Petits modèles d’IA comparés : coûts et qualité pour le travail de routine

De nombreuses tâches de routine en entreprise peuvent être confiées à de petits modèles d’IA : trier des e-mails, vérifier des ordres de fabrication, classer des actions sur un site web ou surveiller un statut 24 heures sur 24. En matière de prix catalogue, les fournisseurs sont proches les uns des autres. Les modèles se distinguent nettement par la fréquence à laquelle ils devinent, la fiabilité avec laquelle ils utilisent des outils et le nombre de tokens de raisonnement qu’ils consomment. Les données proviennent des grilles tarifaires des fournisseurs, de benchmarks indépendants et de notre propre test pratique dans Hawk IVO Force, état au 20 octobre 2026.

Les coûts sont présentés ici sous forme d’indice de coût plutôt qu’en dollars. Les prix catalogue changent souvent, et les prix des fournisseurs ne sont pas des prix de Hawk IVO Force. L’indice montre combien un modèle coûte par rapport aux autres et reste facile à lire même lorsque les prix changent.

Quels modèles sont comparés

OpenAI, Anthropic, Google et Amazon n’indiquent pas la taille de leurs petits modèles. Ici, petit désigne le niveau actuel le moins cher d’une famille de modèles, conçu pour la vitesse et le volume.

• GPT-6 Luna d’OpenAI, disponible depuis le 22 septembre 2026 : le plus petit niveau de la famille GPT-6, à côté de Sol et Astra. Selon OpenAI, son prédécesseur GPT-5.6 Luna correspondait à l’ancienne classe Nano. Disponible directement chez OpenAI ainsi que via Microsoft Azure et Amazon Bedrock.
• Claude Haiku 5.5 d’Anthropic, disponible depuis le 7 octobre 2026 : successeur de Claude Haiku 4.5, proposé via la Claude Platform, Amazon Web Services, Google Cloud et Microsoft Azure.
• Gemini 3.5 Flash-Lite de Google, disponible depuis le 21 juillet 2026 : le plus petit niveau actuel de Gemini. À titre de comparaison, Gemini 3.8 Flash figure aussi dans le comparatif comme niveau immédiatement supérieur.
• Amazon Nova 2 Lite et Amazon Nova Micro, tous deux uniquement sur Amazon Bedrock : Nova 2 Lite depuis décembre 2025, Nova Micro, modèle purement textuel, depuis décembre 2024.
• Modèles chinois : DeepSeek V4.1 Flash, Qwen3.8 Flash d’Alibaba, GLM-5.3-Flash de Z.ai et MiniMax M3.1 Flash. Kimi K2.6 de Moonshot AI coûte plusieurs fois plus cher et sert de point de comparaison dans le test pratique.

Coûts comparés : l’indice de coût

L’indice de coût évalue la tâche standard aux prix catalogue des fournisseurs, et le niveau de coût en donne un résumé approximatif.

Modèle	Indice de coût ↓, une valeur plus basse est meilleure	Niveau de coût ↓, une valeur plus basse est meilleure	Majoration pour les longs prompts
Amazon Nova Micro	24	1	aucune connue
GPT-6 Luna	76	2	au-delà de 272 000 tokens : entrée ×2, sortie ×1,5
Claude Haiku 5.5	76	2	au-delà de 100 000 tokens : entrée ×5, sortie ×5
Qwen3.8 Flash	94	2	aucune connue
GLM-5.3-Flash	97	2	aucune connue
MiniMax M3.1 Flash	103	2	aucune connue
DeepSeek V4.1 Flash	207	3	aucune
Gemini 3.5 Flash-Lite	297	3	aucune
Amazon Nova 2 Lite	297	3	aucune connue
Gemini 3.8 Flash	569	4	aucune, prix de base doublé à partir du 1er janvier 2027
Claude Sonnet 5.5 (pour comparaison)	1 517	5	aucune
Claude Opus 5.5 (pour comparaison)	3 034	5	aucune

Amazon Nova Micro coûte un quart de la médiane, GPT-6 Luna et Claude Haiku 5.5 environ trois quarts et Gemini 3.8 Flash près de six fois la médiane. Les grands modèles Claude Sonnet 5.5 et Claude Opus 5.5 se situent entre 15 et 30 fois la médiane.

