Coût d’inférence : combien coûte vraiment une conversation avec un agent IA e-commerce ?
Thibauld Vian Deguille est Principal Digital, Data & IA chez Converteo. Il accompagne les grandes entreprises dans la mutation de leur commerce digital et de leurs parcours omnicanaux.
À retenir
- Le coût d’inférence est la variable la plus sous-estimée des projets d’agents IA e-commerce. Une conversation type peut coûter de quelques centimes à plusieurs euros selon le modèle, la longueur des échanges et la multimodalité.
- Sur les segments à faible marge unitaire, ce coût peut dépasser le profit unitaire et faire basculer le P&L du programme en négatif.
- Trois leviers permettent de maîtriser la facture : le choix du modèle, le design conversationnel, et la segmentation des cas d’usage par valeur attendue.
Le coût d’inférence devient un enjeu stratégique pour le e-commerce
C’est sans doute la variable la moins discutée dans les projets d’agents IA e-commerce, et c’est probablement celle qui décidera de leur pérennité. Pendant que les directions marketing célèbrent la hausse de conversion, une réalité plus prosaïque s’installe côté Finance : chaque conversation avec un agent IA a un coût, parfois élevé, et ce coût peut faire basculer le P&L à grande échelle.
Combien coûte vraiment une conversation avec un agent IA en 2026 ? Et comment piloter cette facture pour qu’elle reste compatible avec la rentabilité ? Décryptage à partir des constats du baromètre Converteo de 170 sites e-commerce français.
Commerce agentique : comment fonctionnent l’inférence IA et la facturation au token ?
Quand un utilisateur interagit avec un agent IA, chaque message échangé est décomposé en unités appelées tokens. Un token correspond à peu près à 4 caractères ou trois quarts d’un mot. Une phrase de 20 mots représente environ 25 à 30 tokens.
Le coût d’inférence, c’est ce que la marque paie au fournisseur du modèle (OpenAI, Anthropic, Google, Mistral) pour chaque token traité. Deux types sont facturés : les tokens en entrée (prompt système, historique de conversation, question de l’utilisateur) et les tokens en sortie (la réponse générée). Les tokens en sortie sont généralement 3 à 4 fois plus chers.
Deux conséquences que beaucoup d’acteurs sous-estiment :
- D’abord, le coût d’une conversation augmente de manière non-linéaire avec sa longueur. Plus la conversation est longue, plus l’historique à fournir au modèle est volumineux, et plus chaque réponse coûte cher. Dix échanges coûtent significativement plus que dix fois un échange isolé.
- Ensuite, la multimodalité change radicalement l’équation. Une image envoyée par l’utilisateur (virtual try-on, diagnostic peau, conseil déco) consomme l’équivalent de centaines voire de milliers de tokens. Les cas d’usage les plus impressionnants côté expérience client sont aussi les plus coûteux côté inférence.
Combien coûte une conversation avec un agent IA en 2026 ?
Les tarifs varient fortement entre les modèles, et évoluent vite à la baisse. À titre indicatif en 2026, trois grandes familles se dégagent :
- Modèles légers (GPT-4o mini, Gemini Flash, Claude Haiku) : quelques dizaines de centimes par million de tokens.
- Modèles premium (GPT-4o, Claude Sonnet, Gemini Pro) : quelques euros en entrée, une dizaine d’euros en sortie par million de tokens.
- Modèles haut de gamme (Claude Opus, Gemini Ultra) : facilement 5 à 10 fois le tarif d’un modèle premium.
Pour une conversation type sur un site e-commerce, cela donne trois cas d’usage :
- Conseil produit simple (3 échanges, modèle léger, pas d’image) : de l’ordre de quelques fractions de centime. Totalement négligeable, même à grande échelle.
- Conseil produit approfondi (10 échanges, modèle premium, contexte client riche) : de quelques centimes à quelques dizaines de centimes par conversation. À 100 000 conversations par mois, plusieurs milliers d’euros de coût d’inférence mensuel.
- Cas d’usage multimodal (virtual try-on, analyse d’image, conseil basé sur une photo) : de l’ordre de l’euro par conversation. À 100 000 conversations par mois, plusieurs dizaines de milliers d’euros mensuels.
