Optimiser ses coûts
Maîtriser son budget API
Utiliser les modèles Grok en production peut représenter un investissement significatif. La bonne nouvelle : xAI offre plusieurs leviers d’optimisation qui, correctement exploités, peuvent réduire vos coûts de 50 % à 90 %. Cette leçon vous présente les stratégies concrètes pour y parvenir.
Le cache automatique : votre meilleur allié
Le cache de xAI est le mécanisme d’économie le plus puissant à votre disposition. Il fonctionne automatiquement : lorsque deux requêtes partagent un préfixe commun (même prompt système, même début de conversation), les tokens déjà traités sont récupérés depuis le cache au lieu d’être recalculés.
La réduction est massive :
- Grok 4.20 : tokens cachés à $0.20/M au lieu de $2.00/M (90 % de réduction)
- Grok 4-1 Fast : tokens cachés à $0.05/M au lieu de $0.20/M (75 % de réduction)
Maximiser le taux de cache
Pour tirer le meilleur parti du cache, respectez ces principes :
Gardez votre prompt système stable. C’est le préfixe le plus long et le plus fréquemment réutilisé. Si vous le modifiez entre les requêtes, le cache est invalidé pour l’intégralité de la requête.
Ajoutez toujours les nouveaux messages à la fin. Ne réorganisez pas l’historique de conversation — chaque modification du préfixe casse le cache.
Utilisez le header x-grok-conv-id. Ce header, qui prend un UUID v4, indique à xAI que plusieurs requêtes appartiennent à la même conversation. Cela améliore le routage vers le cache approprié.
x-grok-conv-id: 550e8400-e29b-41d4-a716-446655440000Utilisez le même UUID pour toutes les requêtes d’une même conversation, et un nouvel UUID pour chaque nouvelle conversation.
La Batch API : -50 % sur les tokens
La Batch API, disponible depuis janvier 2026, offre une réduction de 50 % sur les tarifs standard des tokens. Le principe : vous soumettez un lot de requêtes et récupérez les résultats de manière asynchrone, au lieu d’obtenir des réponses en temps réel.
| Modèle | Entrée standard | Entrée batch | Sortie standard | Sortie batch |
|---|---|---|---|---|
| Grok 4.20 | $2.00 | $1.00 | $6.00 | $3.00 |
| Grok 4-1 Fast | $0.20 | $0.10 | $0.50 | $0.25 |
Important : la réduction batch ne s’applique qu’aux tokens texte. Les générations d’images et de vidéos restent au tarif standard, même via la Batch API.
Depuis mars 2026, vous pouvez uploader vos fichiers JSONL via la Files API pour soumettre vos batchs, ce qui simplifie le workflow.
Choisir le bon modèle
Le choix du modèle est souvent le levier d’optimisation le plus impactant. Voici un cadre de décision orienté coût :
Par défaut, utilisez Grok 4-1 Fast non-reasoning. C’est le modèle le plus économique pour la majorité des tâches. Entrée à $0.20/M, sortie à $0.50/M.
Activez le reasoning uniquement quand c’est nécessaire. Les tokens de raisonnement sont facturés au tarif de sortie. Une requête reasoning peut coûter 2 à 5 fois plus qu’une requête non-reasoning sur le même modèle.
Montez vers Grok 4.20 uniquement pour les tâches complexes qui nécessitent un raisonnement approfondi. Ne l’utilisez pas pour de la classification ou du résumé simple.
Utilisez grok-code-fast-1 pour le code plutôt que Grok 4.20. Il est 4 fois plus rapide et 10 fois moins cher.
Le Provisioned Throughput (Enterprise)
Pour les clients Enterprise avec des volumes prévisibles, le Provisioned Throughput offre une capacité dédiée avec un SLA de 99.9 %. Le modèle de facturation est à $10.00 par jour par unité, avec un engagement minimum de 30 jours.
C’est pertinent si vous avez besoin de latences garanties et de limites de débit plus élevées que le pay-as-you-go. L’intérêt économique dépend de votre volume : calculez votre consommation mensuelle en pay-as-you-go et comparez avec le coût provisionné.
Stratégie combinée
La stratégie optimale combine plusieurs leviers :
- Grok 4-1 Fast non-reasoning comme modèle par défaut
- Cache maximisé via des prompts stables et
x-grok-conv-id - Batch API pour tous les traitements qui ne nécessitent pas de réponse immédiate
- Routing intelligent vers Grok 4.20 uniquement quand la qualité l’exige
En combinant cache (jusqu’à -90 %) et batch (-50 %), vous pouvez atteindre des coûts effectifs très bas, même avec des volumes importants.
Points clés à retenir
- Le cache automatique est le levier le plus puissant : jusqu’à 90 % de réduction
- Utilisez
x-grok-conv-idpour améliorer le taux de cache - La Batch API offre 50 % de réduction sur les tokens texte
- Choisissez le modèle le moins cher qui satisfait vos exigences de qualité
- Grok 4-1 Fast non-reasoning est le défaut optimal pour la plupart des cas
- Combinez cache + batch + bon modèle pour maximiser les économies