· reAPI Team
Frais AI API sans requêtes : le coût des déploiements inactifs
Retrace les frais AI API sans requêtes en cours. Vérifie les points de terminaison dédiés, les instances inactives, le stockage conservé et les preuves d’arrêt du déploiement.

Tu n’as envoyé aucun prompt ni généré de vidéo, mais un nouveau débit apparaît sur le compte.
Avant d’enquêter sur un mystérieux appel API, regarde l’unité de facturation. Si elle mesure le temps de matériel en ligne ou l’hébergement du modèle, un historique de requêtes vide peut être parfaitement cohérent avec ce débit. Together AI facture le matériel alloué aux points de terminaison dédiés actifs et l’hébergement des modèles affinés déployés. Replicate facture les instances de déploiement pendant leur préparation, leur traitement et leur inactivité.[1][2]
Cette différence change ce que tu dois arrêter. Fermer l’application met fin à ton utilisation. Arrêter un point de terminaison déployé agit sur la ressource qui génère la facture.
Une heure de travail, dix heures en ligne
Supposons que tu déploies un modèle pour une expérience, l’utilises une heure, puis laisses l’instance en ligne pendant le reste d’une période de dix heures. Pour cet exemple, supposons un prix de deux unités de coût par heure d’instance en ligne. Ces unités sont inventées pour le calcul, ce n’est le devis d’aucun fournisseur.
La facture est de vingt unités : une instance multipliée par dix heures en ligne, puis par deux unités. Compter uniquement l’heure de traitement utile donne deux unités. Les dix-huit restantes ne sont pas des requêtes inexpliquées. Elles représentent le coût du maintien de l’instance en ligne pendant les neuf autres heures, selon l’hypothèse de facturation de cet exemple.
Modifions maintenant l’expérience. Tu envoies deux fois moins de prompts, mais gardes la même instance en ligne pendant les mêmes dix heures. Le total d’hébergement reste de vingt unités. Des prompts plus courts et moins de token de sortie ne changent pas ce compteur précis. Il faudrait modifier le temps en ligne facturable, le nombre d’instances ou le tarif matériel applicable.
Pour un déploiement réel, utilise son unité de facturation documentée et les intervalles réels des instances, en incluant tout temps de préparation et tout arrondi appliqués par le service. La documentation de facturation de Replicate inclut explicitement les temps de préparation, d’inactivité et d’activité des déploiements. Les modèles publics utilisent un autre mode de facturation, et les modèles affinés à démarrage rapide bénéficient d’une exception ; ne transpose pas une règle d’un type d’exécution à un autre simplement parce que les noms des modèles se ressemblent.[2]
Cela explique aussi pourquoi une API peut sembler chère lorsque tu divises la facture par un petit nombre de requêtes terminées. Tu répartis le coût de la capacité maintenue prête sur le travail qui l’a utilisée. L’intérêt de ce choix dépend de la raison pour laquelle tu l’as gardée prête.
Ce que t’apporte une instance inactive
Les contrôles de déploiement de Replicate permettent de définir un nombre minimal d’instances pour garder les modèles prêts, ou de laisser les instances inutilisées redescendre à zéro. Ils permettent aussi de plafonner le nombre maximal d’instances.[3] Le minimum et le maximum répondent à des questions différentes. Un maximum bas limite la croissance du déploiement ; un minimum non nul peut maintenir de la capacité en ligne sans arrivée de nouveau travail.
Pour une application interactive, garder une instance prête peut être raisonnable. La requête suivante n’a pas à attendre que cette instance soit préparée depuis un état hors ligne. Pour une expérience interne occasionnelle, payer pendant de longues périodes calmes peut être plus difficile à justifier. La documentation établit les contrôles, mais ne peut pas te dire quel délai de démarrage tes utilisateurs particuliers accepteront.
Prends cette décision en fonction de la charge de travail. Un lot qui peut attendre la prochaine exécution planifiée n’a pas les mêmes besoins qu’un utilisateur devant une interface en direct. Si tu as mesuré le comportement au démarrage dans tes propres tests approuvés, utilise ces mesures. Sans elles, tu ne peux pas encore déterminer si l’attente supplémentaire convient aux besoins de ton application. Garder une instance prête ne permet pas non plus d’établir la rapidité d’exécution de chaque requête.
La même distinction s’applique chez Together. Son assistance sépare l’utilisation de modèles sans serveur de l’hébergement de modèles affinés déployés et des points de terminaison dédiés. Le sans serveur est facturé selon l’utilisation réelle de l’API ; l’hébergement et les ressources dédiées peuvent continuer à générer des frais sans cette utilisation.[1] « Nous utilisons Together » ne suffit pas pour choisir une règle de facturation. Identifie le type de point de terminaison sur le compte.
