Table des Matières
Pour un assistant documentaire privé utilisé par environ 300 collaborateurs, un serveur on-premise à deux GPU coûte près de 76 200 $ sur trois ans : autant qu'une API cloud haut de gamme (80 800 $), plus qu'un modèle d'entrée ou de milieu de gamme, et moins de la moitié d'un modèle premium. Au-delà de quelques centaines d'utilisateurs réguliers, le sur-site devient moins cher ; en deçà, l'API l'emporte.
Points clés
- Aux tarifs relevés le 10 novembre 2026, le coût d'une API cloud pour la même charge varie d'environ 4 000 $ à 161 600 $ sur trois ans selon le niveau de modèle.
- Dans notre modèle, un serveur sur site à deux GPU faisant tourner un modèle open-weight coûte environ 76 200 $ sur trois ans. Le matériel en représente 68 % ; l'électricité, au tarif officiel algérien haute tension, environ 2 %.
- Face à une API à 2 $ en entrée et 10 $ en sortie par million de tokens, le seuil de rentabilité est d'environ 280 utilisateurs réguliers. Face à une API à 1 $ / 5 $, il est d'environ 570.
- Louer les deux mêmes GPU chez un fournisseur cloud étranger, 24 h sur 24, revient à environ 159 300 $ sur trois ans, soit à peu près deux fois le coût d'achat.
- Pour beaucoup d'industriels algériens, la réglementation tranche avant le coût : la loi 18-07 impose une autorisation avant tout transfert de données personnelles à l'étranger.
Que compare-t-on exactement ?
Trois façons de faire tourner le même assistant privé sur vos manuels, procédures et rapports de maintenance :
- API cloud facturée au token. Chaque question et les extraits de documents retrouvés partent chez un fournisseur comme OpenAI, Anthropic ou Mistral, qui facture au million de tokens.
- Serveur on-premise. Vous achetez un serveur GPU et faites tourner un modèle open-weight sur votre site avec un moteur open source comme vLLM.
- GPU loués dans le cloud. Vous louez les mêmes GPU à l'heure et faites tourner vous-même le modèle open-weight.
L'application de recherche documentaire, les connecteurs et l'interface coûtent à peu près la même chose dans les trois cas. Nous ne comparons donc que le coût d'exécution du modèle. Pour les questions d'architecture et de gouvernance, consultez notre guide de l'IA souveraine sur site.
Quelle charge avons-nous chiffrée ?
Ce sont des hypothèses, pas des mesures. Remplacez-les par vos propres chiffres.
- Utilisateurs : 300 utilisateurs réguliers.
- Usage : 20 questions par utilisateur et par jour ouvré, 22 jours ouvrés par mois, soit 300 × 20 × 22 = 132 000 questions par mois.
- Tokens par question : 6 000 en entrée (prompt système, extraits retrouvés, question) et 500 en sortie.
- Volume mensuel : 132 000 × 6 000 = 792 millions de tokens en entrée ; 132 000 × 500 = 66 millions en sortie.
- Volume sur trois ans : 28 512 millions de tokens en entrée et 2 376 millions en sortie.
- Aucune remise : prix catalogue standard, sans cache de prompt ni remise batch, puisque les extraits retrouvés changent à chaque question.
Combien coûte une API LLM cloud sur trois ans ?
Tous les prix ci-dessous ont été relevés sur les pages tarifaires des fournisseurs le 10 novembre 2026. Pour chaque niveau : (28 512 × prix en entrée) + (2 376 × prix en sortie), en dollars par million de tokens.
- OpenAI gpt-6-luna ou Claude Haiku 5.5 (prompts jusqu'à 100 000 tokens), tous deux à 0,10 $ / 0,50 $ (tarifs OpenAI, tarifs Anthropic) : 2 851 + 1 188 = 4 039 $.
- Mistral Large, 0,50 $ / 1,50 $ (tarifs Mistral) : 14 256 + 3 564 = 17 820 $.
- OpenAI gpt-6.1-terra, 1 $ / 5 $ (tarifs OpenAI) : 28 512 + 11 880 = 40 392 $.
- Claude Sonnet 5.5 ou OpenAI gpt-6.1-sol, tous deux à 2 $ / 10 $ (tarifs Anthropic, tarifs OpenAI) : 57 024 + 23 760 = 80 784 $.
- Claude Opus 5.5, 4 $ / 20 $ (tarifs Anthropic) : 114 048 + 47 520 = 161 568 $.
Garder les données dans une région donnée se paie. OpenAI applique une majoration de 10 % sur ses points d'accès à traitement régional (résidence des données) pour les modèles sortis à partir du 5 mars 2026, et Anthropic facture 1,1 fois le prix standard pour une inférence limitée aux États-Unis. Aucune de ces options ne traite les données en Algérie.
