---
title: "Que sont les tokens par seconde (TPS) en inférence LLM ?"
description: "Les tokens par seconde mesurent la vitesse de génération d’un LLM. Par requête ou pour tout le système, time to first token, et durée estimée d’une réponse."
url: https://broadrouter.com/fr/glossary/tokens-per-second/
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/glossary/tokens-per-second/) (mis à jour le 2026-11-14).

# Tokens par seconde (TPS)

Mis à jour 2026-11-14

Les tokens par seconde (TPS) sont le rythme auquel un modèle de langage génère des tokens de sortie, généralement mesuré pour une requête après son premier token. Ils fixent la vitesse d’affichage d’une réponse lancée. Additionnés sur toutes les requêtes simultanées, ils donnent le débit du système ; l’attente avant le premier token se mesure à part.

Aussi appelé : TPS, tokens par seconde, tok/s, vitesse de génération, vitesse de sortie, tokens per second, output speed, generation speed

La vitesse a deux composantes : le délai avant que quoi que ce soit n’apparaisse, et la vitesse à laquelle le texte défile ensuite. Les tokens par seconde mesurent la seconde.

## Comment ça marche

La documentation de benchmark de NVIDIA définit les métriques associées :

-   **Time to first token (TTFT) :** de l’envoi de la requête à la réception du premier token. Il augmente avec la longueur du prompt.
-   **Latence inter-token (ITL) :** l’écart moyen entre deux tokens de sortie.
-   **TPS par utilisateur :** les tokens de sortie d’une requête divisés par sa durée de bout en bout ; dans la définition de NVIDIA, il inclut donc le TTFT. Beaucoup de tableaux de bord citent plutôt la vitesse de décodage après le premier token, comme le fait cette page.
-   **TPS du système :** le total des tokens de sortie sur toutes les requêtes simultanées, aussi appelé [débit](https://broadrouter.com/fr/glossary/throughput/).

Ces métriques tirent dans des directions opposées. NVIDIA note que lorsque la [concurrence](https://broadrouter.com/fr/glossary/concurrency/) augmente, le TPS du système monte tandis que le TPS par utilisateur baisse. Le chiffre marketing d’un fournisseur et la vitesse de votre requête isolée peuvent donc être honnêtes tous les deux et pourtant différer.

Une estimation rapide pour une réponse (durée totale ≈ TTFT + tokens de sortie ÷ tokens par seconde) :

`total time ≈ TTFT + output tokens ÷ tokens per second`

Prenons à titre d’exemple un flux de 50 tokens par seconde : une réponse de 1 000 tokens prend environ 20 secondes après le premier token. Si le modèle écrit aussi 2 000 [tokens de raisonnement](https://broadrouter.com/fr/glossary/reasoning-tokens/), ajoutez environ 40 secondes avant le début de la réponse. Le [time to first token](https://broadrouter.com/fr/glossary/time-to-first-token/) s’ajoute encore par-dessus.

## Pourquoi c’est important

-   **Expérience utilisateur.** Le [streaming](https://broadrouter.com/fr/glossary/streaming/) affiche le texte à mesure qu’il arrive : le TTFT et le TPS déterminent donc la rapidité ressentie d’une réponse.
-   **Débit des agents.** Un agent de code attend chaque réponse avant son étape suivante. Une sortie plus rapide signifie plus d’étapes par heure.
-   **Limites des forfaits.** Sur un forfait sans compteur de tokens, la vitesse devient le vrai plafond du nombre de tokens que vous pouvez utiliser.

## Sur BroadNet Inference

La page des forfaits de BroadNet indique une vitesse typique de environ 100 tokens par seconde pour DeepSeek V4.1 Flash. Une session des forfaits illimités traite une requête à la fois : à cette vitesse, une session qui générerait sans interruption pendant 30 jours produirait environ 259 millions tokens de sortie. Les vrais agents passent du temps à lire, à exécuter des outils et à attendre : le chiffre pratique est donc plus bas.

Pour obtenir plus de débit total sur un forfait, ajoutez des sessions : une par agent qui travaille en parallèle. Voir [comment fonctionnent les sessions illimitées](https://broadrouter.com/fr/guides/unlimited-llm-api-sessions/) et [faire tourner des agents de code en parallèle](https://broadrouter.com/fr/blog/run-parallel-coding-agents-flat-rate/).

## Erreurs fréquentes

-   Comparer des fournisseurs sur une seule requête. Mesurez le TTFT et le TPS sur de nombreuses requêtes, avec vos propres tailles de prompt.
-   Oublier le temps de raisonnement en réglant les timeouts du client.

## Questions fréquentes

### Quel est un bon nombre de tokens par seconde ?

Cela dépend de l’usage. Une réponse de chat paraît réactive dès que le texte s’affiche plus vite qu’on ne le lit. Pour les agents et les traitements par lots, ce qui compte surtout, c’est la durée totale par tâche et le nombre de requêtes en parallèle.

### Les tokens par seconde incluent-ils le prompt ?

En général, non. La vitesse de génération compte les tokens de sortie. La lecture du prompt apparaît plutôt dans le time to first token, qui augmente avec la longueur du prompt.

### Les tokens de raisonnement ralentissent-ils la réponse ?

Oui. Ils sont générés à la même vitesse que la sortie visible : un modèle qui réfléchit pendant 2 000 tokens retarde la réponse du temps nécessaire à ces tokens.

## Voir aussi

-   [Token](https://broadrouter.com/fr/glossary/token/) (terme)
-   [Concurrence (requêtes simultanées)](https://broadrouter.com/fr/glossary/concurrency/) (terme)
-   [Streaming](https://broadrouter.com/fr/glossary/streaming/) (terme)
-   [Tokens de raisonnement (reasoning tokens)](https://broadrouter.com/fr/glossary/reasoning-tokens/) (terme)
-   [Débit (throughput)](https://broadrouter.com/fr/glossary/throughput/) (terme)
-   [Latence (LLM)](https://broadrouter.com/fr/glossary/latency/) (terme)
-   [Time to first token (TTFT)](https://broadrouter.com/fr/glossary/time-to-first-token/) (terme)
-   [Décodage spéculatif (speculative decoding)](https://broadrouter.com/fr/glossary/speculative-decoding/) (terme)
-   [Streamer des chat completions et gérer les connexions coupées](https://broadrouter.com/fr/guides/streaming-chat-completions/) (guide)
-   [Comment fonctionnent les forfaits API LLM illimités pour agents](https://broadrouter.com/fr/guides/unlimited-llm-api-sessions/) (guide)
-   [API LLM : forfait ou paiement au token ? Le calcul de rentabilité](https://broadrouter.com/fr/blog/flat-rate-vs-pay-per-token-llm-api/) (article)
-   [Lancer des agents de code en parallèle sur une API LLM au forfait](https://broadrouter.com/fr/blog/run-parallel-coding-agents-flat-rate/) (article)

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-glossary-tokens-per-second&utm_content=page-cta) ·

**Sources**

-   [NVIDIA NIM, métriques de benchmark de l’inférence LLM (TTFT, ITL, TPS)](https://docs.nvidia.com/nim/benchmarking/llm/latest/metrics.html)
-   [Forfaits BroadNet Inference (vitesse typique) (en anglais)](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-glossary-tokens-per-second&utm_content=sources)