Il est donc utile de noter à côté du déploiement d’une expérience pourquoi il reste en ligne : la charge qu’il sert, son responsable et la fin de ce besoin. Cela facilite une décision d’arrêt ultérieure, plutôt que de tenter de déduire l’usage d’un ancien point de terminaison de son nom.
Trouver la ressource avant de retirer la carte de paiement
Commence par une ligne de facture et sa période de service. Identifie l’ID de ressource et le compte ou l’organisation, puis ouvre le point de terminaison ou le déploiement correspondant. Compare son état et ses instances allouées à la période facturée. La question est de savoir si cette ressource était facturable pendant cet intervalle.
Si la facture indique seulement un débit total, cherche le détail d’utilisation sous-jacent. Ne compare pas une ligne d’heures de matériel au prix par token du modèle. L’achat de crédits est un apport de fonds, tandis que l’hébergement consomme ces fonds ; l’assistance de Together distingue explicitement les deux.[1]
Vérifie ensuite que tu as recensé toutes les ressources du compte concerné. Inclus le point de terminaison de développement, le déploiement de l’évaluation du mois dernier et les ressources créées par d’autres membres de l’équipe. Tu n’as pas à supposer que l’une d’elles a été oubliée. Il te faut un responsable capable de dire si chacune doit encore fonctionner.
Si les frais concernent l’inférence plutôt que l’hébergement, compare l’historique des requêtes du fournisseur aux journaux de l’application. Vérifie les tâches planifiées et les workers comme sources possibles d’activité. Une fenêtre de navigateur fermée est une preuve faible concernant un service exécuté ailleurs. Si tu trouves des requêtes inexpliquées, examine-les séparément ; le guide de réaction à une fuite de clé traite de l’exposition des identifiants.
Vérifie aussi quand les tâches acceptées se sont terminées. reAPI documente que des tâches en attente peuvent se terminer et consommer des crédits après la révocation de leur clé API. Sa réponse de tâche distingue une réservation du règlement final.[4] Dans ce cas, une modification ultérieure du solde peut correspondre à un travail antérieur. Compare les heures de soumission et de fin avant de conclure qu’une nouvelle requête a été exécutée après l’arrêt.
Retirer un moyen de paiement ne répond à aucune de ces questions. Together exige au moins une carte valide et une nouvelle carte par défaut avant de retirer l’actuelle.[5] La méthode documentée pour arrêter un hébergement inutilisé consiste à arrêter le point de terminaison. Traite d’abord la ressource facturable ; sinon, tu peux passer du temps à modifier les paiements tout en laissant le point de terminaison concerné actif.
Arrêter, puis examiner l’intervalle de facturation suivant
Pour Together, la procédure publiée consiste à examiner les modèles affinés déployés et les points de terminaison dédiés actifs, puis à arrêter explicitement ceux que tu n’utilises plus.[1] Note quel point de terminaison tu as arrêté et quand. Si l’équipe a encore besoin du modèle, conserve sa configuration et ses exigences de déploiement pour la prochaine personne qui devra le réactiver.
Pour Replicate, examine à la fois la configuration de mise à l’échelle et l’état réel des instances. Un réglage décrit ce que le déploiement est autorisé à faire ; la surveillance indique si les instances démarrent, sont inactives ou traitent du travail.[3] Après une modification, vérifie le nombre effectif d’instances en ligne. Ne fais pas d’un écran de configuration enregistré ta seule preuve que la ressource est hors ligne.
La suppression est une étape supplémentaire. La documentation de Replicate exige qu’un déploiement ait été hors ligne et inutilisé pendant au moins quinze minutes avant de pouvoir être supprimé.[6] Si ton objectif immédiat est d’arrêter de payer une expérience abandonnée, suis ce cycle dans cet ordre. Décide séparément si l’équipe souhaite conserver la configuration ou supprimer le déploiement.
Regarde ensuite l’enregistrement d’utilisation suivant. Compare l’intervalle couvert à l’heure d’arrêt, pas seulement à la date d’apparition des frais. Une ligne comptabilisée après l’arrêt peut encore décrire du temps facturable antérieur. Un intervalle réellement nouveau après la désactivation de la ressource constitue un autre constat, qui mérite d’être transmis à l’assistance avec l’ID de ressource et les horodatages.
