Coûts, facturation et exploitation12 octobre 2026Flatkey Team

API LLM gratuite (2026) : 10 options comparées selon les vraies limites, les modèles et les pièges

Dix API LLM gratuites vérifiées dans la documentation officielle en octobre 2026 : ce qui est gratuit, les limites exactes, les pièges cachés et du code pour basculer de l'une à l'autre.

API LLM gratuite (2026) : 10 options comparées selon les vraies limites, les modèles et les pièges

Oui, vous pouvez appeler gratuitement une API LLM performante en octobre 2026 : l'offre gratuite de l'API Google Gemini, le plan Free de Groq, les modèles gratuits d'OpenRouter, Cloudflare Workers AI et les endpoints NIM hébergés par NVIDIA servent tous de vrais modèles sans frais, dans la limite de quotas quotidiens. Aucune n'est illimitée. Les chiffres les plus serrés sont publics : Groq autorise 1 000 requêtes par jour sur openai/gpt-oss-120b, OpenRouter plafonne les modèles gratuits à 50 requêtes par jour (1 000 après un achat de 10 $ de crédits) et Cloudflare offre 10 000 Neurons par jour. Toutes les limites ci-dessous ont été vérifiées dans la documentation officielle de chaque fournisseur le 21 octobre 2026.

Ce guide s'adresse aux indie hackers et aux petites équipes qui veulent prototyper sans facture : quelle offre gratuite convient à quel usage, ce que chacune coûte en coulisses (usage des données, limites, choix de modèles) et vers quoi passer quand on la dépasse. Il signale aussi une option que beaucoup d'anciennes listes recommandent encore : GitHub Models a été entièrement retiré le 30 juillet 2026.

Les API LLM gratuites comparées (octobre 2026)

Fournisseur	Ce qui est gratuit	Limites publiées	Principal piège	Source
API Google Gemini	Tokens d'entrée/sortie gratuits sur Gemini 3.8 Flash, 3.6 Flash, 3.5 Flash-Lite, 3.1 Flash-Lite, 2.5 Pro/Flash/Flash-Lite	Limites par modèle dans AI Studio	Le contenu de l'offre gratuite sert à améliorer les produits Google	Tarifs Gemini
Plan Free de Groq	Modèles ouverts hébergés, dont `openai/gpt-oss-120b`, `qwen/qwen3.8-27b`, Whisper	30 RPM, 1K RPD, 8K TPM, 200K TPD (gpt-oss-120b)	Peu de tokens par minute	Limites Groq
Modèles gratuits OpenRouter	Plus de 25 modèles dont l'ID se termine par `:free`	20 RPM ; 50 requêtes/jour, 1 000/jour après 10 $ de crédits	Les tentatives échouées comptent dans le quota	Tarifs OpenRouter
Cloudflare Workers AI	10 000 Neurons par jour avec Workers Free	Réinitialisation à 00:00 UTC	Certains modèles de pointe exigent une offre payante	Tarifs Workers AI
NVIDIA NIM (build.nvidia.com)	« Free inference with leading models », comme Nemotron et DeepSeek V4.1 Flash	Non indiquées sur la page d'accueil	Pensé pour l'évaluation ; limites susceptibles de changer	build.nvidia.com
Vercel AI Gateway	5 $ de crédit par mois dans l'offre gratuite	Limites par modèle, plus basses qu'en payant	Uniquement les modèles éligibles	Tarifs Vercel AI Gateway
Essai gratuit Cerebras	5 $ de crédits après ajout d'un moyen de paiement vérifié	Crédits valables 30 jours	Essai, pas une offre permanente	Limites Cerebras
Clés d'essai Cohere	Clés d'API d'évaluation	1 000 appels API par mois	Pas pour la production	Limites Cohere
Ollama (local)	Runtime gratuit et open source sur votre machine	Votre matériel	C'est vous qui fournissez le GPU ou le CPU	Ollama
Hugging Face Inference Providers	Aucun crédit mensuel pour les comptes gratuits ; PRO reçoit 2 $/mois	Paiement à l'usage après les crédits	Pas vraiment gratuit pour les comptes gratuits	Tarifs HF

Toutes les limites telles que publiées le 21 octobre 2026. RPM = requêtes par minute, RPD = requêtes par jour, TPM = tokens par minute, TPD = tokens par jour.

N'existe plus : GitHub Models est entièrement retiré depuis le 30 juillet 2026 ; son playground, son catalogue, son API d'inférence et le BYOK ont disparu. Si un tutoriel vous conseille d'utiliser un token GitHub comme clé LLM gratuite, il est obsolète.