La hausse de prix de Claude Haiku 5.5

Avec Claude Haiku 5.5, c’est la longueur de chaque requête qui détermine le tarif. À partir de 100 000 tokens dans le prompt, l’ensemble de la requête coûte cinq fois plus. Les parties du prompt mises en cache comptent dans la longueur. Charger l’ensemble des ordres en cours dans un seul prompt revient donc à payer le tarif élevé, alors que les répartir en sections de moins de 100 000 tokens permet de payer le tarif bas. GPT-6 Luna applique un seuil similaire à 272 000 tokens, avec une majoration plus faible. Gemini Flash et Flash-Lite ne connaissent pas de tel seuil, pas plus que les grands modèles Claude à partir de la génération 4.6.

• Gemini Flash et Flash-Lite
• GPT-6 Luna
• Claude Haiku 5.5

Facteur de prix sur le prix de base en entrée ↓

Longueur du prompt en tokens

La majoration s’applique toujours à l’ensemble de la requête. Pour GPT-6 Luna, le prix de sortie est multiplié par 1,5. Source : OpenAI, Anthropic, Google, état au 20 octobre 2026.

Données du graphique

Modèle	Majoration pour les longs prompts
GPT-6 Luna	au-delà de 272 000 tokens : entrée ×2, sortie ×1,5
Claude Haiku 5.5	au-delà de 100 000 tokens : entrée ×5, sortie ×5
Gemini 3.5 Flash-Lite	aucune
Gemini 3.8 Flash	aucune, prix de base doublé à partir du 1er janvier 2027
Amazon Nova 2 Lite	aucune connue
Amazon Nova Micro	aucune connue
DeepSeek V4.1 Flash	aucune
Qwen3.8 Flash	aucune connue
GLM-5.3-Flash	aucune connue
MiniMax M3.1 Flash	aucune connue

Même prix dans tous les clouds, majoration pour la résidence des données

D’un grand cloud à l’autre, les prix sont proches. Sur Microsoft Azure et Amazon Bedrock, GPT-6 Luna coûte en traitement global exactement le même prix qu’en direct chez OpenAI. Microsoft Foundry facture les modèles Claude aux prix catalogue d’Anthropic. Amazon Bedrock et Google Cloud ont leurs propres grilles tarifaires, et pour leurs points de terminaison régionaux, Anthropic indique une majoration de 10 % par rapport aux points de terminaison globaux. C’est surtout le traitement dans une région fixe qui coûte plus cher : GPT-6 Luna dans la zone de données UE d’Azure environ 20 % de plus, Gemini dans la multirégion UE de Google Cloud environ 10 % de plus et Nova 2 Lite via la route UE à Francfort environ 40 % de plus qu’en global aux États-Unis.

Ce qui permet d’économiser ou coûte en plus

• Batch : si vous n’avez pas besoin des résultats immédiatement, vous payez moitié prix en mode batch chez OpenAI, Anthropic, Google et Amazon. DeepSeek divise son prix par deux en dehors de ses heures de pointe, qui couvrent toutefois en semaine une grande partie de la matinée en Allemagne.
• Mise en cache : les parties récurrentes du prompt, comme les instructions, les catégories et les exemples, peuvent être mises en cache. Lues depuis le cache, elles coûtent environ un dixième du prix d’entrée chez OpenAI, Anthropic et Google, et un quart chez Amazon Nova.
• Les tokens n’ont pas partout la même taille : Claude Haiku 5.5 compte le même texte avec environ 30 % de tokens de plus que son prédécesseur. Des prix identiques par token ne signifient donc pas exactement les mêmes coûts par e-mail.
• Changements de modèle : le 8 octobre 2026, à peine huit semaines après la disponibilité générale, Google a annoncé l’abandon de Gemini 3.7 Flash et redirige les requêtes vers Gemini 3.8 Flash. Le prix de ce dernier double au 1er janvier 2027. Les prix et les versions de modèles ont donc leur place dans toute planification d’exploitation.

