Comparaison complète des modèles IA couverts dans la Prompt Library — tarifs, capacités, latence, limites de débit et guide de sélection.

⚠️ Les tarifs et la disponibilité des modèles changent fréquemment. Ce guide reflète les informations d'avril 2026. Vérifiez toujours les tarifs actuels sur la page de tarification de chaque fournisseur avant toute projection de coûts.

• Claude (Anthropic)
• GPT (OpenAI)
• Gemini (Google)
• Llama (Meta)
• Mistral
• Tableau comparatif des tarifs
• Comparaison par type de tâche
• Comparaison de latence
• Limites de débit
• Arbre de décision : quel modèle utiliser
• Stratégies d'optimisation des coûts
• Modèles retirés

Les modèles Claude excellent dans le suivi d'instructions, l'analyse de longs contextes, l'écriture créative et le code. Ils répondent particulièrement bien aux prompts structurés utilisant des balises XML.

Balises XML — Claude traite les balises XML comme des conteneurs sémantiques. Patterns à forte valeur ajoutée :

<instructions>Primary task definition</instructions>
<context>Background information</context>
<constraints>Hard rules that override other instructions</constraints>
<examples>Input/output examples</examples>

Extended Thinking — Disponible sur Opus 4.6, permet au modèle de « réfléchir » en profondeur sur des problèmes complexes avant de répondre. Active un raisonnement plus profond au prix d'une latence et d'un nombre de tokens plus élevés.

Technique Prefill — Démarrez la réponse de Claude pour orienter le format et le ton :

{
  "messages": [
    {"role": "user", "content": "Analyze this data..."},
    {"role": "assistant", "content": "{\"analysis\":"}
  ]
}

• Opus 4.6 — Quand vous avez besoin du meilleur raisonnement possible, du traitement de documents de plus de 200K tokens, ou de workflows multi-agents
• Sonnet 4.6 — Le cheval de bataille — à utiliser pour 90 % des tâches (code, analyse, rédaction, utilisation d'outils)
• Haiku 4.5 — Classification à haut volume, routage, extractions rapides, ou quand la latence/le coût prime

Les modèles GPT offrent de solides performances généralistes, des sorties structurées et l'appel de fonctions.

Mode JSON — Forcer la sortie en JSON valide :

{
  "response_format": { "type": "json_object" }
}

Structured Outputs — Définir un schéma JSON exact que le modèle doit suivre :

{
  "response_format": {
    "type": "json_schema",
    "json_schema": {
      "name": "analysis",
      "schema": {
        "type": "object",
        "properties": {
          "summary": { "type": "string" },
          "score": { "type": "number" }
        },
        "required": ["summary", "score"]
      }
    }
  }
}

Function Calling — Définir des outils que le modèle peut invoquer, permettant un comportement de type agent avec une utilisation structurée des outils.

Les modèles Gemini offrent des capacités multimodales natives, l'ancrage via Google Search et l'exécution de code.

Entrée multimodale — Prise en charge native des images, vidéos et audio dans les prompts. Pas besoin de décrire le contenu visuel en texte.

Ancrage Google Search — Ancrer les réponses dans les résultats de recherche web en temps réel pour des informations à jour.

Exécution de code — Le modèle peut exécuter du code dans le cadre de sa réponse, utile pour l'analyse de données et les tâches de calcul.

Modèles à poids ouverts que vous pouvez auto-héberger. Aucun coût d'API — vous ne payez que le calcul.

• Poids ouverts — téléchargez et exécutez sur votre propre infrastructure
• Aucun coût d'API — uniquement les coûts de calcul (location ou possession de GPU)
• Fine-tuning — personnalisez pour votre domaine spécifique
• Architecture MoE (Llama 4) — nombre élevé de paramètres avec inférence efficace
• Confidentialité — les données ne quittent jamais votre infrastructure

• Les données doivent rester sur votre infrastructure (réglementaire, confidentialité)
• Inférence à haut volume où les coûts d'API seraient prohibitifs
• Fine-tuning pour des domaines spécialisés
• Déploiement edge/mobile (Llama 3.2)
• Recherche et expérimentation

Laboratoire d'IA européen proposant une gamme de modèles du plus petit au plus performant, avec d'excellents ratios prix-performance.

