Par Elisha Bajemon, Ingénieur IA chez TW3 Partners. Dernière mise à jour : 17 novembre 2026.

En bref

Dans une offre facturée à l’usage, chaque cas d’usage ajouté consomme des unités payantes : messages, jetons, requêtes ou gigaoctets indexés. Selon la page des tarifs de Copilot Studio datée du 30 octobre 2026, une réponse générative coûte 2 crédits Copilot et l’ancrage sur les données du tenant en ajoute 10. Google, Amazon et OpenAI facturent en outre le volume indexé au gigaoctet. L’Insee indique le 21 juillet 2026 que 80 % des entreprises de 10 salariés ou plus utilisant l’IA l’acquièrent sous forme de logiciels du commerce prêts à l’emploi. Un socle hébergé sur des GPU loués coûte la même somme quel que soit le nombre de requêtes, tant que sa capacité suffit. Indexer dix fois plus de documents n’y coûte donc pas dix fois plus, jusqu’au moment où il faut ajouter un palier de capacité. Ce coût se paie aussi quand l’outil sert peu, et la plateforme doit être dimensionnée puis exploitée.

1. Comment les éditeurs facturent-ils un assistant IA ?

La facturation à l’usage désigne un modèle dans lequel le montant dû est calculé sur la consommation mesurée : réponses, jetons traités, requêtes de recherche ou volume indexé. Un jeton est l’unité de texte que compte un modèle de langage, en entrée comme en sortie. Le tableau reprend les unités relevées le 17 novembre 2026 sur les pages officielles des éditeurs.

OffreUnité de facturation relevéeSource
Microsoft 365 CopilotLicence complémentaire attribuée par utilisateur, ou paiement à l’usage pour Copilot Chat et les agents SharePointMicrosoft Learn, 1er juin 2026 et 17 juillet 2026
Copilot StudioCrédits Copilot par réponse, par action ou par millier de jetons, en packs prépayés ou au compteurMicrosoft Learn, 30 octobre 2026
ChatGPT Business et EnterprisePrix par utilisateur et par mois, avec des crédits achetables pour plus d’accèsOpenAI, tarifs ChatGPT
API OpenAIJetons ; pour la recherche documentaire, stockage au gigaoctet et par jour et appels au millierOpenAI, tarifs de l’API
Google Agent SearchRequêtes au millier et volume indexé au-delà d’un quota gratuitGoogle Cloud, tarifs Agent Search
Amazon BedrockJetons pour les modèles ; pour la base de connaissances gérée, stockage au gigaoctet et par mois et appels de recherche au millierAWS, tarifs Amazon Bedrock
MistralPrix par utilisateur et par mois pour l’offre Team, sous limites d’usage ; jetons pour l’APIMistral AI, tarifs

Ces unités se cumulent : un même échange peut combiner une licence, une réponse générative, un ancrage sur des documents et des jetons de raisonnement.

2. Pourquoi chaque nouvel usage alourdit-il la facture ?

Chaque extension du périmètre ajoute des unités de compte, selon trois mécanismes.

L’index grossit avec chaque source. Google calcule le stockage de l’index sur la taille des données brutes, avec 10 Gio gratuits. Son propre exemple chiffre 100 Go indexés à 5 400 dollars par an, soit 90 Go facturés 5 dollars par mois. Par le même calcul, 1 000 Go reviennent à 59 400 dollars par an. Amazon facture lui aussi l’index de sa base de connaissances gérée au gigaoctet de données brutes et par mois, connecteurs vers S3, SharePoint et Confluence compris, tandis qu’OpenAI facture le stockage de recherche documentaire au gigaoctet et par jour.

Chaque question interroge les sources. Chez Microsoft, l’ancrage d’une réponse sur le graphe du tenant, qui inclut les données externes synchronisées par connecteur, coûte 10 crédits par message en plus des 2 crédits de la réponse générative. Amazon et Google facturent de même chaque millier d’appels de recherche.

Le raisonnement multiplie les appels au modèle. Quand un modèle de raisonnement orchestre un agent Copilot Studio, Microsoft facture 10 crédits par millier de jetons et précise que l’agent peut appeler le modèle plusieurs fois par question : « Each call counts ». Dans l’exemple de la page, une même question consomme 141 ou 461 crédits selon le moment de la conversation où elle est posée.