Tokens de raisonnement : le facteur de coût invisible

Presque tous les petits modèles actuels peuvent raisonner avant de répondre. Ces tokens de raisonnement n’apparaissent pas dans la réponse, mais ils sont facturés comme sortie, et selon le modèle, la sortie coûte trois à huit fois plus que l’entrée. Le niveau de raisonnement d’un modèle se règle généralement :

• GPT-6 Luna : de none à max, par défaut medium
• Claude Haiku 5.5 : de low à max, par défaut medium
• Gemini 3.5 Flash-Lite : de minimal à high, par défaut minimal
• Amazon Nova 2 Lite : désactivé ou de low à high, désactivé par défaut
• DeepSeek V4.1 Flash : avec ou sans raisonnement, avec par défaut
• GLM-5.3-Flash : le raisonnement ne peut pas être désactivé

La différence est considérable. Pour l’ensemble complet des benchmarks d’Artificial Analysis, GPT-6 Luna a coûté au niveau le plus élevé un peu plus de six fois plus cher que sans raisonnement, et Claude Haiku 5.5 au niveau le plus élevé près de dix fois plus cher qu’au niveau bas. Dans notre test pratique, Kimi K2.6 a généré 3 100 à 7 300 tokens de sortie pour les mêmes tâches, contre 360 à 580 pour Gemini 3.7 Flash. Le temps d’attente augmente lui aussi : sans raisonnement, GPT-6 Luna fournit le premier token de réponse après environ 0,8 seconde, au niveau le plus élevé après environ 90 secondes.

Pour la classification et l’extraction, le niveau le plus bas suffit généralement. Pour Gemini 3.5 Flash-Lite, Google recommande explicitement minimal pour la classification, le routage et l’extraction JSON, mais medium ou high pour les sous-agents qui utilisent des outils en plusieurs étapes, car sinon le modèle interrompt trop tôt les chaînes d’outils. Le moyen le plus fiable de trouver la bonne valeur reste un test avec vos propres données.

• GPT-6 Luna
• Claude Haiku 5.5
• autres petits modèles

Intelligence Index ↑

Indice de coût de l’exécution complète des tests, échelle logarithmique ↓

Les lignes relient le niveau de raisonnement le plus bas et le plus élevé mesurés pour un même modèle. L’indice de coût inclut les tokens de raisonnement réellement consommés. Médiane des points affichés = 100. Aucun coût d’exécution des tests n’est disponible pour Amazon Nova. Source : Artificial Analysis, état au 20 octobre 2026.

Données du graphique

Modèle	Niveau de raisonnement	Indice de coût de l’exécution des tests ↓, une valeur plus basse est meilleure	Intelligence Index ↑, une valeur plus élevée est meilleure
GPT-6 Luna	none	6,0	18,5
Claude Haiku 5.5	low	11	29,5
GPT-6 Luna	max	38	38,1
MiniMax M3.1 Flash	default	89	42,7
GLM-5.3-Flash	max	96	41,8
Claude Haiku 5.5	max	104	43,4
Qwen3.8 Flash	default	114	39,8
Gemini 3.5 Flash-Lite	default	115	22,2
DeepSeek V4.1 Flash	max	140	45,1
Gemini 3.8 Flash	high	510	40,9

Hallucination : question de connaissances ou travail à partir de données fournies

Le degré d’hallucination d’un modèle dépend de la tâche. Deux questions sont à distinguer. Le modèle devine-t-il lorsqu’il ne sait pas quelque chose ? Et s’en tient-il aux informations qui lui sont fournies ?

Questions de connaissances sans source

Avec AA-Omniscience, Artificial Analysis mesure la fréquence à laquelle un modèle donne une mauvaise réponse à des questions spécialisées au lieu d’admettre qu’il ne connaît pas la réponse. Le taux d’hallucination est la part des réponses fausses parmi toutes les questions auxquelles le modèle n’a pas répondu correctement. Plus il est bas, mieux c’est.

Modèle	Réponses correctes en % ↑, une valeur plus élevée est meilleure	Taux d’hallucination en % ↓, une valeur plus basse est meilleure
GLM-5.3-Flash	28	28
Gemini 3.5 Flash-Lite	30	34
Claude Haiku 5.5	33 à 36	40 à 45
Qwen3.8 Flash	25	45
Gemini 3.8 Flash	55	55
Amazon Nova Micro	10	65
DeepSeek V4.1 Flash	43	67
GPT-6 Luna	32 à 44	77 à 85
Amazon Nova 2 Lite	14 à 19	86 à 91
MiniMax M3.1 Flash	56	93

Taux d’hallucination en pourcentage ↓

Part des réponses fausses parmi toutes les questions auxquelles le modèle n’a pas répondu correctement (AA-Omniscience). La partie claire d’une barre montre la fourchette selon les niveaux de raisonnement. Source : Artificial Analysis, AA-Omniscience, état au 20 octobre 2026.

