L'IA et les modèles
Un modèle de langage ne « sait » rien : il prédit du texte. Comprendre ce détail change tout dans la façon de lui parler — et de le surveiller.
Un modèle de langage ne réfléchit pas comme vous
Il ne consulte pas une base de connaissances : il prédit, un token après l'autre, la suite la plus probable du texte qu'on lui donne. C'est pour cela qu'il peut écrire du code qui a l'air parfait… et qui ne compile pas.
Trois conséquences pratiques, à garder en tête en permanence :
- Sans mémoire. Un modèle ne se souvient de rien entre deux appels : l'agent lui renvoie le contexte (fichiers, historique) à chaque tour. Un fichier qu'on ne lui envoie pas, il ne le voit pas.
- Plausible n'est pas vrai. Une réponse confiante peut être fausse. Seul un test — le serveur qui démarre, la page qui s'affiche — prouve quelque chose.
- Le contexte est un budget. Chaque tour relit tout l'historique et les fichiers. C'est ce qui coûte, et c'est ce qui finit par noyer l'essentiel.
Vous ne payez pas « une réponse » : vous payez tout ce que le modèle doit lire avant de répondre.
Les tokens : la monnaie du modèle
Un token est un morceau de mot : environ 3 à 4 caractères en français. Le modèle compte en tokens, facture en tokens, et sa fenêtre de contexte se mesure en tokens.
≈ 3 à 4 caractères
Le modèle ne voit pas des mots mais des morceaux de mots. « Bonjour » peut compter pour un seul token, « informatique » pour deux ou trois.
≈ 800 tokens
Un paragraphe dense de 20 lignes en français tourne autour de 150 à 250 tokens.
≈ 12 tokens par ligne
Le code est plus dense que la prose : un fichier de 100 lignes pèse environ 1 200 tokens. Un projet de 20 fichiers se lit donc pour ~25 000 tokens.
≈ 30 000 à 200 000 tokens
Le coût ne vient pas de votre question (courte) mais du contexte relu à chaque tour : fichiers, historique, réponses précédentes.
La fenêtre de contexte : la table de travail
La fenêtre de contexte, c'est la quantité maximale de texte que le modèle peut « garder sous les yeux » en une fois : votre question, l'historique, les fichiers lus par l'agent. Les modèles actuels de DeepSeek ouvrent une fenêtre de 1 million de tokens — de quoi lire un gros projet… et de quoi payer cher si on la remplit sans réfléchir.
DeepSeek V4.1 Flash
Le modèle à utiliser par défaut : rapide, très bon marché, mode « réflexion » intégré.
- Contexte de 1 million de tokens, sortie jusqu'à 384 000 tokens
- Réfléchit ou répond directement (mode thinking par défaut)
- Accepte les images, les appels d'outils et le format JSON
- Rapport qualité-prix imbattable pour un projet d'élève
DeepSeek V4 Pro
Le grand frère : à réserver aux tâches vraiment difficiles.
- Même contexte de 1 million de tokens
- Environ 4 à 5 fois plus cher que Flash
- Pas d'analyse d'images
- Utile quand Flash tourne en rond sur un problème de logique
Quand la conversation devient longue, l'agent doit résumer ou abandonner une partie du contexte : c'est le rôle du /compact d'OpenCode (voir la section OpenCode). Une session neuve, avec un contexte propre, est parfois plus efficace qu'une session de trois heures.
Effort et qualité : où placer le curseur
Les modèles actuels ont un mode réflexion (« thinking ») : avant de répondre, ils rédigent un raisonnement interne, token par token. C'est très efficace sur les problèmes tordus… et inutile pour renommer un fichier. Ces tokens de réflexion sont facturés en sortie, la ligne la plus chère.
| Tâche | Réglage conseillé | Pourquoi |
|---|---|---|
| Ajouter une section, corriger une faute, renommer | Réponse directe | La solution est évidente : réfléchir ne fait qu'ajouter des tokens. |
| Comprendre une erreur inconnue | Réflexion | Le modèle doit explorer des hypothèses avant de choisir. |
| Concevoir la structure d'un projet | Réflexion + mode plan | Une erreur de conception coûte beaucoup plus cher que quelques tokens. |
| Refaire ce qui vient d'échouer | Nouveau prompt, pas plus d'effort | Si c'est raté, le problème est dans la demande — pas dans la puissance. |
Passer de Flash à Pro change peu sur une page web. Un objectif clair, un contexte propre et un test après chaque modification changent tout. La qualité vient du pilotage, pas de la taille du modèle.
