Quel LLM pour une PME en 2026 : prix, données et usages

Mise à jour du 1er novembre 2026 : article réécrit avec les grilles tarifaires officielles. Corrections : Mistral Large 2 n'est plus le modèle de référence de Mistral ; Mistral AI ne vaut pas « près de 20 Md$ » mais plus de 21 Md€ ; Anthropic propose du fine-tuning (Claude 3 Haiku sur Amazon Bedrock) ; surtout, le fine-tuning n'est plus un critère décisif, Mistral ayant déprécié sa fonction de fine-tuning et OpenAI fermant la sienne aux nouveaux utilisateurs. Le « Campus IA de 3 GW » et les classements d'agences, non vérifiés, sont retirés.

Pour une PME française, le choix entre Mistral, OpenAI et Anthropic ne se joue plus sur le fine-tuning, que deux des trois fournisseurs abandonnent, mais sur trois critères simples : le prix par usage, l'endroit où les données sont traitées et la facilité d'intégration. Les grilles officielles consultées le 1er novembre 2026 montrent des écarts de prix de 1 à 100 selon le modèle choisi. La bonne décision consiste souvent à utiliser deux modèles, pas un seul.

Combien coûtent les modèles via API ?

Les trois fournisseurs facturent au million de tokens, l'unité de découpage du texte traitée par les modèles. Prix publics en dollars, hors remises :

• Anthropic, selon sa page tarifaire : Claude Haiku 5.5 à 0,10 $ en entrée et 0,50 $ en sortie (pour des requêtes de moins de 100 000 tokens), Sonnet 5.5 à 2 $ et 10 $, Opus 5.5 à 4 $ et 20 $.
• OpenAI, selon sa documentation tarifaire : gpt-6-luna à 0,10 $ et 0,50 $, gpt-6.1-terra à 1 $ et 5 $, gpt-6.1-sol à 2 $ et 10 $, gpt-6-astra à 10 $ et 50 $.
• Mistral AI, selon sa page tarifaire : Mistral Large à 0,50 $ en entrée et 1,50 $ en sortie ; les autres modèles renvoient à leurs fiches. Le traitement par lots réduit le prix de 50 %.

Deux enseignements pour une PME. Selon notre calcul à partir de ces grilles, les petits modèles (Haiku, luna) coûtent 20 à 100 fois moins cher que les plus puissants et suffisent pour classer des e-mails, extraire des données de factures ou résumer des documents. Mistral Large se place à un prix intermédiaire très bas pour un modèle de cette catégorie. Notre analyse de Mistral Large 4 pour les DSI détaille ses performances.

Et les abonnements pour les équipes ?

Beaucoup de PME n'utilisent pas l'API mais un assistant conversationnel pour leurs salariés. Les offres équipe se tiennent :

• ChatGPT Business : 20 $ par utilisateur et par mois en engagement annuel, 25 $ en mensuel, selon la page tarifaire d'OpenAI.
• Claude Team : mêmes niveaux, 20 $ en annuel et 25 $ en mensuel pour un siège standard, selon Anthropic.
• Le Chat Team de Mistral : 24,99 $ par utilisateur et par mois, Le Chat Pro à 14,99 $ pour un usage individuel.

Mistral indique que ses offres Pro, Team et Enterprise permettent de refuser l'utilisation des données pour l'entraînement, et OpenAI annonce pour son offre Enterprise l'absence d'entraînement sur les données professionnelles par défaut. À ce niveau de prix, le choix se fait sur l'usage réel : qualité en français, connecteurs vers les outils de l'entreprise, gestion des droits.

Où sont traitées les données ?

C'est le critère qui sépare le plus les trois offres, et il compte pour le RGPD.

• OpenAI propose depuis février 2025 une résidence des données en Europe : pour l'API, les nouveaux projets configurés en Europe sont traités dans la région avec zéro rétention des données ; pour ChatGPT Enterprise, les contenus sont stockés en Europe. Les points d'accès régionaux sont facturés 10 % plus cher pour les modèles récents.
• Anthropic renvoie, pour un traitement dans l'Union européenne, à ses partenaires cloud : selon sa page de conformité régionale, Amazon Bedrock et Google Vertex le proposent en Europe, Microsoft Foundry « bientôt ».
• Mistral AI est la seule à permettre d'héberger ses modèles soi-même. Sa page tarifaire indique que les modèles peuvent être auto-hébergés « n'importe où » et que l'offre Enterprise se déploie en cloud privé ou sur site, les données restant dans l'environnement du client.

Pour une PME qui traite des données de santé, des dossiers clients sensibles ou des données RH, l'hébergement chez soi ou dans un cloud européen maîtrisé simplifie l'analyse RGPD. Nous expliquions dans notre article sur les modèles open-weight ce que cela suppose en compétences internes.

Fine-tuning : un critère qui a perdu son poids

La version précédente de cet article faisait du fine-tuning l'avantage décisif de Mistral. Ce n'est plus vrai. La documentation de Mistral signale que sa fonction de fine-tuning est « dépréciée » et n'est plus activement maintenue. OpenAI indique dans sa documentation tarifaire qu'il arrête progressivement sa plateforme de fine-tuning, fermée aux nouveaux utilisateurs. Chez Anthropic, le fine-tuning n'existe que pour Claude 3 Haiku, sur Amazon Bedrock, dans une seule région américaine.

Pour une PME, c'est plutôt une bonne nouvelle. L'adaptation à un métier passe désormais par la recherche documentaire augmentée (RAG, qui fournit au modèle les documents de l'entreprise au moment de la question), des consignes bien rédigées et des exemples. Ces méthodes coûtent moins cher, se modifient sans réentraîner et fonctionnent avec les trois fournisseurs.

Quel LLM pour quel usage en PME ?

Selon notre lecture des offres, quatre profils se dégagent :

• Volume élevé, tâches simples (tri de mails, extraction, résumés) : un petit modèle (Claude Haiku, gpt-6-luna) ou Mistral Large en traitement par lots.
• Rédaction, analyse et code : un modèle intermédiaire (Sonnet, gpt-6.1-sol ou terra, Mistral Large), à tester en français sur vos propres documents.
• Données sensibles ou secteur régulé : Mistral auto-hébergé, ou l'API européenne d'OpenAI, ou Claude via un cloud européen, selon les compétences disponibles.
• Assistant pour les salariés : un abonnement équipe à 20 ou 25 $ par mois, choisi après un essai d'un mois sur un groupe pilote.

La valorisation des fournisseurs n'est pas un critère de qualité, comme nous le montrions en comparant Mistral AI, OpenAI et Anthropic. Elle compte surtout pour évaluer la pérennité du fournisseur.

Ce que les dirigeants de PME doivent faire maintenant

1. Lister trois cas d'usage chiffrés (volume de documents, temps passé aujourd'hui) avant de choisir un fournisseur.
2. Tester deux modèles sur un échantillon de vos propres documents, en mesurant qualité, délai et coût par tâche.
3. Vérifier la localisation des traitements et signer l'avenant de traitement des données (DPA) proposé par le fournisseur.
4. Ne pas payer pour du fine-tuning : commencer par une base documentaire et des consignes, plus simples à maintenir.
5. Garder la possibilité de changer de modèle : les prix bougent vite, et une architecture qui sépare l'application du modèle évite d'être captif.

Sources : Anthropic, OpenAI, Mistral AI. Article rédigé avec l'aide de l'IA selon notre [charte](https://www.shareware.fr/charte-ia).