11 novembre 2026 · Équipe VRAMfarm

Coût par image, par clip vidéo et par million de tokens sur un GPU loué, calcul à l’appui

Une image Flux sur une RTX 4090 louée coûte une fraction de centime tant que la carte tourne à plein, et 0,15 € si vous lancez un serveur pour une seule image avant de l’arrêter. Le prix horaire compte moins que le nombre de minutes de l’heure réellement utilisées par votre tâche. Chaque total ci-dessous (images, clip vidéo, million de tokens, entraînement de LoRA) est donné avec le débit qui le sous-tend, pour que vous puissiez y mettre vos propres chiffres.

Les prix des tableaux sont à jour : ils viennent du catalogue actuel, et les totaux suivent donc le marché. Les débits sont des fourchettes de planification tirées de retours publics de la communauté et d’un calcul sur la bande passante mémoire, pas de nos propres benchmarks. Partez du milieu de chaque fourchette, puis chronométrez votre propre tâche pendant les 15 premières minutes, que vous payez de toute façon.

La formule derrière chaque total

Toute tâche sur une carte louée se compose des quatre mêmes éléments :

1. Les minutes d’installation. Installation des paquets et téléchargement des modèles. Les 2 à 5 minutes avant que le serveur soit prêt sont gratuites, mais les applications prêtes à l’emploi récupèrent leurs modèles après ce moment : quelques minutes pour un modèle d’image, jusqu’à 10 à 15 minutes pour un gros modèle vidéo. Ces minutes sont facturées comme les autres.
2. Les minutes de travail. Le GPU qui exécute votre tâche, plus le temps que vous passez à regarder les résultats et à taper le prompt suivant.
3. Le trafic. Les téléchargements de modèles comptent comme du trafic, facturé au Go au tarif de la machine, affiché avant le lancement. Environ 17 Go de poids Flux, c’est environ 17 Go de trafic.
4. Le stockage, seulement si vous gardez un dossier enregistré entre deux sessions : 0,03 € par Go et par mois.

La facturation se fait à la minute avec un minimum de 15 minutes par lancement, à un prix par minute fixé au démarrage. Une tâche de 4 minutes coûte quand même 15 minutes. La page des tarifs donne le tarif horaire actuel de chaque carte.

Images : Flux et SDXL

Les modèles d’image sont surtout limités par la puissance de calcul. La vitesse dépend de quatre facteurs : la résolution (doubler la largeur et la hauteur, c’est quatre fois plus de pixels et environ quatre à cinq fois plus de temps), le nombre d’étapes (Flux schnell en demande 4, Flux dev 20 à 30, SDXL 25 à 40), la précision (le FP8 tourne nativement sur les cartes Ada, Hopper et Blackwell, alors que les cartes Ampere comme la RTX 3090 perdent cette accélération) et les extras comme ControlNet, plusieurs LoRA ou un upscaler.

Toutes les lignes : 1024×1024, taille de lot 1, ComfyUI avec une file qui occupe la carte en permanence.

Divisez la dernière colonne par 1 000 pour obtenir le prix d’une image. Une H100 coûte plusieurs fois plus cher de l’heure qu’une RTX 4090, mais elle est loin d’être plusieurs fois plus rapide sur Flux : pour l’image, les cartes grand public l’emportent généralement. Une carte plus lente à un tarif horaire bien plus bas peut aussi gagner par image : comparez les lignes RTX 3090 et RTX 4090.

Le tableau suppose une file pleine ; à la main, vous passez plus de temps à juger les résultats que la carte à les produire. Une session typique avec le modèle Flux sur une RTX 4090 : environ 5 minutes de téléchargement du modèle, 45 minutes de prompts qui donnent quelque 150 images, puis arrêt. Cela fait 50 minutes facturées, 0,49 €, plus environ 17 Go de trafic ; chaque image coûte environ 1/150 de la session.

Vidéo : un clip Wan 2.2 de 5 secondes

Le modèle Wan 2.2 5B (TI2V) tient sur une carte de 24 Go et rend 121 images à 24 i/s pour 5 secondes. Le modèle 14B se compose de deux experts de 14B chargés à tour de rôle, l’un pour les premières étapes bruitées, l’autre pour les détails ; en FP8, notre modèle demande 48 Go. Une LoRA d’accélération en 4 étapes divise plusieurs fois le temps de rendu du 14B, avec une certaine perte de détail dans le mouvement.

Le temps de rendu vidéo croît avec le nombre d’images multiplié par le nombre de pixels. Descendre en 832×480 le divise environ par deux, voire plus : c’est un bon moyen de tester vos prompts avant le rendu final.

Une minute de vidéo finie, c’est douze clips de 5 secondes. Si vous gardez une tentative sur trois, cela fait 36 rendus. Sur une L40S à 6 minutes chacun, plus une douzaine de minutes de téléchargement du modèle, la session dure environ 3 h 50 min : 4,03 €. Le modèle de génération vidéo propose les deux tailles de modèle, prêtes à l’emploi.