Choix rapides selon l'usage

Meilleure offre gratuite pour développer une application : l'API Gemini. C'est la seule option de cette liste qui donne un accès gratuit à une famille de modèles actuelle d'un grand laboratoire, avec un contexte de 1M de tokens sur la gamme Flash.
Inférence gratuite la plus rapide sur des modèles ouverts : le plan Free de Groq, si vos prompts sont courts (8K tokens par minute sur gpt-oss-120b).
Le plus grand choix de modèles pour tester : les modèles gratuits d'OpenRouter, une fois 10 $ de crédits achetés pour porter le quota à 1 000 requêtes par jour.
Offre gratuite au sein d'une stack edge ou serverless : Cloudflare Workers AI.
Aucune limite de débit : faites tourner un modèle en local avec Ollama. Vous échangez les limites d'API contre celles de votre matériel.

Les 10 options en détail

1. Offre gratuite de l'API Google Gemini

La page de tarifs de Google indique une entrée et une sortie « Free of charge » pour Gemini 3.8 Flash, 3.6 Flash, 3.5 Flash-Lite, 3.1 Flash-Lite, 2.5 Pro, 2.5 Flash et 2.5 Flash-Lite. Gemini 4 Argon et 3.1 Pro Preview sont uniquement payants. Les limites exactes se trouvent dans AI Studio, pas dans la documentation, et Google précise que les modèles preview ont des limites plus strictes (page des limites). Le piège concerne les données : dans l'offre gratuite, « Used to improve our products » est marqué Yes. N'utilisez pas de clé gratuite pour des données clients. Tous les détails dans notre guide des tarifs et de l'offre gratuite de l'API Gemini.

2. Plan Free de Groq

Groq publie les limites de son plan Free par modèle (limites). Au 21 octobre 2026 :

Modèle	RPM	RPD	TPM	TPD
`openai/gpt-oss-120b`	30	1 000	8 000	200 000
`openai/gpt-oss-20b`	30	1 000	8 000	200 000
`qwen/qwen3.8-27b`	30	1 000	8 000	200 000
`whisper-large-v3`	20	2 000	audio : 7 200 s/heure, 28 800 s/jour

Groq précise que les tokens en cache ne comptent pas dans les limites et que celles-ci s'appliquent par organisation. L'endpoint est compatible OpenAI à https://api.groq.com/openai/v1 (compatibilité OpenAI). 200K tokens par jour représentent environ 100 requêtes de 2 000 tokens : c'est adapté aux démos et aux agents à contexte court.

3. Modèles gratuits d'OpenRouter

La page de tarifs d'OpenRouter recense plus de 25 modèles gratuits issus de 4 fournisseurs gratuits dans son offre Free, sans frais de plateforme. Les variantes gratuites (ID se terminant par :free) sont limitées à 20 requêtes par minute et 50 par jour, puis 1 000 par jour une fois que le compte a acheté au moins 10 $ de crédits. Sa documentation sur les limites ajoute deux précisions : les tentatives échouées comptent dans le quota quotidien, et un solde négatif bloque les modèles gratuits jusqu'à la prochaine recharge. Parcourez les modèles gratuits actuels avec le filtre prix gratuit. Si vous comparez OpenRouter à d'autres routeurs, consultez notre guide des alternatives à OpenRouter.

4. Cloudflare Workers AI

Workers AI est inclus dans l'offre Workers Free avec 10 000 Neurons par jour gratuits ; au-delà, l'usage coûte 0,011 $ pour 1 000 Neurons, et toutes les limites sont réinitialisées à 00:00 UTC (tarifs). La correspondance entre Neurons et tokens varie selon le modèle, et Cloudflare liste des modèles qui exigent un moyen de paiement, dont Kimi K2.6, GLM 5.x et les versions récentes de DeepSeek V4 Flash. Workers AI propose un endpoint compatible OpenAI à https://api.cloudflare.com/client/v4/accounts/{account_id}/ai/v1.

5. NVIDIA NIM sur build.nvidia.com

Le catalogue de NVIDIA annonce « Free inference with leading models » et met en avant les modèles Nemotron et DeepSeek V4.1 Flash sur sa page d'accueil (build.nvidia.com). Les endpoints suivent le format OpenAI à https://integrate.api.nvidia.com/v1 (référence de l'API). NVIDIA ne publie pas de quota gratuit fixe sur cette page : considérez-le comme un moyen d'évaluation, pas comme une dépendance de production.