GLM-5.3-Flash, Gemini 3.5 Flash-Lite et Claude Haiku 5.5 admettent relativement souvent ne pas connaître une réponse. GPT-6 Luna, Nova 2 Lite et MiniMax M3.1 Flash, en revanche, devinent le plus souvent. MiniMax répond certes correctement au plus grand nombre de questions, mais pour les autres, il se trompe presque toujours avec une réponse inventée.

Travail avec des données fournies

Pour le travail de routine, c’est généralement la seconde question qui compte, car l’e-mail, l’ordre ou le ticket est à la disposition du modèle. Ici, le tableau est différent. Dans le test d’ancrage (grounding) du classement FACTS de Google DeepMind, qui vérifie si les réponses sont étayées par un document fourni, GPT-6 Luna obtient 81 points sur 100, Gemini 3.8 Flash 73 et Gemini 3.5 Flash-Lite 71. Les autres fournisseurs sont absents de ce classement, que Google gère lui-même. Dans le test de résumé de Vectara, Amazon Nova 2 Lite et Nova Micro n’ajoutent un élément absent du texte source que dans environ 5 % des résumés, alors qu’ils devinent particulièrement souvent sur les questions de connaissances. Kimi K2.6 y atteint environ 11 %. Les autres modèles actuels du comparatif n’ont pas encore été mesurés.

Les petits modèles devraient donc travailler à partir de données fournies, et non de mémoire. S’ils reçoivent les données, s’ils sont explicitement autorisés à répondre « inconnu » ou null et s’ils sont vérifiés par rapport à un schéma fixe, le risque d’informations inventées peut être bien limité. Dans notre test pratique, aucun modèle n’a inventé une information manquante.

Tool use : des outils sur plusieurs étapes

Pour les agents, l’essentiel est qu’un modèle appelle correctement des outils sur plusieurs étapes. Les mesures indépendantes pour les petits modèles actuels restent lacunaires. Avec AutomationBench-AA, Artificial Analysis vérifie si un modèle mène à bien des processus métier réalistes à travers plusieurs applications simulées, comme l’e-mail, les tableurs, le CRM et le système de tickets, et avec Terminal-Bench 4.0, le travail en ligne de commande. Les mesures ont été effectuées principalement au niveau de raisonnement élevé ou le plus élevé. Les valeurs correspondent au pourcentage de tâches résolues.

Modèle	AutomationBench-AA en % ↑, une valeur plus élevée est meilleure	Terminal-Bench 4.0 en % ↑, une valeur plus élevée est meilleure
MiniMax M3.1 Flash	73	26
DeepSeek V4.1 Flash	67	34
GLM-5.3-Flash	60	33
Gemini 3.8 Flash	60	20
Qwen3.8 Flash	56	25
GPT-6 Luna	53	13
Claude Haiku 5.5	35	33
Gemini 3.5 Flash-Lite	25	1
Amazon Nova 2 Lite	non mesuré	non mesuré

AutomationBench-AA, tâches résolues en pourcentage ↑

Processus réalistes à travers plusieurs applications simulées, comme l’e-mail, les tableurs, le CRM et le système de tickets, mesurés principalement au niveau de raisonnement élevé ou le plus élevé. Amazon Nova 2 Lite n’a pas été mesuré. Source : Artificial Analysis, AutomationBench-AA, état au 20 octobre 2026.

Les indications des fournisseurs complètent le tableau. Anthropic indique pour Claude Haiku 5.5 environ 72 % dans le test d’utilisation de l’ordinateur OSWorld 2.1, et environ 49 % pour GPT-6 Luna. Amazon annonce 60 % pour Nova 2 Lite dans le Berkeley Function Calling Leaderboard, alors que le classement lui-même affiche 27 %, et seulement 2 % pour les appels en plusieurs étapes. Les modèles Flash chinois résolvent bien les tâches impliquant des outils, mais consomment pour cela beaucoup de tokens de raisonnement. Un détail technique pour les développeurs : avec GPT-6 Luna, les appels d’outils avec raisonnement ne fonctionnent que via la Responses API, et via Chat Completions uniquement sans raisonnement.

