---
title: "Choisir un fournisseur d’API LLM : checklist en 20 points"
description: "Vingt questions avant de choisir une API LLM : prix, limites, compatibilité OpenAI, confidentialité, modèles, support, disponibilité, grille et plan de test."
url: https://broadrouter.com/fr/blog/choose-llm-api-provider-checklist/
lang: fr
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/blog/choose-llm-api-provider-checklist/) (mis à jour le 2026-11-16).

# Comment choisir un fournisseur d’API LLM : checklist en 20 points

Par l’équipe BroadNet Inference · 5 min de lecture · Publié 2026-11-14 · Mis à jour 2026-11-16

Choisissez un fournisseur d’API LLM en le notant sur six domaines : coût total de votre charge de travail réelle, limites de débit et de concurrence, compatibilité OpenAI, conditions de conservation des données et d’entraînement, modèles et tailles de contexte nécessaires, support et fiabilité. Faites ensuite un test d’une semaine avec votre propre trafic avant de vous engager. Le prix au token seul est un mauvais guide.

## À retenir

-   Chiffrez votre charge de travail réelle, y compris l’entrée en cache, les tokens de raisonnement et les nouvelles tentatives, et pas seulement le prix d’entrée affiché.
-   Les limites de concurrence bloquent les agents et les traitements par lots plus souvent que les limites de requêtes par minute.
-   La compatibilité OpenAI rend un changement peu coûteux, mais vérifiez l’usage renvoyé en streaming, les appels d’outils et les codes d’erreur.
-   Obtenez par écrit les conditions de conservation et d’entraînement ; elles diffèrent entre offres gratuites et payantes.
-   Faites un essai d’une semaine avec du trafic réel et journalisez tokens, latence et erreurs avant de vous engager.

**Sur cette page**

1.  Combien cela coûtera-t-il vraiment ? (questions 1 à 4)
2.  Quelles limites atteindrez-vous en premier ? (questions 5 à 7)
3.  Est-ce compatible avec votre code ? (questions 8 à 10)
4.  Que deviennent vos données ? (questions 11 à 13)
5.  Le fournisseur a-t-il les modèles qu’il vous faut ? (questions 14 à 16)
6.  Le service restera-t-il disponible, et qui répond ? (questions 17 à 20)
7.  Comment noter les fournisseurs entre eux ?
8.  Comment tester un fournisseur en une semaine ?
9.  Les réponses de BroadNet Inference à la checklist

_[image: A chess knight and queen on a board, with the text "The right model. For the next move."]_

Pour choisir un fournisseur d’API LLM, notez chaque candidat sur six domaines : le coût mensuel de votre charge de travail réelle, les limites de débit et de concurrence, la compatibilité OpenAI, les conditions de conservation des données et d’entraînement, les modèles nécessaires, ainsi que le support et la fiabilité. Testez ensuite les deux meilleurs avec une semaine de trafic réel. Ci-dessous : 20 questions, une grille de notation et le plan de test.

Une fois votre choix fait, la [checklist de migration](https://broadrouter.com/fr/blog/openai-compatible-api-migration-checklist/) couvre le changement lui-même, et [comment évaluer un LLM avant de changer](https://broadrouter.com/fr/blog/evaluate-llm-before-switching/) détaille les tests de qualité.

## Combien cela coûtera-t-il vraiment ? (questions 1 à 4)

1.  **Combien coûte ma charge de travail réelle par mois ?** Chiffrez séparément l’entrée, l’[entrée en cache](https://broadrouter.com/fr/glossary/cached-input-tokens/) et la sortie ; le [calculateur gratuit de coût d’API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/) le fait modèle par modèle. Les agents renvoient le même contexte, si bien que l’entrée en cache domine souvent. Notre [explication des tarifs](https://broadrouter.com/fr/blog/llm-api-pricing-explained/) passe chaque ligne en revue.
2.  **Les tokens de raisonnement sont-ils facturés comme de la sortie ?** Les modèles de raisonnement peuvent dépenser plus de tokens à réfléchir qu’à répondre.
3.  **Existe-t-il une option forfaitaire ?** Pour des agents qui tournent en continu, un forfait peut battre la facturation au token. Voir le [calcul du seuil de rentabilité](https://broadrouter.com/fr/blog/flat-rate-vs-pay-per-token-llm-api/).
4.  **Les prix sont-ils lisibles par machine et datés ?** Un fichier de prix en JSON vous permet de suivre les changements et de créer des alertes de coûts.