6. Offre gratuite de Vercel AI Gateway

Chaque équipe Vercel reçoit 5 $ de crédit AI Gateway par mois dans l'offre gratuite, limités aux modèles éligibles et avec des limites par modèle plus basses ; au-delà, l'API renvoie une erreur 429 (tarifs). Acheter des crédits vous fait passer à l'offre payante, qui selon Vercel n'applique aucune marge sur les tokens.

7. Essai gratuit Cerebras

Les nouveaux comptes Cerebras reçoivent 5 $ de crédits gratuits après l'ajout d'un moyen de paiement vérifié ; ils expirent 30 jours après leur attribution et fonctionnent sur tous les modèles publics (limites). C'est un essai, pas une offre permanente, mais il est utile pour tester une inférence à très haut débit.

8. Clés d'essai Cohere

Cohere propose des clés d'évaluation gratuites limitées à 1 000 appels API par mois, et des clés de production pour un usage payant (docs). Pratique pour tester les modèles d'embeddings et de rerank de Cohere dans un prototype RAG.

9. Ollama (en local, sans limites d'API)

Ollama fait tourner des modèles à poids ouverts sur votre machine et expose une API compatible OpenAI à http://localhost:11434/v1. Aucune limite de débit et aucune donnée ne quitte votre machine, mais la taille du modèle est bornée par votre RAM ou VRAM. Pour l'exécuter plutôt sur un GPU loué, consultez notre guide Ollama sur un serveur GPU cloud.

10. Hugging Face Inference Providers (pas gratuit pour les comptes gratuits)

Beaucoup de listes présentent encore l'inférence hébergée de Hugging Face comme gratuite. Sa documentation tarifaire indique désormais que les utilisateurs gratuits ne reçoivent aucun crédit mensuel et doivent en acheter, tandis que les utilisateurs PRO et les sièges Team ou Enterprise reçoivent 2,00 $ par mois. Excellent pour la variété des modèles, mais à budgéter comme un service payant.

Les coûts cachés des API LLM gratuites

Coût caché	Où il apparaît	Que faire
Vos données entraînent ou améliorent le modèle	Offre gratuite Gemini (« Used to improve our products: Yes »)	Réservez les données clients aux clés payantes
Quotas quotidiens incluant les échecs	Modèles gratuits OpenRouter	Réessayez avec backoff, pas en boucle serrée
Très peu de tokens par minute	Groq Free (8K TPM sur gpt-oss-120b)	Prompts courts ; pas de traitement par lots
Disponibilité des modèles changeante	NVIDIA NIM, liste gratuite OpenRouter	Fixez un modèle de secours
Arrêt du service	GitHub Models, retiré le 30 juillet 2026	Ne codez jamais en dur un seul fournisseur gratuit
Crédits d'essai qui expirent	Cerebras (5 $, 30 jours)	Utilisez-les pour des benchmarks, pas pour le lancement

Démarrage rapide : un client, plusieurs fournisseurs gratuits, bascule automatique

La plupart des options gratuites ci-dessus parlent le format de l'API OpenAI : un seul client peut donc les essayer dans l'ordre et passer à la suivante en cas d'erreur 429. Ne renseignez que les clés dont vous disposez.

# pip install openai
import os
from openai import OpenAI, RateLimitError, APIStatusError

PROVIDERS = [  # (base_url, env var with key, model)
    ("https://generativelanguage.googleapis.com/v1beta/openai/", "GEMINI_API_KEY", "gemini-3.8-flash"),
    ("https://api.groq.com/openai/v1", "GROQ_API_KEY", "openai/gpt-oss-120b"),
    ("https://openrouter.ai/api/v1", "OPENROUTER_API_KEY", os.getenv("OPENROUTER_FREE_MODEL", "")),
    ("http://localhost:11434/v1", None, "llama3.2"),  # local Ollama, any model you have pulled
]

def ask(prompt: str) -> str:
    for base_url, key_env, model in PROVIDERS:
        key = os.getenv(key_env) if key_env else "ollama"
        if not key or not model:
            continue
        try:
            client = OpenAI(api_key=key, base_url=base_url, timeout=30)
            r = client.chat.completions.create(model=model, messages=[{"role": "user", "content": prompt}], max_tokens=300)
            return f"[{model}] {r.choices[0].message.content}"
        except (RateLimitError, APIStatusError) as e:
            print(f"{model} failed ({getattr(e, 'status_code', '?')}), trying next")
    raise RuntimeError("all free providers exhausted")

print(ask("Give me three names for a habit-tracking app."))