JSON et classification

Pour le travail de routine, un modèle devrait répondre dans un format fixe. Plusieurs fournisseurs imposent un schéma JSON dès la génération de la réponse :

• GPT-6 Luna : avec un schéma JSON strict, la réponse respecte toujours le schéma selon OpenAI, sauf en cas de refus ou de réponse tronquée.
• Claude Haiku 5.5 : les Structured Outputs imposent également le schéma, sur Amazon Bedrock via le point de terminaison bedrock-runtime.
• Gemini 3.5 Flash-Lite et 3.8 Flash : le schéma JSON est pris en charge, mais Google recommande de toujours vérifier les valeurs. Les schémas très volumineux peuvent être refusés.
• Amazon Nova 2 Lite et Nova Micro : la fonction Structured Outputs de Bedrock n’est pas disponible. Le contournement passe par un schéma d’outil comportant au plus deux niveaux.
• DeepSeek, Qwen et GLM : la sortie JSON est prise en charge selon les fournisseurs. Aucune indication n’est disponible pour MiniMax M3.1 Flash.

Un schéma valide ne garantit pas des valeurs correctes. Pour la classification, il n’existe pas de test comparatif indépendant des petits modèles actuels. La précision dépend fortement de vos propres catégories et ne peut être mesurée qu’avec vos propres exemples.

Test pratique dans Hawk IVO Force

Le 20 octobre 2026, nous avons testé quatre modèles dans Hawk IVO Force avec deux tâches de routine typiques. Chaque modèle a fonctionné dans son propre agent, sans accès aux connaissances et sans outils, avec la même instruction courte. Chaque tâche a été exécutée deux fois.

• Tri des e-mails : douze e-mails en allemand d’une entreprise de fabrication, dont une réclamation, deux e-mails de phishing, une réponse d’absence et des messages de statut automatiques. Il fallait indiquer la catégorie, la priorité, si une réponse est nécessaire et le numéro de commande, uniquement s’il figure mot pour mot. Des numéros d’article, de facture et de ticket servaient de pièges. La catégorie, le besoin de réponse et le numéro de commande ont été évalués, soit 72 valeurs au total.
• Ordres de fabrication : quatre ordres issus d’un export ERP et une note du bureau des méthodes. Il fallait fournir des champs, un risque et une justification au format JSON. Quatre informations manquaient délibérément, dont une date de livraison, une machine et une capacité en heures. Un ordre ne pouvait pas être terminé à temps, car le matériel n’arrive qu’après la date de livraison.

Modèle	Tri des e-mails	Ordres de fabrication	Tokens de sortie par exécution ↓
GPT-6 Luna	sans erreur	sans erreur	760 à 1 330
Gemini 3.7 Flash	sans erreur	sans erreur, a écrit une fois « Gehaeuse » au lieu de « Gehäuse », sans le tréma	360 à 580
Kimi K2.6	sans erreur	schéma non respecté une fois, risque non évalué	3 100 à 7 300
GPT-4.1 mini, génération précédente	7 valeurs fausses sur 72	sans erreur	300 à 480

GPT-4.1 mini aurait répondu aux deux e-mails de phishing et repris des numéros de facture et de ticket comme numéro de commande. La génération actuelle ne commet plus ces erreurs. Dans une exécution, Kimi K2.6 a aussi appliqué à l’évaluation du risque la consigne de mettre à null les informations manquantes. Par e-mail, Gemini Flash a coûté dans le test, aux prix catalogue, environ cinq fois plus que GPT-6 Luna, et Kimi K2.6 environ trente fois plus en raison de ses nombreux tokens de raisonnement.

Le test est un échantillon de deux exécutions, pas un benchmark. Claude Haiku 5.5 et Amazon Nova n’étaient pas disponibles dans notre environnement de test. Gemini 3.7 Flash a depuis été abandonné. Google redirige les requêtes vers Gemini 3.8 Flash.