Notre jeu de données ouvert sur les [offres gratuites et limites de débit des API LLM](https://broadrouter.com/data/llm-api-free-tiers-and-rate-limits/) compare ce que 14 fournisseurs publient sur l’accès gratuit, les limites de débit de départ, l’exigence d’une carte et l’entraînement sur les données des offres gratuites, avec la source et la date de chaque valeur.

## Quelles limites atteindrez-vous en premier ? (questions 5 à 7)

5.  **Quelles sont les limites de requêtes par minute et de concurrence ?** La concurrence (requêtes en cours) est ce qui bloque les agents parallèles et les traitements par lots. Voir [limites de débit](https://broadrouter.com/fr/glossary/rate-limit/) et [concurrence](https://broadrouter.com/fr/glossary/concurrency/), et dimensionnez votre trafic par rapport à une limite avec le [calculateur de limites de débit](https://broadrouter.com/tools/llm-rate-limit-calculator/).
6.  **Y a-t-il un plafond de tokens, une fenêtre glissante ou un quota hebdomadaire ?** Les offres « illimitées » en ont souvent un. Lisez [ce que veut vraiment dire « illimité »](https://broadrouter.com/fr/blog/what-unlimited-llm-api-really-means/).
7.  **Quelle est la fenêtre de contexte, et est-elle tronquée ?** Vérifiez le maximum réel par requête, et si le fournisseur coupe en silence les longs prompts.

## Est-ce compatible avec votre code ? (questions 8 à 10)

8.  **Est-ce compatible OpenAI, et jusqu’où ?** Changer l’[URL de base](https://broadrouter.com/fr/glossary/base-url/) devrait suffire. Testez ensuite le streaming avec l’usage, les appels d’outils, la sortie structurée et les codes d’erreur. La [checklist de migration](https://broadrouter.com/fr/blog/openai-compatible-api-migration-checklist/) liste ce qui casse.
9.  **Est-ce que cela fonctionne avec mes outils ?** SDK, frameworks d’agents, assistants d’IDE. Consultez les [guides d’intégration](https://broadrouter.com/integrations/) du fournisseur.
10.  **Les identifiants de modèles sont-ils stables ?** Il vous faut des identifiants versionnés et un préavis avant le retrait d’un modèle.

## Que deviennent vos données ? (questions 11 à 13)

11.  **Les prompts et les réponses sont-ils conservés, et combien de temps ?** Beaucoup de fournisseurs conservent par défaut le contenu des appels API jusqu’à 30 jours. Comparez les formulations officielles dans [la conservation des données des API LLM comparée](https://broadrouter.com/fr/blog/llm-api-data-retention-compared/).
12.  **Mes données servent-elles à l’entraînement ?** Vérifiez le réglage par défaut de votre offre, par écrit.
13.  **Puis-je signer un DPA (accord de traitement des données), voir les sous-traitants et restreindre les clés ?** Utilisez la [checklist RGPD](https://broadrouter.com/fr/blog/gdpr-llm-api-checklist/) si vous traitez des données personnelles de l’UE, et demandez des listes d’IP autorisées.

## Le fournisseur a-t-il les modèles qu’il vous faut ? (questions 14 à 16)

14.  **Le fournisseur a-t-il les tailles de modèles et les capacités dont j’ai besoin ?** Vision, appel d’outils, raisonnement, contexte long, parole.
15.  **Comment chaque modèle s’en sort-il sur mes tâches ?** Construisez 30 à 50 cas de test réels et notez-les. Les benchmarks sont un premier filtre ; [où comparer les LLM](https://broadrouter.com/fr/blog/artificial-analysis-alternatives/) liste les classements et ce que chacun mesure. Le [guide d’évaluation](https://broadrouter.com/fr/blog/evaluate-llm-before-switching/) montre comment construire le jeu et éviter les biais du modèle juge.
16.  **Open-weight ou fermé ?** Les modèles open-weight peuvent être hébergés par plusieurs fournisseurs, ce qui réduit la dépendance. Voir [modèles open-weight ou fermés](https://broadrouter.com/fr/blog/open-weight-vs-closed-models/).