Combien coûte un serveur LLM on-premise sur trois ans ?
Modèle. Le modèle open-weight gpt-oss-120b d'OpenAI est publié sous licence Apache 2.0, compte 117 milliards de paramètres dont 5,1 milliards actifs, et tient selon sa documentation sur un seul GPU de 80 Go. Google Cloud indique qu'il atteint une quasi-parité avec OpenAI o4-mini sur les principaux benchmarks de raisonnement. Coût de licence : 0 $.
GPU. Deux cartes NVIDIA RTX PRO 6000 Blackwell de 96 Go. La boutique officielle de NVIDIA aux États-Unis affichait la Workstation Edition à 16 000 $ en août 2026, et Thunder Compute relève le même prix de 16 000 $ en novembre 2026. Un serveur en baie utilise la Server Edition à refroidissement passif, dont nous n'avons trouvé aucun prix public ; nous supposons qu'elle coûte le même prix (hypothèse). Deux cartes : 32 000 $.
Serveur hôte (hypothèse). À titre de référence publique, Exxact affiche un système 4U pour baie avec un processeur AMD EPYC 9124 à 16 cœurs, 96 Go de RAM, deux alimentations redondantes de 3 000 W et une garantie pièces et main-d'œuvre de trois ans à 16 005 $ sans GPU. Nous retenons 20 000 $ pour couvrir davantage de RAM et de stockage. Ce configurateur ne propose pas la RTX PRO 6000 : demandez deux devis pour la configuration exacte.
Électricité. La carte Server Edition est donnée pour 400 à 600 W (Thunder Compute) et le processeur de référence pour 200 W (Exxact). Nous retenons, par prudence, 1,5 kW pour tout le serveur (2 × 600 W + 200 W + 100 W pour la mémoire, le stockage et les ventilateurs), 24 h sur 24. Nous multiplions par un PUE de 1,56 pour la climatisation, la moyenne du secteur publiée par l'Uptime Institute dans son enquête 2024 : 1,5 × 1,56 × 8 760 heures = 20 498 kWh par an, soit 61 495 kWh sur trois ans.
La grille tarifaire de la CREG pour la haute tension type A (sites alimentés jusqu'à 30 kV) fixe le prix de l'énergie en poste unique, tarif 44, à 375,62 cDA, soit 3,7562 DA le kWh hors taxes. 61 495 × 3,7562 = environ 231 000 DA. À 136,02 DA pour un dollar (ValutaFX, 9 novembre 2026), cela fait 1 698 $. La grille renvoie à une décision de la CREG du 29 décembre 2015 : vérifiez le tarif sur votre facture Sonelgaz actuelle. Les redevances fixes et de puissance, que votre site paie déjà, sont exclues. À titre de contrôle, le prix moyen professionnel de 4,68 DA le kWh publié par GlobalPetrolPrices pour mars 2026 donnerait environ 2 116 $, toujours moins de 3 % du total.
Exploitation (hypothèse). Un quart du temps d'un ingénieur, pour un coût complet supposé de 30 000 $ par an : 0,25 × 30 000 × 3 = 22 500 $.
Total : 32 000 + 20 000 + 1 698 + 22 500 = 76 198 $ sur trois ans, soit environ 2 117 $ par mois.
Non inclus : droits de douane et TVA sur le matériel importé, transport, espace en baie et travaux réseau sur site. Consultez votre transitaire et ajoutez-les.
Comparatif sur trois ans : toutes les options
| Option | Base de prix | Coût sur 3 ans (USD) | Lieu de traitement des données |
|---|---|---|---|
| API cloud, OpenAI gpt-6-luna ou Claude Haiku 5.5 | 0,10 $ entrée / 0,50 $ sortie par M de tokens | 4 039 | Serveurs du fournisseur à l'étranger |
| API cloud, Mistral Large | 0,50 $ / 1,50 $ | 17 820 | Serveurs du fournisseur à l'étranger |
| API cloud, OpenAI gpt-6.1-terra | 1 $ / 5 $ | 40 392 | Serveurs du fournisseur à l'étranger |
| API cloud, Claude Sonnet 5.5 ou gpt-6.1-sol | 2 $ / 10 $ | 80 784 | Serveurs du fournisseur à l'étranger |
| API cloud, Claude Opus 5.5 | 4 $ / 20 $ | 161 568 | Serveurs du fournisseur à l'étranger |
| On-premise, 2 × RTX PRO 6000, gpt-oss-120b | Matériel, énergie, 0,25 ETP | 76 198 | Votre site |
| GPU loués, 2 × RTX PRO 6000, 24 h/24 | 3,03 $ par heure-GPU | 159 257 | Serveurs du fournisseur à l'étranger |
La ligne des GPU loués reprend le prix horaire médian de 3,03 $ relevé chez neuf fournisseurs par Thunder Compute en novembre 2026 : 2 GPU × 8 760 heures × 3 ans × 3,03 $ = 159 257 $.
