avant de rencontrer un problème de budget. Vérifiez vos quotas actuels, estimez votre pic, et demandez un relèvement avant d'en avoir besoin : les délais d'instruction se comptent en jours, pas en minutes.

Point d'attention peu connu : les quotas sont généralement segmentés par modèle ou par famille de modèles. Basculer une charge de travail d'un modèle vers un autre ne transfère pas votre quota — vous repartez sur le plafond du nouveau, qui peut être bien inférieur.

Le coût de sortie — celui du fournisseur, pas des tokens

La question la plus stratégique de toutes : combien coûterait un changement de fournisseur dans six mois ?

Si votre code appelle directement le SDK d'un éditeur dans quarante fichiers, avec ses formats de réponse et ses spécificités propres, la migration est un projet. Si vos appels passent par une interface interne unique, c'est une journée de travail.

Cette couche d'abstraction est une assurance peu coûteuse à poser au départ, et très coûteuse à rétrofiter. Elle vous protège de trois risques bien réels : une hausse tarifaire, l'arrêt d'un modèle que vous utilisez — les éditeurs retirent régulièrement leurs anciennes versions — et, désormais, une mesure réglementaire affectant votre fournisseur.

Corollaire pratique : conservez votre jeu de test d'évaluation à jour. C'est lui qui rendra la migration décidable en quelques heures le jour où elle s'imposera.

Recommandations par profil

Ces recommandations portent sur des catégories, pas sur des noms de modèles, car les noms changeront avant vous.

Développement et code

Prenez le haut de gamme, sans hésiter. C'est le cas d'usage où l'écart de capacité est le plus visible et le mieux rentabilisé : un modèle qui produit du code juste du premier coup vous fait économiser un temps d'ingénieur qui coûte infiniment plus cher que les tokens.

Critères à privilégier : qualité du code sur des projets multi-fichiers, compréhension des dépendances, capacité à travailler de façon autonome sur une tâche longue. Anthropic et OpenAI se disputent ce terrain ; testez les deux sur votre propre base de code, l'écart dépend beaucoup des langages et des conventions.

Rédaction en français

Testez systématiquement, et ne vous fiez pas aux scores anglophones. La qualité stylistique en français varie fortement d'un modèle à l'autre, et les benchmarks publics sont massivement anglocentrés.

Mistral mérite une évaluation sérieuse ici : entraîné avec une attention particulière au français, il évite certains calques syntaxiques de l'anglais que d'autres modèles reproduisent. Mais jugez sur pièces, avec vos propres textes de référence.

Analyse de documents volumineux

Regardez le prix d'entrée et les paliers de contexte long, pas le prix affiché. C'est un usage à forte entrée et faible sortie : l'entrée domine la facture.

Gemini est structurellement avantagé — grandes fenêtres sur toute la gamme, y compris sur les modèles économiques, et mode batch à moitié prix pour les traitements différés. Attention toutefois au seuil de 200 000 tokens sur certains modèles.

Volume élevé et tâches simples

Classification, extraction, étiquetage, modération : n'employez jamais un modèle de premier plan. Les modèles les plus légers font le travail à un vingtième du prix.

Ordre de grandeur : sur un million de requêtes courtes mensuelles, l'écart entre un modèle haut de gamme et un modèle léger se compte en milliers d'euros par mois. C'est là que se joue la rentabilité d'un produit à base d'IA.

Et n'oubliez pas le mode batch si vos traitements tolèrent un délai.

Secteur régulé, données sensibles

Commencez par les contraintes, pas par les capacités. Localisation de l'hébergement, engagements de non-réutilisation des données, durée de rétention, documentation de conformité, et depuis avant-hier, position du fournisseur au regard du règlement européen.

L'option open weights auto-hébergée mérite un examen sérieux : c'est la seule qui garantisse que vos données ne quittent jamais votre infrastructure. Le surcoût d'exploitation est souvent inférieur au coût d'un audit qui échoue.

Budget contraint

Trois leviers, dans cet ordre de rentabilité :

1. Le mode batch si la latence le permet. Moitié prix, aucun changement de code métier.
2. La mise en cache de la portion stable de vos prompts. Jusqu'à 90 % d'économie sur cette portion.
3. Le routage par difficulté. Petit modèle par défaut, escalade vers le grand uniquement sur détection d'échec ou de complexité.

