Coût d'un RAG : les postes et comment les estimer

Le coût d'un RAG se décompose en deux parties : un coût d'indexation, payé une fois puis à chaque mise à jour des documents, et un coût par question, payé à chaque utilisation. Le second pèse en général le plus lourd, parce qu'il porte sur la génération : chaque question envoie au modèle la question elle-même et plusieurs passages de vos documents. S'y ajoutent l'hébergement et le temps humain de maintenance, souvent oubliés. Si votre RAG est piloté par un agent, chaque décision ajoute des appels : voir le coût d'un agent IA.

Ce site est édité par IArche, qui édite ALMA. Les prix ci-dessous sont des prix publics d'éditeurs, cités comme exemples, en dollars américains, relevés le 15/11/2026 ; vérifiez-les avant tout calcul.

Les postes

Prix publics relevés le 15/11/2026

Plongements et retri (Voyage AI, distribué par MongoDB). Anthropic ne propose pas son propre modèle de plongements et présente Voyage AI dans sa documentation. Tarifs affichés par MongoDB :

Génération (Claude, d'après la grille d'Anthropic). Prix par million de jetons :

La même grille indique une remise de 50 % sur l'entrée et la sortie pour les traitements par lots (interface asynchrone).

Méthode de calcul par question

Coût par question ≈ (jetons de la question + jetons des passages transmis + jetons des consignes) × prix d'entrée + jetons de la réponse × prix de sortie + retri + plongement de la question.

Calcul illustratif, avec des hypothèses à remplacer par les vôtres : 20 passages de 800 jetons transmis (le réglage des essais d'Anthropic sur la récupération contextuelle), soit 16 000 jetons d'entrée, et une réponse de 500 jetons, avec Claude Sonnet 5.5 :

• entrée : 16 000 × 2 $ / 1 000 000 = 0,032 $ ;
• sortie : 500 × 10 $ / 1 000 000 = 0,005 $ ;
• total génération : environ 0,037 $ par question, hors retri et hors consignes.

Avec Claude Haiku 5.5, aux mêmes hypothèses : 0,0016 $ + 0,00025 $, soit environ 0,002 $. Le choix du modèle et le nombre de passages transmis pèsent bien plus que tout le reste.

Le coût d'indexation

Pour les plongements, le calcul est direct : nombre de jetons du corpus × prix du modèle. Pour des PDF envoyés directement à Claude, la documentation PDF indique qu'une page compte en général 1 500 à 3 000 jetons de texte, plus le coût de l'image de la page ; c'est un repère utile pour estimer la taille d'un corpus.

Des techniques d'indexation enrichie ajoutent un coût : la récupération contextuelle d'Anthropic, qui fait rédiger une phrase de contexte pour chaque morceau, était chiffrée dans l'article du 19/09/2024 à 1,02 $ par million de jetons de documents avec mise en cache, aux prix de l'époque. GraphRAG prévient lui aussi qu'il peut consommer beaucoup de ressources de modèle de langage.

Les leviers pour réduire

1. Transmettre moins de passages, mais les bons : un retri coûte peu au regard des jetons de génération économisés.
2. Choisir le modèle selon la question : un modèle léger pour les questions simples, un plus puissant pour les synthèses.
3. Mettre en cache les consignes fixes et les documents souvent consultés : la lecture du cache est facturée nettement moins que l'entrée normale dans la grille ci-dessus.
4. Traiter par lots ce qui n'est pas interactif (indexation enrichie, évaluation) : remise de 50 %.
5. Citer par l'interface : avec la fonction Citations de Claude, le texte cité ne compte pas dans les jetons de sortie.
6. Ne pas faire de RAG quand le corpus tient dans la requête : Anthropic situe ce seuil à 200 000 jetons, environ 500 pages.

Le poste qu'on oublie

Le temps humain : resynchroniser les droits, surveiller les réponses, enrichir le jeu de test, mettre à jour les bibliothèques. C'est souvent ce poste qui décide entre assembler sa propre chaîne et s'appuyer sur une plateforme existante, comme ALMA, la plateforme IA pour PME d'IArche.