Cent dollars : 10 tâches avec Opus 5.5 max, ou 2 500 avec GPT-6 Luna

Les grilles tarifaires des modèles sont depuis longtemps devenues un casse-tête. Le prix par million de tokens paraît clair, jusqu’à ce que l’on découvre qu’un modèle « réfléchit » dix fois plus longtemps qu’un autre et que le mode de raisonnement modifie la facture d’un ordre de grandeur. Artificial Analysis propose une métrique plus honnête : combien de tâches de l’Intelligence Index peut-on accomplir avec un budget fixe de 100 $ ?

Ce que montrent les chiffres

Le jeu de tâches est mixte et couvre différents archétypes, du raisonnement aux scénarios pratiques. Voici le résultat :

• Opus 5.5 avec un niveau de raisonnement moyen : 40 tâches.
• Opus 5.5 au niveau maximal : 10 tâches.
• DeepSeek V4.1 Flash 1017 au niveau maximal : 166 tâches.
• GPT-6 Luna avec un niveau moyen : 2 500 tâches.

En divisant le budget, on obtient environ 2,50 $ par tâche avec Opus 5.5 medium, près de 10 $ avec le même modèle en mode max, autour de 0,60 $ avec DeepSeek et environ 4 cents avec Luna. Il s’agit de notre estimation à partir des données de la publication, et non de tarifs officiels. Mais l’ordre de grandeur est clair : l’écart entre l’option la plus chère et la moins chère atteint un facteur de 250.

Le principal enseignement : le mode compte davantage que le modèle

Regardez les lignes consacrées à Opus. Il s’agit du même modèle, mais le passage de medium à max multiplie par quatre le coût de chaque tâche. Les tokens consacrés à la « réflexion » coûtent de l’argent, et plus le réglage est exigeant, plus le modèle en consomme. De nombreuses équipes activent le niveau maximal par défaut « pour plus de fiabilité », puis s’étonnent de la facture.

Imaginez un service client dans lequel l’IA traite 20 000 demandes par mois. Avec Luna, cela représente environ 800 $, en appliquant le coût par tâche du benchmark. Avec Opus 5.5 medium, la facture atteindrait environ 50 000 $, et près de 200 000 $ en mode max. Les demandes réelles peuvent être plus simples ou plus complexes que les tâches de l’indice, ces chiffres restent donc indicatifs. Mais leur ampleur montre pourquoi le choix du modèle et du mode ne peut pas se faire à l’intuition.

Comment exploiter ces résultats

Premièrement, calculez le coût d’une tâche résolue, et non celui d’un token. Faites passer 50 à 100 de vos cas réels par deux ou trois modèles et modes, puis mesurez le coût et le taux de réussite. C’est le prix d’une réponse correcte, et non celui d’un appel, qui détermine l’économie du produit.

Deuxièmement, mettez en place un routage. Confiez les requêtes simples — classification, extraction de champs et réponses courtes — à des modèles bon marché comme Luna ou DeepSeek Flash. Faites remonter vers Opus 5.5 les cas difficiles sur lesquels le modèle économique se trompe, et n’activez un niveau de raisonnement élevé que dans ces situations. Une telle architecture réduit souvent la facture de plusieurs fois, presque sans perte de qualité.

Troisièmement, conservez le mode de raisonnement dans la configuration plutôt que dans le code. Vous pourrez ainsi l’adapter au type de tâche et aux résultats des mesures.

Limites

La publication omet l’information essentielle : combien de ces tâches chaque modèle a correctement résolues. Un budget de 100 $ indique le prix des tentatives, pas leur qualité. Un modèle bon marché qui échoue sur la moitié des tâches coûte en réalité plus cher qu’il n’y paraît. De plus, la combinaison de tâches de l’Intelligence Index ne correspond pas nécessairement à votre charge de travail : dans les scénarios agentiques comprenant de longues chaînes d’appels, les chiffres peuvent être très différents. Pour l’instant, les données n’ont été publiées que dans un tweet, sans méthodologie détaillée ; il faut donc les considérer comme un point de repère, et non comme un verdict.

La conclusion est simple. L’époque où il suffisait de choisir le modèle « le plus intelligent » est révolue. Aujourd’hui, l’avantage revient à ceux qui savent associer à chaque tâche le bon modèle et le bon niveau de raisonnement, tout en connaissant le coût d’une réponse correcte.