3. Que couvre réellement une licence par siège ?

Une licence par siège couvre un périmètre défini, et les usages situés hors de ce périmètre passent au compteur. Selon la page de licences de Copilot Studio, datée du 4 novembre 2026, les réponses d’agents classiques, génératives et ancrées sur Microsoft Graph ne sont pas facturées à un titulaire de Microsoft 365 Copilot lorsque l’agent agit sous son identité dans Copilot Chat, Teams ou SharePoint. La page des tarifs limite cette inclusion aux usages destinés aux salariés, dans la limite d’un usage raisonnable.

Le compteur reprend dès que l’agent sert un utilisateur sans licence, un client externe ou un processus automatique. Dans l’exemple de Microsoft, un agent ancré sur le graphe, utilisé par 50 salariés titulaires d’une licence et 100 sans licence, consomme 4 800 crédits par jour, calculés sur les seuls 100 sans licence. Si ce second groupe passe à 1 000 personnes, la même formule donne 48 000 crédits par jour. Les crédits non consommés ne sont pas reportés d’un mois sur l’autre. Quand la consommation atteint 125 % de la capacité prépayée, les agents sont bloqués, sauf si l’environnement est raccordé à un compteur à l’usage.

Les connecteurs suivent la même logique. Selon la documentation des connecteurs Microsoft 365 Copilot (1er juin 2026), l’indexation par un connecteur synchronisé ne coûte rien de plus à un tenant Microsoft 365, mais l’ancrage de Copilot sur ces données demande la licence Copilot. Un connecteur fédéré exige cette licence pour chaque utilisateur qui l’interroge.

4. Comment se compose le coût d’un socle hébergé ?

Le coût d’un socle hébergé est celui de la capacité réservée : serveurs ou GPU loués à l’heure ou au mois, stockage, réseau, auxquels s’ajoute le travail d’exploitation. Sur la grille Public Cloud d’OVHcloud relevée le 17 novembre 2026, l’instance l4-90, équipée d’un GPU L4 de 24 Go, est affichée à 0,75 € HT de l’heure ou 540 € HT par mois. Ce prix ne varie pas avec le nombre de requêtes traitées dans le mois.

Ce coût reste fixe parce qu’un serveur de modèle traite les requêtes par lots. Le papier de vLLM, déposé sur arXiv le 12 septembre 2023, pose que le service à haut débit d’un modèle de langage exige de regrouper suffisamment de requêtes à la fois. Ses auteurs mesurent avec vLLM un débit multiplié par 2 à 4 à latence égale par rapport à FasterTransformer et Orca, l’écart grandissant avec la longueur des séquences et la taille des modèles. Tant que les lots tiennent dans la mémoire du GPU, une requête de plus consomme du temps de calcul déjà payé.

Les grands fournisseurs vendent aussi de la capacité. Selon Microsoft Learn (15 juillet 2026), un déploiement à débit provisionné est facturé à l’heure selon le nombre d’unités déployées, « regardless of the number of tokens consumed ». Amazon facture son débit provisionné à l’heure par unité de modèle, avec ou sans engagement d’un ou six mois, et Google propose un abonnement mensuel à une capacité de requêtes et de stockage. La décision porte donc sur la nature du coût, variable ou liée à une capacité, quel que soit le fournisseur.

5. Pourquoi indexer dix fois plus ne coûte-t-il pas dix fois plus sur un socle à coût fixe ?

Sur un socle à coût fixe, l’indexation consomme des ressources déjà payées : du calcul pour découper les documents et produire leurs représentations vectorielles, et de l’espace disque pour conserver l’index. Indexer dix fois plus de documents allonge le traitement initial et occupe davantage de disque sans entraîner de facture proportionnelle.

Le coût augmente par paliers. Il faut ajouter du stockage quand l’index dépasse le disque disponible, puis une instance quand les requêtes simultanées dépassent la mémoire du GPU. La documentation de vLLM décrit ce seuil : quand la mémoire ne suffit plus pour toutes les requêtes groupées, le logiciel en suspend puis les recalcule, ce qui peut allonger le délai de réponse.