Ce que coûte le travail de routine par mois

Quatre cas d’usage typiques avec les hypothèses suivantes :

• Bureau : 80 e-mails par jour ouvré sur 22 jours ouvrés, dont des messages de statut. Par e-mail, 3 000 tokens d’entrée pour les instructions, les catégories, les exemples et l’e-mail avec son historique, ainsi que 500 tokens de sortie pour la classification et un bref projet de réponse.
• Production : 500 ordres de fabrication ouverts, réévalués à chacun des trois postes, sur 30 jours. Par évaluation, 4 000 tokens d’entrée pour l’ordre, la gamme de fabrication, le matériel et la capacité, ainsi que 600 tokens de sortie pour le risque, le goulot d’étranglement et la recommandation.
• Site web : 1 500 visites par jour avec un agent qui observe les actions, les classe et donne une recommandation. Par visite, six classifications et une recommandation, soit 16 000 tokens d’entrée et 1 000 tokens de sortie au total.
• Tâche permanente : un agent vérifie un statut toutes les cinq minutes, 24 heures sur 24, par exemple les tickets entrants, les messages machine ou l’état des livraisons. Par vérification, 5 000 tokens d’entrée et 300 tokens de sortie.

Le volume de coûts indique les coûts de modèle qu’un cas d’usage génère par mois par rapport au cas Bureau, mesurés à la médiane des petits modèles :

Cas d’usage	Opérations par mois	Tokens par opération, entrée / sortie	Volume de coûts, Bureau = 1 ↓, une valeur plus basse est meilleure
Bureau	1 760	3 000 / 500	×1
Production	45 000	4 000 / 600	×33
Site web	45 000	16 000 / 1 000	×104
Tâche permanente	8 640	5 000 / 300	×6

Avec 80 e-mails par jour, les coûts du modèle ne jouent pratiquement aucun rôle, même avec un grand modèle comme Claude Opus 5.5. Ce qui coûte cher ici, c’est une erreur, par exemple une réclamation qui passe inaperçue ou un e-mail de phishing auquel on répond. La fiabilité compte donc davantage que le prix. En production, sur le site web et pour les tâches permanentes, en revanche, les volumes augmentent rapidement. L’écart entre un petit et un grand modèle atteint alors un facteur de 20 à 40, et entre GPT-6 Luna et Gemini 3.8 Flash un facteur d’environ 7. Davantage de tokens de raisonnement augmentent les coûts de sortie. La mise en cache réduit les coûts d’entrée, surtout sur le site web, où le contexte de la page reste le même à chaque requête.

Un seul prompt contenant l’ensemble des ordres en cours est la variante la plus coûteuse. Avec Claude Haiku 5.5, une requête de 300 000 tokens coûte cinq fois plus que le même volume réparti en sections sous le seuil. En même temps, le taux de réussite baisse avec les contextes très longs : selon Google, Gemini 3.5 Flash-Lite atteint 72 % à 128 000 tokens dans le test de contexte long MRCR, et 21 % à un million de tokens. Mieux vaut une évaluation par ordre ou par groupe.

Les petits modèles comme sous-agents

Les petits modèles conviennent particulièrement bien comme sous-agents. Un modèle plus grand planifie la tâche, la décompose et confie des sous-tâches clairement délimitées à de petits modèles, par exemple lire des documents, extraire des données, classer des entrées ou résumer des résultats de recherche. Chaque sous-agent travaille avec un contexte réduit et vierge et renvoie un résultat concis, que le modèle plus grand vérifie et consolide. Anthropic positionne explicitement Claude Haiku 5.5 pour ce rôle.

Cela présente plusieurs avantages :

• Coûts : avec Claude Haiku 5.5, un token d’entrée coûte un quarantième de ce que demande Claude Opus 5.5. La lecture, qui consomme le plus de tokens, devient ainsi peu coûteuse.
• Vitesse : de nombreux sous-agents travaillent en parallèle.
• Vue d’ensemble : le modèle planificateur ne voit que des résultats condensés au lieu de milliers de pages de matière brute.
• Seuils de prix : les petites sous-tâches restent sous le seuil de 100 000 tokens de Claude Haiku 5.5.