Ces trois leviers combinés réduisent une facture d'un facteur trois à cinq. Aucun changement de fournisseur n'offre un tel gain.

Construire votre propre évaluation

C'est la partie que la plupart des comparatifs omettent, et c'est la seule qui produise une décision fiable.

Rassemblez vingt à cinquante cas réels. Issus de votre production, pas inventés. Incluez délibérément les cas difficiles, ambigus ou limites — ce sont eux qui discriminent, pas les cas faciles que tous les modèles réussissent.

Définissez ce qu'est une bonne réponse, par écrit, avant de tester. Pas « la réponse est bonne » mais des critères vérifiables : le format est respecté, aucun chiffre n'est inventé, la longueur tient dans la cible, le ton correspond. Si vous ne savez pas formuler le critère, vous ne saurez pas juger.

Testez à l'aveugle. Anonymisez les sorties avant de les évaluer. L'effet de marque sur le jugement humain est massif et parfaitement documenté ; savoir quel modèle a produit quel texte biaise l'évaluation.

Mesurez trois dimensions, pas une. Qualité, coût réel par requête, latence. Un modèle 5 % meilleur pour trois fois le prix et deux fois la latence n'est pas le bon choix pour une interface conversationnelle — il l'est peut-être pour un traitement nocturne.

Refaites l'exercice tous les trimestres. La gamme aura changé. Votre jeu de test, lui, reste valide : c'est votre actif le plus durable dans cette affaire. Constituez-le une fois, réutilisez-le à chaque nouvelle génération.

Ce qui va changer, et ce qui restera

Trois tendances se dessinent nettement.

Les écarts de capacité brute se resserrent. Sur la majorité des tâches professionnelles courantes, les modèles de premier plan des quatre grandes maisons sont devenus difficiles à départager. La différenciation se déplace vers le prix, la latence, l'écosystème d'outillage et les garanties contractuelles.

Le prix continue de baisser à capacité constante. Un niveau de performance qui coûtait cher il y a dix-huit mois est aujourd'hui accessible sur des modèles économiques. Toute architecture qui verrouille un modèle précis se prive de ce mouvement : concevez pour pouvoir changer.

La contrainte réglementaire devient un critère de premier rang. Ce qui relevait de la veille juridique est entré en vigueur. Pour une organisation européenne, la question « ce fournisseur est-il en règle, et que puis-je documenter ? » pèse désormais autant que « quel score obtient-il ? ».

Ce qui ne changera pas, en revanche, c'est la structure de la décision. Aucune génération de modèles ne vous dispensera de savoir ce que vous cherchez à obtenir, de le formuler en critères vérifiables, et de le mesurer sur vos propres données.

Le meilleur modèle sera toujours celui que vous aurez testé.

---

Note de méthode

Les tarifs et caractéristiques de cet article proviennent des documentations officielles des éditeurs, consultées le 4 août 2026. Nous n'avons publié aucun chiffre que nous n'ayons pu vérifier à la source.

Deux limites que nous assumons. D'une part, la gamme Mistral ne publie pas ses fenêtres de contexte dans sa documentation publique de référence : nous n'avons donc pas repris les valeurs circulant dans la presse spécialisée. D'autre part, nous ne publions volontairement aucun score de benchmark : pour les raisons exposées plus haut, nous les jugeons impropres à fonder une décision d'achat.

Sources

• Anthropic — Models overview (gamme, contextes, tarifs, dates de connaissance) : platform.claude.com/docs/en/about-claude/models/overview
• OpenAI — API Pricing (tarifs par modèle, paliers de contexte long) : developers.openai.com/api/docs/pricing
• Google — Gemini API Pricing (tarifs standard, batch, paliers) : ai.google.dev/gemini-api/docs/pricing
• Mistral AI — Models overview (licences et gamme) : docs.mistral.ai/getting-started/models
• Commission européenne — Cadre réglementaire de l'IA : digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
• EU AI Act : obligations GPAI et code de bonnes pratiques (calendrier d'application et pouvoirs d'exécution) : lw.com
• Liu et al., Lost in the Middle: How Language Models Use Long Contexts, TACL 2023 : arxiv.org/abs/2307.03172