Architecture des passerelles IA5 septembre 2026Flatkey Team

Guide des API LLM (2026) : définition, fonctionnement, prix et meilleurs fournisseurs

Un guide pratique des API LLM pour 2026 : définition, déroulement d’une requête, code exécutable, tarifs officiels des principaux fournisseurs, options les moins chères et gratuites, et cas où une API unifiée est préférable à des comptes séparés.

Guide des API LLM (2026) : définition, fonctionnement, prix et meilleurs fournisseurs

Une API LLM est un point d’accès web qui permet à votre code d’envoyer un prompt à un grand modèle de langage et de recevoir du texte généré, du JSON ou des appels d’outils, avec une facturation par token. Vous l’appelez au moyen d’une requête HTTP contenant une clé API, un nom de modèle et vos messages. Vous accédez ainsi à des modèles comme GPT, Claude, Gemini, DeepSeek ou Qwen sans exploiter de GPU. En octobre 2026, les prix vont de $0.10 par million de tokens d’entrée pour les petits modèles à $10 pour les plus grands.

Ce guide s’adresse aux développeurs et aux créateurs indépendants qui choisissent leur première API LLM, ou la suivante. Il présente le fonctionnement d’une requête, du code exécutable en curl, Python et Node.js, les tarifs officiels actuels des principaux fournisseurs, les options gratuites, les critères de choix d’un fournisseur et les cas où une API unifiée est plus pertinente que des comptes séparés.

Qu’est-ce qu’une API pour un LLM ?

Une API (interface de programmation d’applications) est le contrat qui permet à votre programme de communiquer avec un autre service. Pour un grand modèle de langage, l’API définit :

Point d’accès : l’URL à laquelle vous envoyez les requêtes, par exemple /v1/chat/completions ou /v1/messages.
Authentification : une clé API dans un en-tête, rattachée à votre compte et à votre facturation.
Format de requête : l’identifiant du modèle, une liste de messages (system, user, assistant) et des options comme max_tokens, temperature, les outils et le format de réponse.
Format de réponse : du texte généré ou une sortie structurée, ainsi que la consommation de tokens pour la facturation.
Limites : nombre de requêtes et de tokens par minute, fenêtre de contexte et longueur maximale de sortie.

Le modèle lui-même s’exécute sur les GPU du fournisseur. Vous ne téléchargez jamais ses poids : vous louez de la capacité d’inférence, requête par requête. C’est la principale différence avec l’auto-hébergement d’un modèle ouvert à l’aide d’outils comme vLLM ou Ollama.

Comment fonctionne une API LLM, étape par étape

Votre application construit une requête avec le nom du modèle et la conversation jusqu’à cet instant.
Le fournisseur découpe le texte en tokens (un token correspond à environ 3 à 4 caractères en anglais).
Le modèle génère les tokens de sortie un par un et peut les renvoyer progressivement sous forme d’événements envoyés par le serveur (SSE).
La réponse contient le texte et un objet usage indiquant le nombre de tokens d’entrée et de sortie.
La facturation est calculée ainsi : tokens d’entrée x prix d’entrée + tokens de sortie x prix de sortie.

L’API ne conservant aucun état, vous renvoyez l’historique pertinent de la conversation à chaque appel. C’est pourquoi les longues conversations coûtent plus cher et les remises liées à la mise en cache des prompts sont importantes.

Exemple d’API LLM : votre première requête

La plupart des fournisseurs acceptent désormais le format de conversation d’OpenAI, qui est ainsi devenu la norme de fait. Cet exemple fonctionne directement avec OpenAI :

curl https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "messages": [
      {"role": "system", "content": "You are a concise assistant."},
      {"role": "user", "content": "Explain what an LLM API is in one sentence."}
    ],
    "max_tokens": 100
  }'

Voici la même requête en Python avec le package officiel openai. Il suffit de modifier base_url et la clé pour utiliser n’importe quel fournisseur compatible avec OpenAI, y compris un routeur comme Flatkey (guide de démarrage rapide) :

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_KEY",
    base_url="https://router.flatkey.ai/v1",  # or https://api.openai.com/v1
)

resp = client.chat.completions.create(
    model="claude-sonnet-5-5",  # any model ID from the provider's catalog
    messages=[{"role": "user", "content": "Give me 3 names for a todo app."}],
    max_tokens=200,
)
print(resp.choices[0].message.content)
print(resp.usage)  # prompt_tokens, completion_tokens -> what you pay for

Et en Node.js 18+, avec un simple appel à fetch et une réponse en streaming :

const res = await fetch("https://router.flatkey.ai/v1/chat/completions", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.FLATKEY_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "gemini-4-argon",
    stream: true,
    messages: [{ role: "user", content: "Write a haiku about APIs." }],
  }),
});
const decoder = new TextDecoder();
for await (const chunk of res.body) process.stdout.write(decoder.decode(chunk));

Anthropic et Google proposent aussi des formats natifs (l’API Messages et l’API Gemini) avec des fonctionnalités propres à chaque fournisseur, mais les deux sont également accessibles via des couches compatibles avec OpenAI.