Le coût d’inférence menace la marge sur certains segments
Sur les segments e-commerce à forte marge unitaire (cosmétique premium, luxe, certains équipements high-tech), un coût d’inférence de quelques dizaines de centimes par conversation est facilement absorbable. Quand le panier moyen est de 80 ou 100 €, dépenser 30 centimes pour aider à le convertir est un investissement rationnel.
En revanche, sur les segments à faible marge unitaire (grande distribution, mode discount, articles à petit prix), l’équation peut s’inverser rapidement. Une longue conversation avec un agent IA premium pour aider à acheter un article à 5 € de marge nette peut engloutir cette marge.
C’est précisément ce qui explique en partie l’avance des secteurs Beauté, Mode et Maison/Brico sur les agents IA shopping. Ces verticales partagent trois caractéristiques qui rendent l’équation soutenable : des paniers moyens élevés, un besoin de conseil fort qui justifie une conversation approfondie, et des marges suffisantes pour absorber le coût d’inférence sans déséquilibrer le P&L.
À l’inverse, la grande distribution se déploie avec plus de prudence. Le cas Carrefour Hopla est éclairant : un beta test contrôlé sur un périmètre limité, qui permet de mesurer le ROI avant d’envisager une industrialisation.
Commerce agentique : 3 leviers pour optimiser le coût d’un agent IA
#1 Optimiser le coût d’un agent IA selon le choix du modèle
Toutes les conversations n’ont pas besoin du modèle le plus puissant. Une question simple de service après-vente peut être traitée par un modèle léger pour quelques fractions de centime. Une demande de conseil produit complexe mérite un modèle premium. Une architecture intelligente combine plusieurs modèles, en routant chaque requête vers le moins cher capable de la traiter correctement. Cette approche, parfois appelée « model routing », peut diviser la facture par 5 à 10 sur certains périmètres.
#2 Optimiser le coût d’un agent IA en gérant la longueur des conversations
Les conversations infinies sont l’ennemi du ROI. Un agent qui sait quand passer la main à un humain, quand proposer une fiche produit pour clore la discussion, ou quand récapituler pour conclure, coûte beaucoup moins cher qu’un agent qui prolonge artificiellement l’échange. C’est autant un sujet de design conversationnel que de technique.
#3 Optimiser le coût d’un agent IA via la segmentation par cas d’usage et par valeur client
Tous les utilisateurs n’ont pas la même valeur économique. Un client premium en train de comparer deux produits à 200 € mérite peut-être un agent haut de gamme avec analyse d’image. Un utilisateur anonyme qui pose une question générale peut être servi par un modèle plus léger. La segmentation des cas d’usage par valeur attendue est probablement le levier le plus puissant, et le moins activé aujourd’hui.
ROI d’un agent IA : comment mesurer l’incrément réel face au coût ?
Maîtriser le coût ne suffit pas. La vraie question est celle du ROI net : quel est l’incrément de valeur généré par chaque conversation, comparé au coût qu’elle a engendré ?
L’exemple d’Amazon donne un ordre de grandeur. Selon Amazon, les utilisateurs assistés par Rufus ont 60 % de chances supplémentaires de passer au panier par rapport à un utilisateur non assisté. Si on traduit cela en valeur économique sur un panier moyen, l’incrément couvre largement le coût d’inférence.
Mais cet exemple est aussi l’exception. Pour beaucoup d’acteurs, la mesure de l’incrément réel reste un sujet de fond qui mobilise les équipes data et e-commerce sur plusieurs mois. Les méthodes de mesure (uplift modeling, A/B testing rigoureux, contrefactuels) ne sont pas triviales à mettre en place, particulièrement sur des parcours omnicanaux où l’attribution est délicate.
Notre conviction : la pérennité d’un agent IA shopping reposera de plus en plus sur cette capacité à isoler proprement la valeur incrémentale qu’il génère. Les déploiements qui se contenteront de mesurer le taux d’utilisation sans démontrer un ROI net positif seront les premiers remis en question dans les exercices budgétaires des prochaines années.