La qualité n'est pas la même d'une ligne à l'autre : les modèles premium répondent sans doute mieux aux questions difficiles que gpt-oss-120b. Testez chaque candidat sur vos propres documents en arabe et en français avant de comparer les prix.
Où se situe le seuil de rentabilité ?
Le coût on-premise est essentiellement fixe : environ 2 117 $ par mois, que vous posiez 1 000 ou 100 000 questions. Le coût de l'API augmente à chaque question. Coût par question = (6 000 × prix entrée + 500 × prix sortie) ÷ 1 000 000.
| Niveau d'API | Coût par question | Seuil en questions par mois | Utilisateurs réguliers équivalents |
|---|---|---|---|
| gpt-6-luna ou Haiku 5.5 (0,10 $ / 0,50 $) | 0,00085 $ | environ 2,49 millions | environ 5 660 |
| Mistral Large (0,50 $ / 1,50 $) | 0,00375 $ | environ 564 000 | environ 1 280 |
| gpt-6.1-terra (1 $ / 5 $) | 0,0085 $ | environ 249 000 | environ 570 |
| Sonnet 5.5 ou gpt-6.1-sol (2 $ / 10 $) | 0,017 $ | environ 124 500 | environ 280 |
| Opus 5.5 (4 $ / 20 $) | 0,034 $ | environ 62 300 | environ 140 |
Seuil en questions = 2 117 ÷ coût par question ; utilisateurs = questions ÷ 440 (20 questions × 22 jours). À 1 000 utilisateurs, le niveau 2 $ / 10 $ coûterait 269 280 $ sur trois ans, tandis que le coût on-premise reste proche de 76 200 $ si un seul serveur suffit encore. Les deux API les moins chères restent difficiles à battre sur le seul plan financier : il faudrait agrandir le serveur bien avant 5 660 utilisateurs.
Un seul serveur suffit-il pour 300 utilisateurs ?
Supposons que l'heure de pointe concentre 15 % des 6 000 questions de la journée (hypothèse) : 900 questions, soit 0,25 par seconde. Il faut alors traiter 1 500 tokens d'entrée et générer 125 tokens par seconde.
Mesures publiées sur une seule RTX PRO 6000 avec gpt-oss-120b :
- Hardware Corner a mesuré 3 527 tokens par seconde en traitement du prompt et 148 tokens par seconde en génération, avec un contexte de 12 000 tokens (llama.cpp, Flash Attention activé). Le test ne porte pas sur une charge concurrente.
- Database Mart a mesuré 1 525 tokens de sortie par seconde au total avec vLLM et 50 requêtes simultanées, sur des prompts courts de 100 tokens en entrée et 600 en sortie.
Sur le papier, une carte couvre la pointe et la seconde apporte marge et redondance. Aucun de ces tests ne reproduit des prompts de 6 000 tokens en charge concurrente : faites votre propre test de charge avant d'acheter.
Quels coûts n'apparaissent pas dans le prix du token ?
- Règles de transfert des données. Selon la loi 18-07, un responsable de traitement ne peut transférer des données personnelles vers un État étranger qu'avec l'autorisation de l'autorité nationale et si cet État assure un niveau de protection suffisant, avec des exceptions prévues à l'article 45, comme le consentement exprès de la personne concernée. La loi a été modifiée par la loi 25-11 du 24 juillet 2025 (synthèse DLA Piper). Les rapports de maintenance et les fiches d'incident HSE citent souvent des agents nommément. Faites valider votre position par un juriste.
- Risque sur le prix du matériel. La même carte était affichée à 8 565 $ à son lancement en mars 2025, puis à 16 000 $ en août 2026, après 13 250 $ en juin 2026. En novembre 2026, un revendeur américain affichait la Workstation Edition à 19 999 $ (Thunder Compute). Obtenez un devis ferme avant de bâtir le dossier.
- Croissance de l'usage. La facture API suit l'adoption ; le coût du serveur, non.
- Facturation en devises. Les fournisseurs d'API facturent en devises. Vérifiez avec votre direction financière comment se règlent les paiements récurrents vers l'étranger.
- Connectivité. Un assistant sur API s'arrête quand le site perd sa liaison internet ; un assistant on-premise continue de fonctionner.