Les meilleurs fournisseurs d’API LLM en 2026 (avec les tarifs officiels)

Les prix ci-dessous sont indiqués par million de tokens (entrée / sortie) et proviennent des pages de tarification officielles de chaque fournisseur, consultées le 23 octobre 2026.

Fournisseur	Modèle haut de gamme	Modèle équilibré	Modèle économique	Remarques
OpenAI	gpt-6-astra $10 / $50	gpt-6.1-sol $2 / $10	gpt-6-luna $0.10 / $0.50	Les offres Batch et Flex réduisent les prix de 50%
Anthropic Claude	Opus 5.5 $4 / $20	Sonnet 5.5 $2 / $10	Haiku 5.5 $0.10 / $0.50 (prompts jusqu’à 100K)	Contexte de 1M au tarif standard sur les modèles 4.6+, sauf Haiku 5.5
Google Gemini	Gemini 4 Argon $2 / $10 jusqu’au 30 novembre 2026 ($4 / $20 à partir du 1 décembre)	Gemini 3.8 Flash $0.75 en entrée jusqu’au 31 décembre 2026	Modèles Flash-Lite	Offre gratuite sur les modèles Flash ; Argon exclu de l’offre gratuite
DeepSeek	deepseek-v4-pro $1.32 / $3.96 en heures pleines, $0.66 / $1.98 en heures creuses	n/a	deepseek-flash $0.30 / $1.20 en heures pleines, $0.15 / $0.60 en heures creuses	Tokens trouvés en cache à partir de $0.003
OpenRouter	Tarifs catalogue des fournisseurs			Frais de 5.5% sur les achats de crédits (offre Standard)
Flatkey	p. ex. Kimi K3 $1.80 / $9 (tarif catalogue $3 / $15)	p. ex. Claude Sonnet 5.5 $1.60 / $8	p. ex. gpt-6-luna $0.06 / $0.30	Une clé pour 80+ modèles ; prix issus des pages des modèles

Les prix de Flatkey proviennent de ses pages de modèles, consultées le 23 octobre 2026, qui affichent à la fois le tarif de Flatkey et le tarif catalogue du fournisseur. Pour une analyse plus détaillée par modèle, incluant les remises sur le cache et le traitement par lots, consultez notre comparatif des prix des API d’IA.

Quelle API LLM est la moins chère ?

Pour les petits modèles rapides, les tarifs catalogue officiels les plus bas en octobre 2026 étaient ceux d’OpenAI gpt-6-luna et de Claude Haiku 5.5, à $0.10 en entrée / $0.50 en sortie par million de tokens, ainsi que ceux de deepseek-flash, à $0.15 / $0.60 pendant les heures creuses de DeepSeek. Exemple : 10,000 requêtes par jour contenant chacune 1,000 tokens d’entrée et 300 tokens de sortie représentent 300M de tokens d’entrée et 90M de tokens de sortie par mois, soit environ $75 au tarif catalogue de gpt-6-luna. Les API de traitement par lots, la mise en cache des prompts et les plages horaires creuses peuvent encore diviser ce coût par deux.

Existe-t-il des API LLM gratuites ?

Oui, avec des limites. L’API Gemini de Google propose une offre gratuite sur les modèles Flash (dont les données d’utilisation peuvent servir à améliorer les produits Google), et plusieurs routeurs donnent accès à des modèles gratuits soumis à des limites de débit. Les offres gratuites conviennent aux prototypes, mais imposent de faibles plafonds de requêtes par jour. Consultez notre liste des API LLM gratuites en 2026.

Comment choisir une API LLM

Question	Pourquoi c’est important	Points à vérifier
Quel niveau de qualité attendez-vous des réponses ?	Les modèles haut de gamme peuvent coûter 50 à 100 fois plus cher que les modèles économiques	Testez 20 à 50 prompts réels sur deux ou trois gammes
Quelle est la longueur de vos prompts ?	Un contexte long multiplie le coût d’entrée	Fenêtre de contexte et tarification des prompts longs (p. ex. Haiku 5.5 au-delà de 100K)
Quelle rapidité de réponse faut-il ?	Les utilisateurs remarquent le délai avant le premier token	Prise en charge du streaming et latence dans votre région
Quel volume de trafic prévoyez-vous ?	Les limites s’appliquent par minute et par jour	RPM/TPM par offre ; consultez notre guide des limites de débit des LLM
Avez-vous besoin d’outils ou de JSON ?	Les agents reposent sur l’appel de fonctions	Prise en charge des appels d’outils et des sorties structurées
Où les données sont-elles traitées ?	Conformité et contrats clients	Conservation des données, points d’accès régionaux (l’inférence Claude limitée aux États-Unis coûte 1.1x)
Allez-vous changer de modèle ?	Les prix et les modèles de référence changent tous les quelques mois	Format compatible avec OpenAI ou API unifiée