## Le service restera-t-il disponible, et qui répond ? (questions 17 à 20)

17.  **Y a-t-il une page de statut et un historique des incidents ?**
18.  **Y a-t-il un SLA écrit pour la production ?**
19.  **Qui exploite les GPU ?** Matériel propre, cloud ou capacité revendue d’une autre API. Chaque cas ajoute un acteur sur le chemin des données et de la fiabilité.
20.  **Comment joindre un humain ?** Délais de réponse, canaux, et accès éventuel du support au contenu de vos requêtes.

## Comment noter les fournisseurs entre eux ?

Notez chaque question 0 (non ou inconnu), 1 (en partie) ou 2 (oui, par écrit). Pondérez les groupes selon votre cas d’usage :

| Groupe | Questions | Poids pour un agent | Poids pour une application réglementée |
| --- | --- | --- | --- |
| Prix | 1 à 4 | Élevé | Moyen |
| Limites | 5 à 7 | Élevé | Moyen |
| Compatibilité | 8 à 10 | Moyen | Moyen |
| Confidentialité | 11 à 13 | Moyen | Élevé |
| Modèles | 14 à 16 | Élevé | Élevé |
| Support et fiabilité | 17 à 20 | Moyen | Élevé |

Un « inconnu » vaut 0 pour une bonne raison : si un fournisseur ne peut pas répondre, vous ne pouvez pas compter sur lui.

## Comment tester un fournisseur en une semaine ?

1.  Prenez les deux meilleurs fournisseurs de la grille.
2.  Envoyez une part du trafic réel à chacun via le même SDK OpenAI, avec les identifiants de modèles et les URL de base dans la configuration.
3.  Journalisez par requête : modèle, tokens de prompt, tokens en cache, tokens de complétion, latence, code de statut. Ne journalisez jamais le contenu.
4.  Provoquez votre pic : lancez votre traitement par lots ou vos agents parallèles et surveillez les erreurs 429. Le [guide des erreurs et nouvelles tentatives](https://broadrouter.com/fr/guides/errors-and-retries/) montre un back-off correct.
5.  Multipliez les tokens de la semaine par environ 4,3 et chiffrez le mois pour chaque fournisseur.
6.  Notez les réponses sur votre jeu de test.

## Les réponses de BroadNet Inference à la checklist

| N° | BroadNet Inference |
| --- | --- |
| 1, 4 | Prix au token publiés dans [pricing.json](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-choose-llm-api-provider-checklist&utm_content=body), synchronisés 2026-11-14 |
| 3 | Forfaits pour [DeepSeek V4.1 Flash](https://broadrouter.com/fr/models/deepseek-v4.1-flash/) : $60 par mois, $15 par semaine ou $1 de l’heure, par session |
| 5 | Paiement à l’usage : 30 requêtes par minute, 4 en cours ; les sessions des forfaits traitent une requête à la fois |
| 6 | Forfaits : pas de compteur de tokens, pas de fenêtre glissante, pas de plafond hebdomadaire |
| 7 | Jusqu’à 1 048 576 tokens sur DeepSeek V4.1 Flash et GLM 5.3 ; la page des forfaits indique que le contexte n’est jamais tronqué |
| 8 | Compatible OpenAI à l’adresse `https://inference.broadnet.ai/v1` |
| 11, 12 | Aucun prompt ni aucune réponse conservés ; pas d’utilisation pour entraîner, affiner ou évaluer des modèles |
| 13 | Listes d’IP autorisées jusqu’à 32 entrées ; liste des sous-traitants sur demande ; demandez un DPA |
| 14 | Quatre modèles de chat et deux modèles de transcription (speech-to-text) |
| 19 | Selon la déclaration de confidentialité de BroadNet, ses propres modèles et les modèles open-weight qu’elle héberge tournent sur du matériel détenu ou loué par BroadNet aux États-Unis, avec de la capacité partenaire en secours ; les modèles servis par des partenaires, comme DeepSeek V4.1 Flash, tournent chez des partenaires d’inférence américains sous conditions ZDR |

