Débit ou tokens : les deux façons d'acheter de l'inférence

Payer au token, c'est acheter une quantité. Payer au débit, c'est acheter une capacité. Les deux ne conviennent pas aux mêmes charges.

La facturation au token est parfaite pour une charge irrégulière : quelques milliers d'appels par jour, des pics imprévisibles, de longues périodes creuses. Vous ne payez que ce que vous consommez, et l'élasticité est totale.

Elle devient hostile dès que la charge est continue. Une flotte d'agents IA qui tourne huit heures par jour, cinq jours par semaine, consomme de façon prévisible — et paie pourtant un tarif conçu pour absorber le risque de l'imprévisible. Vous financez l'élasticité de quelqu'un d'autre.

Le débit réservé inverse la logique. Vous réservez un nombre de tokens par seconde, disponible en permanence, et le volume devient sans objet. Un agent IA de codage autonome tourne autour de 50 tokens/seconde en génération continue : c'est l'unité qui compte pour dimensionner, bien plus que le total mensuel.

La bascule se calcule simplement. Prenez votre dépense mensuelle actuelle, divisez par le tarif au million de tokens générés, ramenez à un débit moyen sur le mois. Si ce débit moyen est proche du débit crête dont vous avez besoin, la facturation à l'usage vous coûte cher pour rien. S'il en est très loin, c'est probablement que vous avez déjà bridé vos agents IA.

Ce dernier point est le plus important, et le plus difficile à voir de l'intérieur : une dépense qui semble raisonnable est souvent le signe d'une charge contrainte, pas d'une charge optimisée.