Pour le contexte réglementaire, lisez notre article sur l'IA souveraine dans l'industrie algérienne.
Comment un DSI doit-il trancher ?
- Mesurez l'usage réel sur un pilote : utilisateurs, questions par jour, tokens par question.
- Vérifiez si vos documents contiennent des données personnelles ou classifiées qui ne peuvent pas quitter le site.
- Chiffrez le niveau d'API dont les réponses sont suffisantes sur vos documents, pas le moins cher.
- Si vous êtes au-dessus du seuil, ou si les données ne peuvent pas sortir, chiffrez l'option on-premise avec des devis fermes.
DALILE est l'assistant on-premise de KABAS AI pour les documents industriels en arabe, en français et en anglais ; le guide de déploiement de DALILE explique son installation. Notre équipe conseil peut dérouler ce modèle de coût avec vos propres chiffres.
Sources
Prix et taux de change relevés le 10 novembre 2026. Ils évoluent souvent : vérifiez-les avant de décider.
- OpenAI : tarifs de l'API
- Anthropic : tarifs Claude
- Mistral AI : tarifs
- Let's Data Science : Nvidia affiche la RTX PRO 6000 Blackwell à 16 000 $ (12 août 2026)
- Tom's Hardware : Nvidia porte le prix de la RTX Pro 6000 Blackwell à 13 250 $
- Thunder Compute : prix de la NVIDIA RTX PRO 6000 Blackwell (mis à jour le 9 novembre 2026)
- Exxact : configurateur TensorEX 4U, TWS-173594376
- Hugging Face : fiche du modèle openai/gpt-oss-120b
- Google Cloud : gpt-oss-120b sur Vertex AI
- vLLM sur GitHub
- Hardware Corner : test de GPT-OSS 120B sur RTX Pro 6000 Blackwell
- Database Mart : benchmark vLLM sur RTX Pro 6000
- CREG : tarification de l'électricité haute tension type A (PDF)
- GlobalPetrolPrices : prix de l'électricité en Algérie
- ValutaFX : historique du taux USD/DZD, 2026
- Data Center Knowledge : enquête Uptime Institute 2024, PUE moyen de 1,56
- DLA Piper : Data protection laws of the world, Algérie
Questions fréquentes
Un LLM on-premise coûte-t-il moins cher que l'API de ChatGPT ou de Claude ?
Cela dépend du volume et du niveau d'API retenu. Dans notre modèle, un serveur à deux GPU coûte environ 76 200 $ sur trois ans. Pour 300 utilisateurs, c'est à peu près le prix de Claude Sonnet 5.5 ou d'OpenAI gpt-6.1-sol (80 800 $), plus cher que les modèles d'entrée et de milieu de gamme, et moins de la moitié du coût de Claude Opus 5.5 (161 600 $).
À partir de combien d'utilisateurs un serveur LLM sur site est-il rentable ?
Avec nos hypothèses de 20 questions par utilisateur et par jour ouvré et de 6 500 tokens par question, le serveur est rentabilisé à partir d'environ 280 utilisateurs réguliers face à une API à 2 $ / 10 $ par million de tokens, 570 utilisateurs face à une API à 1 $ / 5 $ et 140 utilisateurs face à une API à 4 $ / 20 $. Refaites le calcul avec vos propres journaux d'usage.
Quel matériel faut-il pour faire tourner un LLM privé sur ses documents internes ?
Un modèle open-weight comme gpt-oss-120b tient, selon sa documentation, sur un seul GPU de 80 Go. Un serveur équipé de deux cartes NVIDIA RTX PRO 6000 Blackwell de 96 Go fait tourner un modèle avec de la marge et de la redondance pour quelques centaines d'utilisateurs. Validez le dimensionnement par un test de charge sur vos propres requêtes.
La loi algérienne permet-elle d'envoyer des documents d'entreprise vers une API d'IA étrangère ?
La loi 18-07, modifiée par la loi 25-11 du 24 juillet 2025, n'autorise le transfert de données personnelles vers un État étranger qu'avec l'autorisation de l'autorité nationale de protection des données, sauf exceptions. Les documents techniques contiennent souvent des données personnelles, comme des noms dans les rapports d'incident. Faites valider votre cas par un juriste avant d'utiliser une API étrangère.
Quels coûts oublie-t-on en comparant LLM on-premise et cloud ?
Côté on-premise : le temps des équipes, la climatisation, les droits de douane et la TVA sur le matériel importé, et l'évolution du prix des GPU avant l'achat. Côté cloud : la hausse des volumes de tokens, la facturation en devises, les surcoûts de résidence des données et le travail de conformité pour envoyer des documents à l'étranger.