Un million de tokens : modèles 8B, 32B et 70B

La génération de texte est surtout limitée par la bande passante mémoire : pour chaque nouveau token, la carte relit tout le modèle en mémoire. Un modèle 32B en 4 bits pèse environ 20 Go et une RTX 4090 lit environ 1 000 Go/s : un utilisateur seul plafonne donc vers 50 tokens par seconde et en obtient 30 à 40 en pratique. Servir de nombreuses requêtes à la fois, comme le fait vLLM, ne lit les poids qu’une fois pour tout le lot : le débit total est multiplié par 10 à 50, jusqu’à ce que le calcul ou la mémoire du KV-cache arrive à saturation.

Un million de tokens a donc deux prix très différents : une personne qui discute, et une file de traitement par lots pleine. Les chiffres ci-dessous concernent les tokens de sortie ; les tokens du prompt sont traités 10 à 50 fois plus vite.

Les chiffres par lots dépendent fortement de la longueur des prompts et des réponses, du nombre de requêtes parallèles et de la version de vLLM. Une tâche courte paie quand même le minimum : 8 minutes de travail en 8B sur une RTX 4090 sont facturées 15 minutes, soit 0,15 €. Le tableau donne le rythme de croisière pour des tâches plus longues, comme classer des millions de descriptions de produits pendant la nuit avec le serveur vLLM.

Personne n’échange un million de tokens par jour en discutant : un chat privé se paie en réalité à l’heure, 0,59 € pour Qwen3 32B sur une RTX 4090, que vous envoyiez dix messages ou deux cents.

Entraîner une LoRA Flux

Une LoRA de personnage ou de style typique sur Flux.1 dev : 20 à 30 images légendées, environ 2 000 étapes jusqu’à 1024 px, avec le modèle de base chargé en 8 bits par un outil d’entraînement comme ai-toolkit pour tenir dans 24 Go.

Ajoutez 15 à 25 minutes pour installer l’outil d’entraînement et télécharger Flux.1 dev avec ses encodeurs de texte (environ 30 à 35 Go selon le format de l’outil), puis quelques images de test. Un premier entraînement réaliste sur une RTX 4090 représente environ 2 h 06 min facturées : 1,24 €, plus le trafic. Flux.1 dev est en accès restreint sur Hugging Face : acceptez sa licence sur la page du modèle (et vérifiez ses conditions pour un usage commercial) et préparez un token d’accès, sinon le téléchargement s’arrête au premier fichier.

Louer un GPU ou payer une API à l’appel

Les API facturent au résultat : à l’image, à la seconde de vidéo, au million de tokens. Vous ne payez rien entre deux appels et n’attendez jamais de téléchargement. Une carte louée se paie à la minute quoi qu’elle fasse : elle ne l’emporte que si vous l’occupez.

Pour trouver votre seuil de rentabilité, divisez le coût d’une session réaliste (installation plus travail, au moins 15 minutes) par le prix d’un résultat via l’API. Les prix à l’image des API pour les modèles de la classe de Flux se comptent généralement en centimes, alors qu’une RTX 4090 bien occupée descend nettement sous le centime : le seuil tombe donc souvent à quelques dizaines d’images par session.

Pour les LLM, c’est moins tranché. Les API hébergées de modèles ouverts de 8B à 70B sont difficiles à battre pour un usage faible et irrégulier. La location a du sens quand :

• vous avez un gros volume à traiter en parallèle, comme l’étiquetage, la traduction ou le résumé de milliers de documents ;
• les données doivent rester sur une seule machine que vous contrôlez, sans API externe ;
• vous utilisez votre propre modèle fine-tuné ou un modèle qu’aucune API ne propose ;
• vous avez besoin de quelques heures sans limite de débit.

Et parfois, vous n’avez pas besoin de GPU du tout. Si vous faites 20 images par mois ou posez quelques questions par semaine à un LLM, une API à l’appel ou une offre gratuite coûte moins cher que la session minimale.

Comment limiter la facture

• Regroupez les petites tâches en une seule session. Trois tâches de 5 minutes en trois lancements coûtent trois fois 15 minutes.
• Arrêtez le serveur quand vous avez fini : la facturation s’arrête dans la minute. La protection contre l’inactivité vous envoie un e-mail après 2 heures sans SSH, Jupyter ni charge GPU, et arrête le serveur une heure plus tard ; mais trois heures d’inactivité sur une RTX 4090 coûtent quand même 1,77 €.
• N’enregistrez que ce que vous ne pouvez pas retélécharger. Vos propres LoRA et checkpoints ont leur place dans le dossier enregistré (30 Go coûtent 30 × 0,03 € par mois). Les poids publics, en général non : les restaurer, c’est aussi du trafic, et souvent pas plus rapide qu’un nouveau téléchargement. L’article sur les fichiers après l’arrêt compare les deux options.
• Choisissez la carte d’abord selon la mémoire, puis selon le prix par résultat. Le sélecteur de VRAM montre quelles cartes conviennent à votre modèle.
• Chronométrez votre propre tâche pendant les 15 premières minutes, extrapolez, et décidez avant de lancer le long traitement.