Pour que cela fonctionne, chaque sous-tâche a besoin d’un format de sortie fixe, idéalement un schéma JSON. Le sous-agent ne reçoit que les données et les outils nécessaires à sa sous-tâche. Un niveau de raisonnement moyen convient au travail avec des outils en plusieurs étapes, le niveau le plus bas à la simple classification. Avant toute modification dans les systèmes connectés, le modèle planificateur ou un humain vérifie le résultat, comme décrit dans Introduire des agents avec des validations.

Dans Hawk IVO Force, le modèle est un paramètre de chaque agent. Un agent chargé de la planification et de la coordination peut ainsi travailler avec un grand modèle, tandis que des agents de tri, d’extraction ou de surveillance en utilisent un petit.

Modèles chinois : peu coûteux, ouverts, avec des questions de protection des données

Les modèles Flash chinois sont peu coûteux et résolvent bien les tâches impliquant des outils. GLM-5.3-Flash est celui qui devine le moins souvent parmi tous les modèles comparés. DeepSeek V4.1 Flash et GLM-5.3-Flash sont disponibles sous forme de poids ouverts sous licence MIT, Qwen3.8 en plusieurs variantes ouvertes. Pour les entreprises en Allemagne, la question essentielle est de savoir où les données sont traitées :

• Selon sa politique de confidentialité, DeepSeek traite et stocke en Chine les données de sa propre API. DeepSeek V4.1 Flash est aussi disponible dans la zone de données UE de Microsoft Azure, avec une majoration d’environ 20 % par rapport au prix global.
• Alibaba propose deux périmètres à Francfort. Seul le périmètre UE maintient le traitement dans la région. À Francfort, Qwen3.8 Flash n’est actuellement répertorié que dans le périmètre global.
• Selon ses propres indications, Z.ai traite les données en règle générale à Singapour. MiniMax stocke les données aux États-Unis.
• Les poids ouverts peuvent être exploités en interne. Avec plusieurs centaines de milliards de paramètres, c’est lourd pour DeepSeek et GLM. Le plus petit Qwen3.8-27B sous licence Apache 2.0 est plus réaliste.

L’institut américain NIST a examiné d’anciennes versions de DeepSeek et de Kimi et a constaté une proximité avec les positions du Parti communiste chinois ainsi qu’une plus grande vulnérabilité aux manipulations. Ces caractéristiques sont inhérentes au modèle et subsistent lorsqu’on l’exploite soi-même. Aucun examen de ce type n’existe pour les versions actuelles. Pour le classement dans des catégories fixes, cela devrait peser moins lourd que pour des textes rédigés librement. La fiche du modèle GLM-5.3-Flash ne mentionne pas l’allemand. Les tests avec des textes en allemand sont donc particulièrement importants.

Quel modèle pour quelle tâche

Les prix, les mesures et le test pratique conduisent à cette évaluation :

• Tri des e-mails et classification avec des catégories fixes : GPT-6 Luna ou Claude Haiku 5.5 avec un niveau de raisonnement bas. Les deux coûtent aussi peu l’un que l’autre. GPT-6 Luna s’en est tenu étroitement aux données fournies dans le test pratique et dans le test d’ancrage, tandis que Claude Haiku 5.5 devine moins souvent en cas de lacunes de connaissances.
• Vérification des ordres de fabrication et extraction à partir de documents : les mêmes modèles, avec une évaluation par ordre ou par groupe au lieu d’un prompt très long, avec un schéma JSON et null autorisé.
• Agent de site web réagissant en temps réel : un modèle sans raisonnement ou avec un raisonnement minimal, par exemple GPT-6 Luna avec le premier token après environ 0,8 seconde ou Nova 2 Lite sans raisonnement après environ 1,1 seconde. Chez Artificial Analysis, Gemini 3.5 Flash-Lite a eu besoin d’environ 8 secondes jusqu’au premier token.
• Tâches permanentes et sous-agents avec outils : Gemini 3.8 Flash, GLM-5.3-Flash ou DeepSeek V4.1 Flash pour les processus métier en plusieurs étapes, Claude Haiku 5.5 pour la ligne de commande et l’utilisation de l’ordinateur, chacun avec un niveau de raisonnement moyen.
• Très grands volumes de textes très simples : avec un indice de coût de 24, Amazon Nova Micro est le modèle le moins cher du comparatif, mais il sait peu de choses et traite au maximum 128 000 tokens. Il ne convient qu’avec un schéma fixe et après votre propre test.
• Données personnelles : choisissez un traitement dans l’UE, par exemple la zone de données UE d’Azure, la multirégion UE de Google Cloud ou une route UE dans Amazon Bedrock, et prévoyez une majoration de 10 à environ 40 %.

