Compter les tokens LLM et estimer le coût API en local (OpenAI, Claude, Gemini)
Avant d'appeler une API LLM : comptez les tokens, estimez le coût USD et vérifiez la fenêtre de contexte — 100 % dans le navigateur, sans envoyer votre prompt.
Pourquoi compter les tokens avant d'appeler une API LLM ?
Chaque requête vers OpenAI, Anthropic ou Google est facturée en tokens d'entrée et tokens de sortie — pas en mots ou en caractères. Un system prompt long, des exemples few-shot ou un historique multi-tours consomme la fenêtre de contexte avant même votre question utilisateur. Sans mesure préalable, vous découvrez le dépassement au moment de l'erreur 400, ou la facture en fin de mois. Sur FastMinify, le compteur de tokens LLM, le calculateur de tarification LLM et le calculateur de fenêtre de contexte tournent entièrement dans votre navigateur — votre texte ne quitte jamais l'appareil. Explorez le hub outils IA & LLM pour le workflow complet.
Limites honnêtes et bonnes pratiques
FastMinify vise la planification rapide dans le navigateur — pas la réconciliation comptable ni l'optimisation runtime.
Compter révèle souvent du gras évitable dans system prompts et contexte dupliqué.
Contrairement à de nombreux compteurs en ligne qui envoient le texte à un serveur, FastMinify tokenise localement. Pratique pour des prompts contenant du code propriétaire, des PII ou des specs internes.
Tokens, tiktoken et heuristiques : ce que vous mesurez vraiment
Un token peut être un mot entier, une syllabe, de la ponctuation ou un fragment. « Développement » peut valoir plusieurs tokens selon le modèle ; « API » souvent un seul. C'est pourquoi un compteur de mots ne remplace pas un compteur de tokens pour la facturation LLM.
FastMinify charge js-tiktoken à la demande pour les modèles OpenAI (encodages o200k_base ou cl100k_base) et affiche le badge Exact. Pour Claude et Gemini, Anthropic et Google ne publient pas de tokenizer navigateur — nous appliquons une heuristique caractères/token (±5–15 % typique) avec le badge Estimate.
[{"role","content"}] avec overhead ChatMLLe coût dépend des deux sens : prompt (input) et completion (output). La fenêtre de contexte limite la somme input + output réservé — le calculateur de fenêtre de contexte soustrait une réserve de sortie (15 % par défaut) pour estimer le budget input effectif.
Workflow en trois outils : compter, estimer, vérifier la fenêtre
Collez votre prompt ou un tableau messages JSON dans le compteur de tokens LLM. Max 512 KiB UTF-8. Basculez Compare all models pour voir le décompte sur l'ensemble du registre.
Transférez input/output tokens dans le calculateur de tarification LLM, ou collez le prompt pour dériver les tokens input via la même pipeline countTokensAsync. Les tarifs proviennent d'une table llm-models.json revue manuellement — date de vérification affichée sur l'outil.
Le calculateur de fenêtre de contexte réutilise la même pipeline de comptage et compare votre prompt au budget effectif (fenêtre − réserve output). Idéal avant un agent multi-tours ou un gros collage RAG.
Vous assemblez system prompt + 20 chunks vectoriels + question utilisateur pour GPT-4o.
Compter le contexte complet
Collez l'ensemble (ou le tableau messages) dans le compteur. Notez input tokens sur le modèle cible et vérifiez le badge Exact vs Estimate.
Tester la marge contextuelle
Ouvrez le calculateur de fenêtre de contexte avec le même texte. Si statut Near limit ou Won't fit, réduisez les chunks ou passez à un modèle à plus grande fenêtre.
Projeter le coût mensuel
Dans le calculateur de prix, saisissez input tokens, estimez output tokens (ex. 500), activez caching si le system prompt est stable, puis multipliez par vos appels/jour prévus.
Conclusion
Compter les tokens avant l'appel API évite les surprises de troncature et de facture. Utilisez le compteur LLM pour un décompte honnête (Exact OpenAI, Estimate ailleurs), le calculateur de fenêtre de contexte pour valider la marge RAG ou multi-tours, puis le calculateur de tarification pour projeter le coût USD — le tout dans le navigateur, sans envoyer votre prompt aux fournisseurs.
Articles connexes
Testez payloads API et fichiers config contre un JSON Schema — erreurs par chemin JSON Pointer.
operationId, tags, responses d'erreur : les règles qui évitent la dette sur vos specs OpenAPI.
Erreurs de schéma, $ref cassées, responses manquantes : validez votre contrat API OpenAPI 3.0–3.2 dans le navigateur.