La même extension, payée au gigaoctet et à l’appel dans une offre à l’usage, se paie ici au franchissement d’un palier, par une décision de capacité prise en connaissance de cause.

6. Quelles sont les limites d’un coût fixe ?

Un coût fixe se paie que l’outil serve ou non. Microsoft l’écrit pour son débit provisionné, réservé « whether or not requests are being made », et juge le paiement au jeton plus adapté au développement, aux essais, aux faibles volumes et aux trafics très variables. Un assistant utilisé par quelques dizaines de personnes peut donc coûter moins cher à l’usage que sur un GPU loué en continu.

La capacité se dimensionne avant la mise en service, à partir des requêtes attendues et du délai de réponse acceptable. Une capacité trop juste dégrade les délais aux heures de pointe, alors qu’une capacité trop large immobilise du budget. Chez Azure, une requête qui dépasse la capacité provisionnée reçoit une erreur, sauf si un débordement vers un déploiement facturé à l’usage a été configuré.

L’exploitation est à assurer : mises à jour, supervision, sauvegardes, droits d’accès et astreinte. Ce coût humain n’apparaît pas dans le prix horaire du GPU, et notre cadre de décision construire ou acheter le désigne comme souvent le poste dominant à moyen terme. Enfin, un modèle ouvert hébergé n’égale pas forcément un modèle commercial sur toutes les tâches, si bien que l’écart doit être mesuré sur les documents de l’organisation.

7. Comment comparer les deux modèles avant de décider ?

La comparaison porte sur le portefeuille de cas d’usage prévu à trois ans, converti dans les unités de chaque offre. L’enjeu dépasse les seuls assistants : selon l’Insee, 73 % des entreprises utilisant l’IA recourent en 2025 à des services payants de cloud computing, contre 33 % de celles qui ne l’utilisent pas. À titre d’hypothèse de méthode, et non de cas vécu, une direction peut procéder ainsi :

  1. Lister les usages envisagés et leur public : salariés dotés ou non d’une licence, clients, processus automatiques.
  2. Estimer les volumes : documents à indexer, questions par jour, recours au raisonnement.
  3. Traduire ces volumes dans les unités de chaque éditeur avec ses outils publics, comme l’estimateur de consommation que Microsoft publie pour Copilot Studio.
  4. Chiffrer le socle hébergé en capacité, exploitation comprise, avec le palier suivant.
  5. Repérer le volume au-delà duquel une courbe passe sous l’autre.

Le suivi des dépenses en service est traité dans notre article sur le FinOps de l’IA générative. TW3 Partners déploie, selon les exigences du client, dans son cloud, chez un hébergeur européen comme Scaleway ou OVHcloud, ou sur ses serveurs, y compris sans connexion extérieure.

FAQ

Une licence Microsoft 365 Copilot couvre-t-elle tous les usages des agents ?
Non. Selon Microsoft Learn (4 novembre 2026), les réponses d’agents ne sont pas facturées à un titulaire qui les utilise sous son identité, pour des usages destinés aux salariés. Les usages par des personnes sans licence, par des clients externes ou par des processus autonomes consomment des crédits Copilot.

Pourquoi la même question peut-elle coûter des montants différents ?
Avec un modèle de raisonnement, Copilot Studio facture les jetons traités. Leur nombre dépend des instructions, des documents retrouvés et de la conversation : l’exemple de Microsoft va de 141 à 461 crédits pour une même question.

Un socle hébergé est-il toujours moins cher ?
Non. Il coûte la même somme quel que soit l’usage, ce qui le désavantage aux faibles volumes et pendant les essais.

Que se passe-t-il quand un socle hébergé atteint sa capacité ?
Les délais de réponse s’allongent, car le serveur suspend et recalcule des requêtes. On ajoute alors un palier, instance ou stockage, décidé à partir de ces mesures.

Peut-on combiner les deux modèles ?
Oui. Une organisation peut héberger les usages à fort volume ou sur données sensibles et garder une offre à l’usage pour les essais. Azure prévoit ce débordement d’un déploiement provisionné vers un déploiement standard.

Pour aller plus loin

Sources