Tester avec vos propres données avant de décider

Sur ce marché, les versions de modèles et les prix changent à quelques semaines d’intervalle. Avant de décider, un court test avec 50 à 100 de vos propres exemples vaut la peine. Il montre la précision, le respect du format et la consommation réelle de tokens par opération. Nous vous aidons à délimiter une tâche adaptée, à comparer des modèles avec vos données et à configurer des agents dans Hawk IVO Force. Contactez-nous si vous avez une telle tâche en vue.

Prix catalogue et calcul

Prix catalogue et calcul (état au 20 octobre 2026)

Prix catalogue publics des fournisseurs au tarif standard avec traitement global, en dollars US par million de tokens. Ce ne sont pas des prix de Hawk IVO Force. Les prix changent souvent, et seules les pages tarifaires des fournisseurs en lien font foi.

Prix catalogue en dollars US par million de tokens

Modèle	Entrée	Sortie	Majoration pour les longs prompts
GPT-6 Luna	0,10	0,50	au-delà de 272 000 tokens : entrée ×2, sortie ×1,5
Claude Haiku 5.5	0,10	0,50	au-delà de 100 000 tokens : entrée ×5, sortie ×5
Gemini 3.5 Flash-Lite	0,30	2,50	aucune
Gemini 3.8 Flash	0,75	3,75	aucune, prix de base doublé à partir du 1er janvier 2027
Amazon Nova 2 Lite	0,30	2,50	aucune connue
Amazon Nova Micro	0,035	0,14	aucune connue
DeepSeek V4.1 Flash	0,30	1,20	aucune
Qwen3.8 Flash	0,15	0,47	aucune connue
GLM-5.3-Flash	0,15	0,50	aucune connue
MiniMax M3.1 Flash	0,15	0,60	aucune connue
Claude Sonnet 5.5 (pour comparaison)	2,00	10,00	aucune
Claude Opus 5.5 (pour comparaison)	4,00	20,00	aucune

En traitement global, les modèles coûtent en général le même prix sur Microsoft Azure, Amazon Bedrock et Google Cloud qu’en direct chez le fournisseur. Le traitement régional, par exemple dans l’UE, coûte 10 à environ 40 % de plus.

Coûts du modèle en dollars US par mois pour les cas d’usage de l’article, arrondis, sans mise en cache, batch ni résidence des données

Modèle	Bureau	Production	Site web	Tâche permanente
GPT-6 Luna	0,97	32	95	6
Claude Haiku 5.5	0,97	32	95	6
Gemini 3.5 Flash-Lite	4	120	330	19
Gemini 3.8 Flash	7	240	710	42
Amazon Nova 2 Lite	4	120	330	19
Amazon Nova Micro	0,31	10	32	2
DeepSeek V4.1 Flash	3	86	270	16
Qwen3.8 Flash	1	40	130	8
GLM-5.3-Flash	1	41	130	8
MiniMax M3.1 Flash	1	43	140	8
Claude Sonnet 5.5 (pour comparaison)	19	630	1 890	110
Claude Opus 5.5 (pour comparaison)	39	1 260	3 780	220

Pages tarifaires des fournisseurs

• developers.openai.com (s’ouvre dans un nouvel onglet) (openai)
• platform.claude.com (s’ouvre dans un nouvel onglet) (anthropic)
• ai.google.dev (s’ouvre dans un nouvel onglet) (google)
• aws.amazon.com (s’ouvre dans un nouvel onglet) (aws)
• api-docs.deepseek.com (s’ouvre dans un nouvel onglet) (deepseek)
• www.alibabacloud.com (s’ouvre dans un nouvel onglet) (alibaba)
• docs.z.ai (s’ouvre dans un nouvel onglet) (zai)
• platform.minimax.io (s’ouvre dans un nouvel onglet) (minimax)