Fournisseur en direct ou API LLM unifiée

Appeler directement un fournisseur est la solution la plus simple si vous utilisez une seule famille de modèles. Dès que vous combinez plusieurs modèles, une API unifiée (aussi appelée routeur LLM ou passerelle LLM) réduit le travail nécessaire :

Une seule clé et un seul solde au lieu de comptes, de factures et de limites de débit distincts pour chaque fournisseur.
Changez de modèle en modifiant une chaîne de caractères, sans changer de SDK.
Basculez vers un autre modèle lorsqu’un fournisseur est indisponible ou que sa limite de débit est atteinte.
Un seul journal d’utilisation pour suivre le coût par fonctionnalité ou par client.

Les options comprennent des routeurs hébergés (OpenRouter, Flatkey, Vercel AI Gateway) et des proxys auto-hébergés comme LiteLLM. Les routeurs hébergés se distinguent surtout par leurs frais : OpenRouter facture les tarifs catalogue des fournisseurs, auxquels s’ajoutent 5.5% de frais sur les crédits avec son offre Standard, tandis que les pages de modèles de Flatkey affichent des tarifs inférieurs aux prix catalogue des fournisseurs pour de nombreux modèles. Comparez-les dans notre guide des alternatives à OpenRouter et notre présentation des API d’IA unifiées.

Quand une API LLM est utile, et quand elle ne l’est pas

Utilisez une API LLM lorsque de vrais utilisateurs dépendent des réponses, lorsque vous avez besoin de plusieurs modèles, lorsque les coûts doivent être rattachés à des fonctionnalités ou à des clients, ou lorsque vous développez des agents qui appellent des outils. Privilégiez l’auto-hébergement lorsque vous devez conserver les données sur votre propre matériel, utiliser un modèle ouvert affiné avec un volume élevé et stable, ou fonctionner hors ligne. Notre guide pour utiliser une seule clé API avec plusieurs modèles d’IA montre comment de petites équipes mettent cela en place sans équipe dédiée à la plateforme.

Erreurs courantes

Coder en dur le même identifiant de modèle partout. Placez-le dans la configuration pour pouvoir en changer.
Ignorer les tokens de sortie. La sortie coûte généralement 4 à 5 fois plus cher que l’entrée ; plafonnez max_tokens.
Renvoyer des historiques énormes. Résumez les longs prompts système ou mettez-les en cache.
Ne prévoir aucune logique de nouvelle tentative. Les erreurs 429 et 5xx surviennent ; ajoutez un délai croissant entre les tentatives (consultez notre guide sur le dépassement des limites de débit des API).
Commiter des clés dans git. Utilisez des variables d’environnement et renouvelez les clés.

FAQ

Qu’est-ce qu’une API pour un LLM ?

C’est l’interface qui permet à votre code d’envoyer des prompts à un grand modèle de langage et de recevoir ses réponses. Elle définit l’URL du point d’accès, l’authentification par clé API, le format des requêtes et des réponses, les limites de débit et la facturation par token.

ChatGPT est-il un LLM ou relève-t-il du NLP ?

Les deux, en un sens. Le traitement automatique du langage naturel (NLP) est le domaine ; les grands modèles de langage sont un type de modèle de NLP ; et ChatGPT est un produit grand public construit à partir des LLM d’OpenAI. Les développeurs accèdent à la même famille de modèles via l’API OpenAI plutôt que par l’application ChatGPT.

Quelles sont les meilleures API LLM ?

En octobre 2026, les principales options sont OpenAI (famille GPT-6), Anthropic (famille Claude 5.5), Google (Gemini 4 Argon et modèles Flash), DeepSeek (V4 Pro et Flash), ainsi que des API unifiées comme OpenRouter et Flatkey qui donnent accès à de nombreux fournisseurs avec une seule clé.

Quelle est l’API LLM la moins chère ?

Parmi les tarifs catalogue officiels au 23 octobre 2026, OpenAI gpt-6-luna et Claude Haiku 5.5 coûtent $0.10 par million de tokens d’entrée et $0.50 par million de tokens de sortie, et deepseek-flash coûte $0.15 / $0.60 en heures creuses. L’offre gratuite de Gemini est encore moins chère pour les faibles volumes.

Existe-t-il une API LLM gratuite ?

Oui. L’API Gemini de Google propose une offre gratuite sur ses modèles Flash avec des limites quotidiennes, et certains routeurs proposent des modèles gratuits soumis à des limites de débit. Prévoyez des plafonds stricts et d’éventuelles conditions relatives à l’utilisation des données.

Quelle est la différence entre une API LLM et une passerelle LLM ?

Une API LLM est le point d’accès d’un fournisseur à ses modèles. Une passerelle ou un routeur LLM se place devant plusieurs fournisseurs et offre une seule clé, un format commun, le routage, la bascule vers un autre modèle et une facturation unifiée.