Compteur de tokens pour LLM

Un token est l'unité que lit et écrit un modèle de langage : un fragment de mot plutôt que le mot entier. En anglais on compte environ 1,1 token par mot, soit quatre à six caractères par token. Les mots fréquents tiennent souvent dans un seul token, les mots rares se découpent (« tokenizer » devient token / iz / er). La facturation, les limites de débit et la fenêtre de contexte se mesurent en tokens, jamais en mots ni en caractères : d'où l'intérêt de compter avant d'appeler l'API.

Cela dépend entièrement du modèle, et la règle « un caractère = un token » est désormais fausse pour les plus récents. Mesuré avec les vocabulaires réels, la phrase de 14 caractères 今天天气很好，我们出去玩吧. donne 9 tokens en o200k_base (GPT-4o, GPT-5, o3 et suivants) mais 17 en cl100k_base (GPT-4, GPT-3.5). OpenAI a élargi la couverture du chinois en 2024 : environ 0,6 token par caractère sur les modèles actuels, contre 1,2 sur les anciens. Le japonais et le coréen suivent la même logique.

Trois raisons. D'abord, le chiffre affiché par défaut est une estimation statistique calée sur des mesures réelles : ±10 % en mono-langue, jusqu'à ±25 % quand le prompt mélange plusieurs écritures. Ensuite, une requête de chat n'est pas que votre texte : le fournisseur l'enveloppe de tokens de contrôle pour les rôles, et les modèles de raisonnement facturent des tokens de réflexion invisibles. Enfin, les vocabulaires évoluent à chaque génération de modèle. Le bouton « Comptage exact » supprime la première source d'erreur.

Non. L'estimation s'appuie sur un petit script local et le comptage exact télécharge un vocabulaire BPE ouvert d'environ 1 Mo, puis découpe votre texte dans cet onglet. Le texte ne quitte pas l'appareil et, une fois le fichier en cache, plus aucune requête n'est émise.

Pas avec un vocabulaire public. Anthropic et Google n'ont jamais publié leurs tokenizers, donc tout site qui annonce un compte exact de Claude ou Gemini estime lui aussi. Cet outil applique un profil calibré sur des comptes OpenAI réels et affiche une estimation. Un piège à connaître : Claude 4.7 et tous les modèles qui suivent utilisent un tokenizer plus récent, ce qui fait facturer davantage de tokens pour un texte identique par rapport à 4.6 et avant ; Anthropic parle d'environ 35 % de plus au maximum. Pour un vrai chiffre, utilisez /v1/messages/count_tokens chez Anthropic ou countTokens chez Google : les deux renvoient le compte du fournisseur.

La fenêtre de contexte est le budget cumulé du prompt et de la réponse générée, en tokens. Un modèle à 128k ne vous laisse pas 128k de prompt : le system prompt, les définitions d'outils, les documents récupérés et la sortie réservée se prennent sur le budget. En octobre 2026, les fenêtres actuelles valent environ 400k pour GPT-5 à 5.3, près de 1M pour GPT-5.4 à 5.6 et GPT-6, 1M pour Claude Opus 5.5, Sonnet 5.5, Haiku 5.5 et Fable 5.1, et 1 048 576 pour Gemini 4 Argon, où Gemini compte ensemble l'entrée, le raisonnement et la sortie. La barre sous le compteur soustrait votre texte de la fenêtre que vous fixez : saisissez le budget d'entrée si votre fournisseur en publie un plus petit.

Uniquement les caractères. Images, audio et pages PDF sont facturés selon leurs propres règles : une image devient généralement un nombre de patches fonction de la résolution, et non du texte lisible qu'elle contient. Les schémas JSON des fonctions et outils consomment, eux, de vrais tokens de texte : collez-les ici pour mesurer ce coût.