• Meilleur rapport qualité-prix : Mistral Medium 3 à $0.40/M en entrée offre une qualité de classe GPT-4 à 1/5 du coût
• Excellence multilingue : performant dans les langues européennes et mondiales
• Architecture MoE : inférence efficace avec un nombre élevé de paramètres
• Spécialisation code : Codestral et Devstral pour les flux de développement
• Souveraineté des données UE : options d'hébergement européen

Prix par million de tokens (avril 2026) :

*Les modèles Llama sont à poids ouverts — vous ne payez que le calcul (hébergement/location GPU).

Remises API par lots :

• OpenAI Batch API : 50 % de réduction (délai 24h)
• Anthropic Batches API : 50 % de réduction (délai 24h)
• Google Batch API : variable selon le modèle

Vue praticien des performances relatives par catégorie de tâche :

Plages approximatives pour des requêtes typiques (varie selon la région, la charge et la longueur du prompt) :

TTFT = Time To First Token (temps jusqu'au premier token). Ce sont des médianes approximatives à titre indicatif, pas des SLA.

RPM = requêtes par minute, RPD = requêtes par jour. Les limites varient selon le modèle au sein de chaque fournisseur.

DÉBUT : Quelle est votre exigence principale ?

[Les données doivent rester sur votre infrastructure ?]
  OUI → Llama 3.3 70B (qualité) ou Llama 3.2 3B (edge/mobile)
  NON → continuer

[Traitement natif de vidéo ou audio ?]
  OUI → Gemini 3 Pro (vidéo/audio natif)
  NON → continuer

[Documents dépassant 200K tokens ?]
  OUI → Claude Opus 4.6 (1M) ou Llama 4 Scout (10M)
  NON → continuer

[Besoin de conformité garantie au schéma JSON ?]
  OUI → GPT-5.4 avec structured outputs
  NON → continuer

[Raisonnement complexe ou rédaction longue ?]
  OUI → Claude Sonnet (rapport qualité-prix) ou Opus (qualité maximale)
  NON → continuer

[Haut volume, sensible aux coûts (>10K req/jour) ?]
  OUI → Quelle complexité ?
    Simple → Gemini Flash ou Mistral Medium 3
    Modérée → Claude Haiku 4.5
    Complexe → Claude Sonnet avec traitement par lots
  NON → continuer

[Génération ou revue de code ?]
  OUI → Claude Sonnet 4.6, GPT-5.3-Codex, ou Codestral
  NON → continuer

[Par défaut / usage général]
  Économique → Mistral Medium 3
  Qualité → Claude Sonnet 4.6 ou GPT-5.4
  Maximum → Claude Opus 4.6

Utilisez un modèle économique pour classifier la complexité de la requête, puis routez vers le modèle approprié :

# Classify with a cheap model
classification = cheap_model.classify(
    request, categories=["simple", "moderate", "complex"]
)

model_map = {
    "simple":   "gemini-flash",      # lowest cost
    "moderate": "claude-haiku",      # balanced
    "complex":  "claude-sonnet",     # highest quality
}
model = model_map[classification]

response = cheap_model.generate(prompt)

if not passes_quality_check(response):
    response = expensive_model.generate(prompt)  # escalate

task_routing = {
    "classification": "gemini-flash",
    "extraction":     "mistral-medium",
    "summarization":  "claude-haiku",
    "reasoning":      "claude-sonnet",
    "code":           "codestral",
}

Un routeur bien implémenté permet d'économiser 60 à 80 % par rapport à l'envoi de tout au modèle le plus cher.

Ne pas utiliser dans les nouveaux projets :

Navigation : ← Techniques de prompting  |  Outils : Linter, Optimiseur, Recommandeur →