AIXX Pedia › Concept technique › Économie des tokens
L'économie des tokens est le cœur du modèle économique des services d'inférence IA : le revenu (facturation API) et les coûts (temps GPU + électricité + bande passante + exploitation) se calculent en tokens — l'écart coût/revenu par million de tokens constitue la marge. La formule centrale de l'économie des tokens : marge brute = (prix API - coût d'inférence) / prix API — le coût d'inférence dépend du type de GPU, du taux d'utilisation, de la taille de batch et de la précision de quantification.
Pour les acheteurs : l'économie des tokens est la base de calcul du ROI d'un achat de GPU — « quel est le coût d'inférence par million de tokens de cette carte » est une question plus décisive que « combien coûte cette carte ». L'inférence FP4 du B300 (9 PFLOPS dense) signifie « un coût de calcul par token plus faible » — à condition que le taux d'utilisation soit suffisamment élevé.
| Élément | Valeur / périmètre |
|---|---|
| Côté revenus | Prix API ($/M tokens) |
| Côté coûts | Temps GPU × taux d'utilisation + électricité + bande passante + exploitation |
| Formule de marge brute | (Prix - coût) / prix |
| L'utilisation avant tout | Faible utilisation = coûts fixes mal amortis = pertes |
L'avantage de l'inférence FP4 du B300 dans l'économie des tokens : la quantification FP4 double le débit en tokens par carte — le « coût de calcul par token » diminue — mais seulement si le taux d'utilisation est suffisant. Quand l'utilisation est faible, même le meilleur rapport qualité-prix reste un chiffre sur le papier — la gestion de l'utilisation d'une usine IA (répartition de charge / autoscaling / co-hébergement multi-modèles) est le véritable levier de rentabilité.