Le blog ·Coulisses
Ce que coûte vraiment une minute de vidéo traitée par IA
Notre coût de revient mesuré, ventilé poste par poste. Le modèle de langage pèse 77 %, et c'est le chiffre qui décide de tout le reste.
0,0287 $par minute traitée
Traiter une minute de vidéo nous coûte 0,02869 $. Le modèle de langage en représente 77 %, la transcription 18 %, tout le reste 5 %. Voici la ventilation complète, et pourquoi nous la publions.
La ventilation
| Poste | $/min | Part | Origine |
|---|---|---|---|
| Modèle de langage | 0,02212 | 77 % | mesuré |
| Transcription audio | 0,00520 | 18 % | mesuré, deux méthodes concordantes |
| Calcul | 0,00093 | 3 % | mesuré |
| Bande passante sortante | 0,00042 | 1 % | estimation |
| Stockage, 7 jours | 0,00002 | 0,1 % | estimation |
| Total | 0,02869 |
Deux lignes sont des estimations et sont marquées comme telles : nous n’avons pas encore assez de trafic sortant pour la mesurer honnêtement. Les trois autres viennent de relevés sur des générations réelles.
Pourquoi le modèle pèse autant
Parce qu’il lit tout. Une heure de parole fait environ neuf mille mots de transcription, et l’analyse doit les parcourir pour trouver les passages qui tiennent debout tout seuls. Ce n’est pas une requête, c’est une lecture — et le prix suit la longueur.
C’est aussi le poste le plus volatil. Une vidéo qui fait échouer deux modèles de la chaîne de repli avant de passer coûte plus cher qu’une vidéo deux fois plus longue qui passe du premier coup. La moyenne cache cette dispersion.
Notre chiffre a doublé, et c’est une correction
Une première mesure donnait 0,01449 $/min. Elle était fausse, et pour une raison qui vaut d’être dite : notre compteur ne comptait que la tentative réussie. Quand la chaîne de repli relançait l’analyse sur un autre modèle, les tentatives précédentes disparaissaient du décompte.
Compteur corrigé, le poste modèle est passé de 0,00825 à 0,02212 — un facteur 2,68.
Ce qui rend cette nouvelle mesure crédible n’est pas le poste qui a bougé, c’est celui qui n’a pas bougé : la transcription retombe sur 0,00520 $/min à trois chiffres près, par une voie de mesure entièrement différente. Un défaut de méthode aurait déplacé les deux.
Ce que ça change pour qui construit la même chose
Trois conséquences, et elles sont directement actionnables.
Le prix se fixe à la minute de source, pas au clip
93 % du coût suit la durée de la vidéo, pas le nombre de clips qui en sortent. Le modèle paie la transcription, l’audio se facture à la minute, le calcul au temps de traitement. Facturer au clip découplerait le prix du coût, et la marge dépendrait du hasard du découpage — une vidéo dense rapporterait moins qu’une vidéo calme, pour un travail identique.
Le choix du modèle est le seul levier qui compte
Quand un poste pèse 77 %, les autres sont du bruit. Optimiser le stockage économise 0,1 %. Descendre d’un cran dans la gamme du modèle peut en économiser la moitié.
Les écarts publiés en août 2026 dans la famille Flash de Gemini vont de 1 à 3,6 sur le prix des jetons produits. C’est une variable d’environnement, pas un chantier.
Une chaîne de repli coûte, et il faut la compter
Un repli qui sauve une génération est une bonne chose. Un compteur qui l’oublie est un mensonge sur la marge. Comptez le maximum des tentatives, pas la somme — sinon vous facturez votre propre repli à votre client — mais comptez-les toutes.
Pourquoi nous publions ça
Deux raisons, et la seconde est intéressée.
La première : personne ne le fait. Le marché de la découpe vidéo automatique annonce des prix, jamais des coûts, et un créateur qui veut comprendre pourquoi une minute coûte ce qu’elle coûte ne trouve rien.
La seconde : nous vendions cette minute 0,076 $ dans notre offre Créateur (relevé d’août 2026). Publier notre coût rendait notre marge lisible — environ 62 % — et c’est un argument, pas un aveu. Une marge de 62 % sur un service qui tourne des GPU n’a rien d’indécent, et la dire vaut mieux que la laisser imaginer.
Mise à jour du 27 septembre 2026. Nous la vendons désormais environ 0,023 $ — sous le coût d’août ci-dessus. Ce n’est pas une vente à perte : la même minute nous coûtait 0,0129 $ à la mesure de septembre, après que les jetons envoyés au modèle de langage ont fondu de 44 %. La marge reste de l’ordre de 45 %. C’est un seul relevé, pas encore une moyenne, et nous le dirons s’il bouge.
La méthode, pour qui veut refaire le calcul
Relevés sur des générations complètes, pas sur des appels isolés : chaque job écrit ce qu’il a consommé, fournisseur par fournisseur, y compris sur les chemins d’erreur et de reprise. Les montants sont en dollars de fournisseur, hors taxes, aux tarifs d’août 2026.
Un job n’est pas une distribution. Ces chiffres sont une moyenne, et la part du modèle variera avec la longueur du transcript et le nombre de relances.
ClipHeat, en une phrase
Nous découpons vos vidéos longues et vos directs en clips verticaux 9:16, sous-titrés et recadrés sur le visage qui parle. Vous voyez le montant avant que la génération parte, et une vidéo n'est facturée qu'une fois quel que soit le nombre de clips qu'elle produit.