?
Guideintermédiaire

Pricing models pour produits IA

Modèles de tarification : par token, par siège, par résultat, freemium IA.

Modèles de tarification pour produits IA

La tarification d'un produit IA est complexe car les coûts sont variables (tokens, GPU) et la valeur perçue est difficile à quantifier. Voici les modèles qui fonctionnent et quand les utiliser.

1. Tarification par token/usage

Principe

Facturer proportionnellement à l'utilisation réelle (nombre de tokens, requêtes, ou minutes).

Exemples

  • OpenAI : $2.50/1M tokens input, $10/1M tokens output (GPT-4o)
  • Anthropic : $3/1M tokens input, $15/1M tokens output (Claude Sonnet)

Avantages

  • Alignement parfait coût/revenu
  • Pas de risque de marge négative
  • Barrière d'entrée basse

Inconvénients

  • Revenus imprévisibles
  • Complexité pour le client (difficile à budgéter)
  • Risque de sous-utilisation par peur du coût

Quand l'utiliser

API et plateformes développeur, usage très variable entre clients.

2. Tarification par siège (seat-based)

Principe

Prix fixe par utilisateur par mois, avec une allocation d'usage incluse.

Exemples

  • GitHub Copilot : $19/mois par développeur
  • Notion AI : $10/mois par membre

Avantages

  • Revenus prévisibles (MRR stable)
  • Simple à comprendre pour le client
  • Encourage l'adoption large

Inconvénients

  • Risque de marge négative sur les gros utilisateurs
  • Nécessite de plafonner l'usage ou absorber la variance

Quand l'utiliser

Produits B2B SaaS avec usage relativement homogène entre utilisateurs.

3. Tarification par résultat (outcome-based)

Principe

Facturer en fonction de la valeur délivrée (documents traités, leads qualifiés, tickets résolus).

Exemples

  • Par document analysé ($0.50-5 par document)
  • Par ticket résolu automatiquement ($1-10 par résolution)
  • Par candidat sourcé ($5-50 par profil qualifié)

Avantages

  • Alignement maximal sur la valeur client
  • Justification facile du ROI
  • Prix décorrélé du coût technique

Inconvénients

  • Définition du "résultat" parfois floue
  • Débats sur la qualité du résultat

4. Freemium IA

Structure typique

  • Gratuit : 20-50 requêtes/jour, modèle basique
  • Pro : Usage illimité, modèle avancé, $20-50/mois
  • Enterprise : Custom, SLA, données privées

Métriques clés

  • Free-to-paid conversion : 2-5% est bon pour le B2C, 10-20% pour le B2B
  • Net Revenue Retention : Viser >120% (expansion > churn)

5. Modèle hybride (le plus courant)

Combiner siège + usage au-delà d'un quota :

Plan Pro : $29/utilisateur/mois
  - 1000 requêtes IA incluses
  - $0.02 par requête supplémentaire
  - Modèle avancé
  - Support prioritaire

Calcul du prix

Prix minimum = Coût LLM + Coût infra + Marge (60-80%)
Prix optimal = Valeur perçue par le client × 10-20%

Exemple :
- Coût moyen par requête : $0.005
- Valeur d'une requête pour le client : $0.50
- Prix optimal : $0.05-0.10 par requête (10-20x le coût)

Erreurs courantes

  • Sous-évaluer les coûts variables (spikes d'usage)
  • Pas de cap de dépenses côté client (bill shock)
  • Tarifier au coût au lieu de la valeur
  • Pas de tier gratuit pour la découverte

Sources

businesspricingmodèles