Ce que nous n’avons pas trouvé dans la documentation ni sur les pages de forfaits de BroadNet (vérifié le 14 novembre 2026) : un SLA, une page de statut ou une politique de retrait des modèles. Demandez-les si cela compte pour vous, et gardez un second fournisseur pour les chemins critiques. Le catalogue est aussi plus restreint que celui d’un agrégateur : si vous avez besoin de modèles GPT, Claude ou Gemini, BroadNet n’est pas le fournisseur pour ce trafic. Le crédit de départ de $5 suffit pour l’étape 3 du plan de test sur une charge légère, mais, parmi les modèles de chat qu’il couvre, uniquement avec Gemma 4 VL 26B (il couvre aussi les deux modèles Transcribe) ; les autres modèles de chat nécessitent une recharge.

Outils gratuits sur ce sujet (en anglais)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[Outils gratuits (en anglais)](https://broadrouter.com/tools/)

## Termes de cet article

[Token](https://broadrouter.com/fr/glossary/token/)

Un token est l’unité de texte qu’un modèle de langage lit et écrit : un mot, une partie de mot, un signe de ponctuation ou une suite d’octets produite par le tokenizer du modèle. Les API LLM comptent, limitent et facturent généralement l’usage en tokens.

[Concurrence (requêtes simultanées)](https://broadrouter.com/fr/glossary/concurrency/)

La concurrence est le nombre de requêtes qu’un client a en cours au même moment. Les API de LLM la plafonnent souvent par clé ou par forfait, indépendamment des requêtes par minute, car chaque requête ouverte occupe de la capacité GPU jusqu’à la fin de sa réponse.

[Appel d’outils (tool calling, function calling)](https://broadrouter.com/fr/glossary/tool-calling/)

L’appel d’outils, aussi appelé function calling, est une fonctionnalité des API LLM dans laquelle le modèle renvoie une demande structurée d’exécution d’une fonction définie par le développeur, avec des arguments JSON. L’application exécute la fonction et renvoie le résultat ; le modèle n’exécute jamais de code lui-même.

[Débit (throughput)](https://broadrouter.com/fr/glossary/throughput/)

Le débit (throughput), dans le service de LLM, est la quantité totale de travail qu’un système accomplit par unité de temps sur toutes les requêtes simultanées, généralement mesurée en tokens de sortie par seconde ou en requêtes par seconde. Il se distingue de la vitesse par flux, c’est-à-dire la vitesse à laquelle une seule requête reçoit ses tokens.

[Paiement à l’usage (pay-as-you-go)](https://broadrouter.com/fr/glossary/pay-as-you-go/)

Le paiement à l’usage (pay-as-you-go) est un modèle tarifaire où vous ne payez que ce que vous consommez, mesuré par unité, comme les tokens, les requêtes ou les minutes d’audio, sans abonnement ni engagement minimal. La plupart des API LLM facturent ainsi, à partir d’un solde prépayé ou d’une facture périodique.

[Accord de traitement des données (DPA)](https://broadrouter.com/fr/glossary/dpa/)

Un accord de traitement des données (DPA, data processing agreement) est le contrat entre un responsable du traitement et un sous-traitant qui encadre la manière dont le sous-traitant traite les données personnelles. L’article 28, paragraphe 3, du RGPD l’impose et en liste le contenu : instructions documentées, confidentialité, sécurité, règles de sous-traitance ultérieure, suppression ou restitution des données, et audits.

[Limite de débit (rate limit)](https://broadrouter.com/fr/glossary/rate-limit/)

Une limite de débit (rate limit) est un plafond qu’une API impose à l’usage d’un client sur une période, par exemple en requêtes ou en tokens par minute. Les requêtes au-delà sont refusées, généralement avec HTTP 429 Too Many Requests, jusqu’à ce que l’usage repasse sous la limite.

[Tokens d’entrée en cache (cached input tokens)](https://broadrouter.com/fr/glossary/cached-input-tokens/)

Les tokens d’entrée en cache sont des tokens de prompt qu’un fournisseur de LLM a traités récemment et peut réutiliser depuis un cache au lieu de les recalculer, en général un préfixe répété comme un prompt système ou un document. Les fournisseurs les facturent moins cher que les nouveaux tokens d’entrée.

