La prime de flexibilité : ce que coûte le droit de consommer n'importe quand
À l'usage, une part du prix ne paie pas le calcul. Elle paie la capacité que le fournisseur garde libre pour absorber les pointes, et elle est répartie sur chaque token facturé.
Un fournisseur qui facture à l'usage vend deux choses dans le même prix : le calcul que vous consommez, et le droit de le consommer quand vous voulez, sans prévenir. La deuxième partie a un coût, et ce coût est réparti sur chaque token facturé.
Ce coût vient de la réserve. Pour qu'un client puisse tripler sa consommation un mardi matin, il faut que des GPU soient libres à ce moment-là. Un GPU libre coûte le même prix qu'un GPU qui calcule : la machine est louée ou amortie à l'heure, et le loyer ne baisse pas quand personne ne s'en sert. Le fournisseur avance cette capacité et il la récupère dans son tarif.
L'arithmétique est directe : le coût par token d'un serveur est inversement proportionnel à son taux d'occupation. Un serveur B200 à 8 GPU génère jusqu'à 7 800 tokens par seconde, soit environ 20 milliards de tokens dans un mois s'il fonctionne sans arrêt. Ses frais de fonctionnement reviennent alors autour de 1 $ par million de tokens générés, une fois le capital remboursé. Le même serveur occupé à 40 % en moyenne produit 8 milliards de tokens, et les mêmes frais donnent 2,50 $ par million. L'écart de 1,50 $ ne paie aucun calcul de plus. Il paie les heures pendant lesquelles la machine attendait.
Les pointes des clients ne s'annulent pas entre elles. Un fournisseur qui sert des milliers de comptes profite d'un lissage réel, mais partiel : les charges agentiques se ressemblent et se concentrent aux mêmes heures de bureau, dans les mêmes fuseaux horaires. La réserve reste nécessaire, et le taux d'occupation moyen reste loin de 100 %.
La prime se voit dans les prix affichés. Z.ai, le fabricant du modèle, facture GLM 5.2 à 4,40 $ US par million de tokens générés ; Alibaba Cloud facture le même modèle à 3,04 $ US*. Les deux le servent en FP8 : les poids, la précision et le calcul sont les mêmes. L'écart de 45 % vient du niveau de service : capacité gardée disponible, latence tenue en pointe, limites de débit plus hautes.
La comparaison avec un modèle fermé mélange deux choses. Anthropic facture Sonnet 15 $ US par million de tokens générés*, soit environ 20,55 $ CAD. Ce prix contient la même prime de flexibilité, mais aussi le coût d'entraînement du modèle et la marge d'un produit sans équivalent exact. On ne peut pas attribuer tout l'écart à la réserve.
Cette prime est un bon achat quand la charge est irrégulière : quelques milliers d'appels par jour, des pointes imprévisibles, de longues heures sans rien. Vous achetez de l'élasticité et vous vous en servez. Elle devient chère quand la charge est prévisible. Une flotte d'agents IA qui fonctionne tous les jours, aux mêmes heures, au même rythme, paie chaque token comme si le lendemain pouvait être dix fois plus gros.
Le rapport à surveiller est simple : votre débit de pointe divisé par votre débit moyen, mesuré sur deux ou trois semaines. À 2 ou 3, la réserve que vous financez ne vous sert presque jamais, et un débit réservé revient moins cher. À 20, l'élasticité vaut son prix. Ce rapport se mesure de deux façons : dans la console de votre fournisseur, ou avec une passerelle placée devant vos appels.
Une réserve sur la méthode : les taux d'occupation moyens des fournisseurs ne sont pas publics, et les chiffres ci-dessus sont des ordres de grandeur. Ce qui se vérifie chez vous, c'est votre propre rapport entre la pointe et la moyenne.
* Prix de septembre 2026, au prix courant sans promotion, tels qu'affichés sur OpenRouter. On compare des fournisseurs qui servent GLM 5.2 dans la même précision, le FP8 : une version en FP4 traite environ deux fois plus de tokens par GPU, au prix d'une précision réduite.