Tester un seul fournisseur depuis le terminal :

curl https://api.groq.com/openai/v1/chat/completions \
  -H "Authorization: Bearer $GROQ_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"openai/gpt-oss-120b","messages":[{"role":"user","content":"Hello from the free tier"}]}'

La même logique de bascule en Node.js :

import OpenAI from "openai";

const providers = [
  { baseURL: "https://generativelanguage.googleapis.com/v1beta/openai/", key: process.env.GEMINI_API_KEY, model: "gemini-3.5-flash-lite" },
  { baseURL: "https://api.groq.com/openai/v1", key: process.env.GROQ_API_KEY, model: "qwen/qwen3.8-27b" },
];

for (const p of providers.filter((p) => p.key)) {
  try {
    const client = new OpenAI({ apiKey: p.key, baseURL: p.baseURL });
    const r = await client.chat.completions.create({ model: p.model, messages: [{ role: "user", content: "One-line product tagline?" }] });
    console.log(p.model, r.choices[0].message.content);
    break;
  } catch (e) {
    console.warn(p.model, e.status ?? e.message);
  }
}

Pour les agents de code comme Cline ou Continue, notre guide API LLM gratuite pour agents de code couvre la configuration propre à chaque outil.

Quand le gratuit ne suffit plus : les modèles payants les moins chers

Les offres gratuites servent à construire et tester. Au lancement, les prix catalogue officiels les plus bas pour le texte au 21 octobre 2026 étaient :

Modèle	Entrée / sortie par 1M tokens	Source
Gemini 2.5 Flash-Lite	$0.10 / $0.40	Google
`gpt-6-luna`	$0.10 / $0.50	OpenAI
Claude Haiku 5.5 (prompts jusqu'à 100K)	$0.10 / $0.50	Anthropic
`deepseek-flash`, heures creuses	$0.15 / $0.60	DeepSeek

À ces tarifs, 10M de tokens d'entrée et 2M de tokens de sortie par mois coûtent environ 1,80 $ à 2,70 $. Flatkey n'a pas d'offre gratuite, mais permet d'accéder à ces modèles avec une seule clé compatible OpenAI et un seul solde ; sa FAQ mentionne un crédit bonus sur les recharges (par exemple +3 $ pour une recharge de 10 $) au 21 octobre 2026, et son répertoire de modèles affichait gpt-6-luna à 0,06 $ / 0,30 $. Pour une comparaison plus large des offres d'entrée, voir le comparatif des offres gratuites des principaux fournisseurs et le comparatif des tarifs des API d'IA.

FAQ

Existe-t-il une API LLM totalement gratuite et sans limites ?

Aucune API hébergée n'est gratuite sans limites. Tous les fournisseurs ci-dessus plafonnent les requêtes, les tokens, les crédits ou les Neurons par jour ou par mois. La seule option sans limites d'API consiste à faire tourner un modèle ouvert en local, par exemple avec Ollama, où la limite est votre matériel.

Peut-on utiliser un LLM gratuitement ?

Oui. Le plus simple est d'obtenir une clé API Gemini dans Google AI Studio et d'utiliser un modèle de l'offre gratuite comme gemini-3.8-flash, ou une clé du plan Free de Groq pour openai/gpt-oss-120b. Les deux fonctionnent avec le SDK OpenAI en changeant la base URL.

Quelle est l'API LLM la moins chère après l'offre gratuite ?

D'après les prix officiels au 21 octobre 2026, Gemini 2.5 Flash-Lite (0,10 $ en entrée / 0,40 $ en sortie par million de tokens), gpt-6-luna et Claude Haiku 5.5 (0,10 $ / 0,50 $) ainsi que DeepSeek Flash en heures creuses (0,15 $ / 0,60 $) sont les modèles texte grand public les moins chers.

Quelle est la meilleure API LLM gratuite ?

Pour la plupart des prototypes d'application, l'offre gratuite de l'API Gemini, grâce à ses modèles Flash actuels, son long contexte et un passage simple au payant. Groq est le meilleur choix si la vitesse sur des prompts courts compte, et OpenRouter si vous voulez comparer de nombreux modèles ouverts.

Les API LLM gratuites conviennent-elles à la production ?

Pas comme unique solution. Les offres gratuites changent leurs limites sans préavis, certaines utilisent vos données pour améliorer les modèles et des services peuvent disparaître, comme GitHub Models le 30 juillet 2026. Utilisez-les pour le développement et gardez une solution payante de secours pour le lancement.

GitHub Models est-il toujours gratuit ?

Non. La documentation de GitHub indique que GitHub Models est entièrement retiré depuis le 30 juillet 2026, y compris le playground, le catalogue, l'API d'inférence et le BYOK.