## Questions fréquentes

### Que faut-il regarder chez un fournisseur d’API LLM ?

Le coût total pour votre charge de travail, les limites de débit et de concurrence, la compatibilité OpenAI, les conditions de conservation des données et d’entraînement, les modèles et tailles de contexte nécessaires, ainsi que le support et la fiabilité. Notez chaque point, puis testez avec du trafic réel.

### L’API LLM la moins chère est-elle le meilleur choix ?

Pas toujours. Le prix de l’entrée en cache, les tokens de raisonnement, les nouvelles tentatives dues aux limites de débit et le temps d’ingénierie pour contourner des fonctions manquantes peuvent annuler un prix catalogue plus bas. Comparez la facture mensuelle de votre charge de travail réelle.

### Comment éviter la dépendance à un fournisseur d’API LLM ?

Utilisez une API compatible OpenAI via un SDK standard, gardez les identifiants de modèles et les URL de base dans la configuration, évitez les fonctions propres à un fournisseur dans votre chemin principal et gardez un second fournisseur testé.

### Combien de temps tester une API LLM avant de s’engager ?

Environ une semaine de trafic réel suffit pour voir la consommation de tokens, le taux de succès du cache, la latence, les taux d’erreur et le comportement face aux limites de débit. Multipliez la semaine par environ 4,3 pour estimer un mois.

### Quelle disponibilité un fournisseur d’API LLM doit-il offrir ?

Demandez une page de statut publique, un historique des incidents et, pour la production, un SLA écrit. Si un fournisseur n’a rien de tout cela, prévoyez un fournisseur de repli pour vos chemins critiques.

## À lire ensuite

-   [URL de base des API compatibles OpenAI : 14 fournisseurs vérifiés](https://broadrouter.com/fr/blog/openai-compatible-api-base-urls/)
-   [Comment évaluer un LLM avant de changer de fournisseur](https://broadrouter.com/fr/blog/evaluate-llm-before-switching/)
-   [Passer à une API compatible OpenAI : la checklist de migration](https://broadrouter.com/fr/blog/openai-compatible-api-migration-checklist/)
-   [Ce que « illimité » veut vraiment dire dans un forfait d’API LLM](https://broadrouter.com/fr/blog/what-unlimited-llm-api-really-means/)
-   [RGPD et API LLM : 15 questions à poser à votre fournisseur](https://broadrouter.com/fr/blog/gdpr-llm-api-checklist/)
-   [IA open-weight ou fermée en entreprise : coût, contrôle, risque](https://broadrouter.com/fr/blog/open-weight-vs-closed-models/)
-   [Sécuriser une clé d’API LLM : stockage, rotation et listes d’IP](https://broadrouter.com/fr/blog/llm-api-key-security/)
-   [Alternatives à Artificial Analysis : où comparer les LLM en 2026](https://broadrouter.com/fr/blog/artificial-analysis-alternatives/)
-   [SLA des API LLM : ce que promettent Azure, Bedrock, Google et OpenAI](https://broadrouter.com/fr/blog/llm-api-sla-uptime-compared/)
-   [Guide : Codes d’erreur de BroadNet Inference : quand réessayer ?](https://broadrouter.com/fr/guides/errors-and-retries/)
-   [Guide : Limiter vos clés API à vos serveurs avec une liste d’IP autorisées](https://broadrouter.com/fr/guides/api-keys-ip-allow-lists/)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-choose-llm-api-provider-checklist&utm_content=page-cta) ·

**Sources**

-   [Référence de l’API de BroadNet Inference : limites, erreurs, données (consultée le 2026-11-14) (en anglais)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-choose-llm-api-provider-checklist&utm_content=sources)
-   [Prix lisibles par machine de BroadNet Inference, pricing.json (consultés le 2026-11-14) (en anglais)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-choose-llm-api-provider-checklist&utm_content=sources)
-   [Forfaits de BroadNet Inference (consultés le 2026-11-14) (en anglais)](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-choose-llm-api-provider-checklist&utm_content=sources)
-   [Déclaration de confidentialité de BroadNet Inference (en vigueur depuis septembre 2026 ; consultée le 2026-11-14) (en anglais)](https://www.broadnet.ai/inference-privacy)
-   [Référence de l’API OpenAI, chat completions, la base de la compatibilité (consultée le 2026-11-14)](https://developers.openai.com/api/reference/resources/chat)