Revenons à l’exemple des dix heures. Si l’enregistrement indique que l’instance est restée en ligne les dix heures, le total de vingt unités découle de l’hypothèse énoncée. Si tu as la preuve qu’elle est passée hors ligne plus tôt, le désaccord devient précis : quel intervalle le système de facturation a-t-il compté ? C’est une question bien plus utile pour l’assistance que « Je n’ai envoyé aucun prompt ».
Un modèle arrêté peut laisser d’autres coûts
Arrêter le calcul ne supprime pas nécessairement les ressources qui l’entourent. AWS fournit un exemple concret : les volumes EBS persistent quand une instance EC2 s’arrête et continuent d’engendrer des frais de stockage.[7] C’est une règle de stockage d’AWS, pas une affirmation que Together ou Replicate applique les mêmes frais.
Si tu exploites ta propre infrastructure, lis séparément les postes de facture restants. Identifie le volume conservé ou toute autre ressource facturée séparément et détermine son contenu avant de la supprimer. AWS documente que supprimer un volume EBS supprime ses données, les instantanés offrant une option de conservation distincte.[8] Économiser n’est pas une raison de supprimer l’unique copie d’un artefact de modèle dont l’équipe a encore besoin.
La même prudence s’applique aux sorties copiées dans ton propre stockage. Le cycle de vie du service de génération ne décide pas de celui de ton archive. Le guide de conservation des sorties suit ces copies de l’enregistrement à la suppression. Dans une liste de vérification d’arrêt, attribue au stockage son propre responsable et sa propre décision au lieu de le dissimuler sous « point de terminaison arrêté ».
Ramener un déploiement à zéro ne permet donc pas d’établir que le compte entier ne coûte désormais plus rien. Il peut rester d’autres points de terminaison, du travail antérieur en cours de règlement ou des ressources facturées séparément. Clôture chaque poste selon sa propre unité et sa période de service.
Décider si tu as vraiment besoin de ton propre déploiement
Une fois la facture comprise, demande-toi ce dont l’application aura besoin à la prochaine exécution. Des poids personnalisés, le contrôle de l’infrastructure et de la capacité dédiée justifient d’évaluer un déploiement. L’appel à un modèle prêt à l’emploi et pris en charge peut plutôt convenir à une API de modèles hébergés. Ce sont des choix de produits différents, pas des façons interchangeables d’acheter la même chose.
Pour l’inférence sur des modèles pris en charge, compare le catalogue reAPI au modèle et au contrat d’entrée/sortie requis par ton application. La documentation des tâches montre comment les résultats et l’utilisation réglée sont rapportés ; la référence du solde couvre le compte.[4] Cela ne fait pas de reAPI un substitut à l’entraînement personnalisé ou à l’hébergement GPU dédié. Si ce sont des exigences, inclus-les dans la comparaison au lieu de ne chiffrer que la partie la plus facile à remplacer.
Sans ce choix, il n’existe pas de coût unique utile pour « créer une application IA ». Estime le travail de construction séparément de l’inférence, du calcul en ligne, du stockage et de l’exploitation. Pour une application peu utilisée, un faible total de requêtes peut coexister avec un total d’hébergement important, comme le montre l’exemple. Pour un service chargé, garder de la capacité prête peut être intentionnel.
Les quotas gratuits ne résolvent pas non plus la question de l’architecture. Replicate documente une sélection de modèles essayables avant la configuration de la facturation, tandis qu’OpenAI documente des crédits API prépayés qui diminuent avec l’utilisation payante.[2][9] Aucun des deux n’établit une inférence gratuite illimitée ni un hébergement dédié gratuit. Quand la prochaine expérience sera approuvée, note comment elle est facturée et qui l’arrêtera à sa fin.
Références
- Together AI. Pourquoi suis-je facturé alors que je ne fais pas d’appels API ? Consulté le 15 novembre 2026.
- Replicate. Facturation. Consulté le 15 novembre 2026.
- Replicate. Déploiements. Consulté le 15 novembre 2026.
- reAPI. Références des tâches, du solde et de l’authentification. Consulté le 15 novembre 2026. Cycle de vie des tâches, solde et authentification.
- Together AI. Puis-je ajouter plusieurs cartes de paiement ? Consulté le 15 novembre 2026.
- Replicate. Supprimer un déploiement. Consulté le 15 novembre 2026.
- Amazon Web Services. Fonctionnement de l’arrêt et du démarrage des instances EC2. Consulté le 15 novembre 2026. Cycle de vie des instances et coûts associés.
- Amazon Web Services. Supprimer un volume Amazon EBS. Consulté le 15 novembre 2026. Suppression et conservation des volumes.
- OpenAI. Configurer et gérer la facturation API prépayée. Consulté le 15 novembre 2026. Facturation API prépayée.