Une IA locale sans limite de tokens n'est pas un slogan : la limite n'est ni une panne ni un caprice du fournisseur, mais la conséquence directe d'un modèle économique. Comprendre d'où elle vient explique pourquoi elle disparaît quand le modèle tourne chez vous.
Un modèle de langage ne lit pas des mots : il lit des tokens. Un token est un fragment de texte — un mot court, une partie de mot long, un signe de ponctuation. Pour donner un ordre de grandeur : un mot courant correspond souvent à un ou deux tokens, et un texte de mille mots représente un nombre de tokens du même ordre de grandeur, sans que le rapport soit exact.
Cette unité mesure le travail réel de la machine. Chaque token produit mobilise du calcul, et chaque token lu — la question posée, mais aussi les documents ou l'historique qu'on y joint — occupe de la mémoire pendant le traitement. Un modèle qui synthétise trente pages de documents fournit beaucoup plus de travail qu'une question de politesse. C'est exactement le profil d'un usage professionnel.
Un abonnement à prix fixe pour un service dont le coût varie avec l'usage crée mécaniquement un déséquilibre. Les plafonds sont la façon de le tenir.
Faire tourner un modèle de langage exige des machines spécialisées, coûteuses et gourmandes en énergie. Chaque requête consomme une part de cette capacité, sur une infrastructure dimensionnée pour l'ensemble des clients.
Un abonnement individuel suppose que la majorité des utilisateurs consomme peu, pour que quelques gros consommateurs restent absorbables. Le prix est calculé sur une moyenne d'usage, dont une entreprise qui produit tous les jours sort rapidement.
Un service accessible en ligne doit se protéger des usages automatisés : revente d'accès, scripts qui enchaînent les requêtes, partage massif d'un même compte. Les plafonds limitent ces comportements, au prix d'une contrainte pour les utilisateurs légitimes.
Les formes que prend cette limite. Elles sont techniques avant d'être commerciales : un quota qui se réinitialise par fenêtre horaire, une limitation du débit lorsque le service est saturé, des paliers réservant les modèles les plus lourds aux formules les plus chères, une file d'attente aux heures de pointe. Nous ne citons volontairement aucun seuil chiffré : ces valeurs changent souvent et ne sont pas publiées de manière stable. Le mécanisme, lui, reste le même.
Le coût réel d'un quota atteint n'est pas financier. Il est organisationnel.
Ce phénomène est d'autant plus difficile à anticiper qu'il est invisible dans les comptes : aucun poste de dépense ne signale les heures perdues. Une IA intégrée au processus qui s'arrête en cours de route vaut moins qu'une IA utilisée ponctuellement, parce qu'on ne peut plus compter sur elle — un point que traite notre page sur la connexion de l'IA à vos outils existants.
Le raisonnement s'inverse : le coût du calcul n'est plus porté par un tiers qui doit le refacturer, mais une fois par la machine que vous avez choisie.
Personne ne compte vos tokens, aucune facture ne dépend du volume de requêtes, et il n'y a pas de fenêtre à attendre. Relancer dix fois une analyse pour l'affiner ne change rien à la dépense du mois.
La capacité de la machine reste finie : si plusieurs personnes sollicitent le modèle en même temps sur une configuration modeste, les réponses ralentissent. C'est une contrainte de dimensionnement, que l'on corrige en ajoutant de la capacité.
Ajouter un utilisateur ne déclenche pas une ligne d'abonnement supplémentaire : l'adoption devient une décision d'organisation, et non un arbitrage budgétaire poste par poste. Le calcul se pose dans notre comparatif chiffré.
Les documents envoyés au modèle ne quittent pas votre réseau — conséquence directe du fait que le calcul a lieu chez vous, comme l'explique notre page sur l'IA souveraine en entreprise.
Les repères ci-dessous sont des ordres de grandeur indicatifs, destinés à comprendre la logique. Le dimensionnement réel se fait sur vos usages mesurés.
La bonne méthode consiste à partir d'une configuration calibrée sur les usages constatés, puis à l'ajuster. Un audit préalable évite les deux erreurs symétriques : acheter trop gros pour un besoin modeste, ou sous-dimensionner et décevoir les équipes. Une fois l'installation en place, l'accès depuis l'extérieur se traite séparément, comme l'explique notre page sur l'accès distant sécurisé.
Un token est un fragment de texte : un mot court, une partie de mot long, un signe de ponctuation. Les modèles ne lisent pas des mots mais des tokens, et c'est cette unité qui mesure la charge de calcul, à l'entrée comme à la sortie.
Parce que chaque requête coûte du calcul au fournisseur, sur des machines qu'il doit payer et dimensionner. Un abonnement à prix fixe est rentable avec un usage modéré et coûteux avec un usage intensif : les limites protègent cette équation. Elles dépendent de la capacité disponible et des conditions commerciales, qui évoluent.
Nous ne donnons volontairement aucun chiffre : ces seuils changent souvent, varient selon les formules et ne sont pas publiés de façon stable. Le mécanisme, lui, ne change pas : un plafond existe, il se réinitialise par fenêtre, et il s'applique à tous les utilisateurs rattachés au même contrat.
Il n'y a plus de plafond commercial : personne ne compte vos tokens et aucune facture ne dépend du volume de requêtes. La limite devient physique : la puissance de la machine choisie. Si plusieurs personnes l'utilisent en même temps sur une configuration modeste, les réponses ralentissent. C'est une contrainte de capacité, pas un quota imposé.
Le dimensionnement part des usages : nombre d'utilisateurs simultanés, taille des documents traités, temps de réponse acceptable. Trois ressources comptent : la mémoire disponible pour le modèle, la puissance de calcul et la vitesse de lecture des données. On commence par une configuration adaptée aux usages constatés, puis on l'augmente.
Pas systématiquement. Les modèles ouverts existent en plusieurs tailles : un modèle plus récent mais plus petit peut tenir sur la même machine, et un modèle plus gros peut nécessiter du matériel supplémentaire. Le choix du modèle reste une décision technique et budgétaire qui vous appartient, comme l'explique notre page sur l'IA souveraine en entreprise.
Un audit permet de chiffrer votre usage réel et de vérifier ce qu'une installation locale changerait chez vous.