Combien ça coûte, concrètement
DeepSeek facture au token, avec deux tarifs selon l'heure (les heures pleines sont le double des heures creuses) et un tarif très réduit quand le début du contexte est déjà en cache. Voici les prix officiels du moment, en dollars par million de tokens :
| Prix (par million de tokens) | deepseek-flash | deepseek-v4-pro |
|---|---|---|
| Entrée — cache manqué | 0,15 $ creux · 0,30 $ pleines | 0,66 $ creux · 1,32 $ pleines |
| Entrée — cache touché | 0,0030 $ creux · 0,0060 $ pleines | 0,0220 $ creux · 0,0440 $ pleines |
| Sortie | 0,60 $ creux · 1,20 $ pleines | 1,98 $ creux · 3,96 $ pleines |
Un projet d'élève — quelques dizaines de requêtes, un projet de taille modeste — coûte en général moins d'un dollar. Ce qui fait exploser la note, ce n'est pas le nombre de questions : c'est le contexte qu'on laisse grossir.
Calculez votre propre scénario
| Tarif | Entrée | Sortie | Total |
|---|---|---|---|
| Heures creuses | |||
| Heures pleines |
Prix publics DeepSeek vérifiés le 29/09/2026 (dollars US, par million de tokens). Le cache est automatique : la part « déjà en cache » reste une estimation. Les heures pleines sont 01 h–04 h et 06 h–10 h UTC, du lundi au vendredi ; tout le reste, week-ends compris, est en heures creuses.
- Le cache est automatique. Le préfixe de contexte déjà envoyé est facturé environ 50 fois moins cher (0,003 $ contre 0,15 $ par million, sur Flash). C'est pour cela qu'une longue session n'est pas forcément ruineuse — mais seulement si elle réutilise ce qu'elle a déjà lu.
- Les heures creuses tombent bien. Les heures pleines sont 01 h–04 h et 06 h–10 h UTC, du lundi au vendredi : en France, cela correspond surtout à la matinée et au milieu de la nuit. Le week-end entier est en tarif réduit, et le créneau 12 h–3 h du matin aussi.
Cinq leviers pour payer moins
Travailler en heures creuses
Le tarif est divisé par deux : tout le week-end, les jours fériés chinois et, en semaine, en dehors de 01 h–04 h et 06 h–10 h UTC (soit 03 h–06 h et 08 h–12 h à l'heure de Paris en été).
Laisser le cache travailler
Le début du contexte déjà envoyé est facturé ~50 fois moins cher (cache touché). C'est automatique : moins vous recommencez de zéro, plus vous payez peu.
Nettoyer le contexte
Une session qui traîne relit sans arrêt les mêmes fichiers et les mêmes erreurs. Compacter (voir OpenCode) ou repartir d'une session neuve coûte souvent moins cher que continuer.
Réserver la « réflexion » aux cas difficiles
Le mode thinking produit des milliers de tokens de raisonnement, facturés en sortie. Pour renommer un fichier ou corriger une faute, il ne sert à rien.
Demander petit
Une demande précise = une réponse courte = moins de tokens. « Ajoute un titre » coûte moins que « refais toute la page », et se corrige mieux.
Quatre croyances à vérifier
« Il se souvient de notre conversation d'hier. »
Non : un modèle est sans mémoire. L'agent lui renvoie le contexte à chaque tour. S'il n'envoie pas un fichier, le modèle ne le voit pas.
« Il a dit que c'était corrigé, donc c'est corrigé. »
Il dit ce qui est plausible. Seul un test dans le navigateur prouve quelque chose. Le ton assuré n'est pas une preuve.
« Avec 1 million de tokens de contexte, il sait tout. »
Une grande fenêtre n'est pas une grande attention : noyé dans trop de texte, le modèle rate l'essentiel. Un contexte propre vaut mieux qu'un contexte énorme.
« Plus cher = meilleur. »
La différence entre Flash et Pro se voit sur les problèmes difficiles. Sur une page web classique, vous payez surtout des tokens de sortie : mieux vaut un bon prompt qu'un gros modèle.
Pour aller plus loin
Piloter l'agent
Un bon prompt réduit le nombre de tokens… et le nombre d'essais.
Espace de travailOpenCode
Suivre le coût d'une session, compacter au bon moment.
MéthodeLe workflow
La boucle qui évite de payer pour du travail jeté.
SourcePrix officiels DeepSeek
La page de référence, à revérifier avant de budgéter.