Compteur de tokens pour GPT, Claude, Gemini, Llama et autres LLM
Collez un prompt ou un document pour savoir combien de tokens il compte dans votre modèle, quelle part de la fenêtre de contexte il occupe et combien coûte la requête via l’API. Le texte ne quitte pas votre appareil.
Les tokenizers sont téléchargés depuis ce site et fonctionnent sur votre appareil. Le texte n’est envoyé nulle part, ni ajouté au lien, ni transmis aux outils d’analyse.
- Caractères
- —
- Mots
- —
- Lignes
- —
- Octets (UTF-8)
- —
64 tokens
Tokens du texte
Chaque couleur correspond à un token. Survolez un token pour voir son ID.
Ce texte dans différents modèles
Les tokenizers de Llama, Qwen, DeepSeek et Mistral pèsent 4 à 6 Mo chacun et ne se chargent qu’à la demande. En attendant, le tableau affiche o200k.
| Modèle | Tokens | Coût en entrée | Coût des requêtes | Contexte |
|---|
Vous construisez un produit autour des LLM ?
Nous intégrons GPT, Claude et des modèles ouverts dans des produits, développons des agents IA et maîtrisons la facture de tokens. Parlez-nous de votre projet et recevez une estimation.
Merci ! Nous vous répondrons sous un jour ouvré.
En bref : collez votre prompt ci-dessus et le compteur indique combien de tokens il occupe dans le modèle choisi, quelle part de la fenêtre de contexte cela représente et combien coûte la requête via l’API. Les modèles GPT sont comptés exactement avec les mêmes tokenizers qu’OpenAI, Llama, Qwen, DeepSeek et Mistral avec leurs tokenizers ouverts, et Claude et Gemini reçoivent une estimation signalée comme telle.
Nous utilisons ce compteur lorsque nous réalisons pour nos clients des intégrations d’IA générative et des agents IA : le budget de tokens d’un prompt détermine le prix et la place restante dans la fenêtre de contexte. Pour passer d’une requête à un budget mensuel, ouvrez le calculateur de coûts LLM.
Qu’est-ce qu’un token ?
Les modèles de langage ne lisent ni lettres ni mots. Le tokenizer découpe le texte en morceaux issus d’un vocabulaire fixe : un mot anglais courant fait en général un token, un mot rare se divise en deux ou trois, et les espaces, la ponctuation et les chiffres sont aussi des tokens. En anglais, un token correspond à environ quatre caractères. Le français demande en général plus de tokens que l’anglais pour le même contenu, car les vocabulaires des tokenizers sont construits surtout sur des textes anglais. Le code contient beaucoup de parenthèses et d’indentations, et les nombres sont découpés en groupes de chiffres.
C’est pourquoi le même prompt coûte différemment selon le modèle, et l’écart est le plus fort pour les textes non anglais. Notre paragraphe de test en russe de 329 caractères donne 87 tokens avec le tokenizer de GPT-4o (o200k_base) et 150 avec l’ancien tokenizer de GPT-4 (cl100k_base).
Comment compter les tokens
- Collez le texte ou importez un fichier .txt, .md, .json ou .csv. Le compteur se met à jour pendant la saisie.
- Choisissez le modèle. Le grand nombre correspond à ses tokens, et l’étiquette précise la fiabilité : exact, proche ou ≈ estimation.
- Vérifiez la fenêtre de contexte. La barre montre la part de la limite du modèle occupée par le texte. La réponse doit y tenir aussi.
- Estimez le coût. Indiquez la longueur de réponse attendue et le nombre de requêtes : vous obtenez le prix d’un appel et du lot entier.
- Comparez les modèles dans le tableau ci-dessous. « Exact pour les modèles ouverts » charge les tokenizers de Llama, Qwen, DeepSeek et Mistral.
Quelle est la précision du comptage ?
| Modèles | Tokenizer | Précision |
|---|---|---|
| GPT-5, GPT-4o, GPT-4.1, série o | o200k_base | Exact |
| GPT-4, GPT-3.5 Turbo | cl100k_base | Exact |
| Llama 3.x, Qwen 3, DeepSeek-V3 | Tokenizers ouverts Hugging Face | Exact |
| Mistral, DeepSeek récents | Mistral Tekken, DeepSeek-V3 | Proche : même famille |
| Gemini | Non publié | Estimation, jusqu’à 8 % |
| Claude, Grok et autres | Non publié | Estimation |
Nous avons vérifié le comptage GPT avec la bibliothèque Python tiktoken et les tokenizers ouverts avec Hugging Face tokenizers sur dix textes en anglais et en russe, avec du code, du JSON et du Markdown : les id des tokens correspondaient un à un. L’estimation pour Gemini est calibrée sur l’API officielle countTokens.
D’où viennent les prix
Les prix par million de tokens en entrée et en sortie et la taille des fenêtres de contexte viennent de la même source que notre calculateur de coûts LLM. La date de mise à jour figure sous le bloc des coûts. Si un fournisseur ne publie pas la fenêtre de contexte d’un modèle, la barre est masquée.
Erreurs fréquentes
- Compter les mots au lieu des tokens. Les limites et les prix sont toujours exprimés en tokens.
- Oublier le prompt système et l’historique. Dans un chat, ils sont renvoyés à chaque requête.
- Négliger la sortie. Les tokens de sortie coûtent souvent plusieurs fois plus cher que ceux d’entrée : 8 fois pour GPT-5, 5 fois pour Claude.
- Remplir toute la fenêtre de contexte. Gardez de la place pour la réponse et les résultats des outils.
Questions fréquentes
Mon texte est-il envoyé quelque part ?
Non. Les tokenizers sont téléchargés depuis ce site et fonctionnent dans votre navigateur, le texte reste sur votre appareil. Il n’est ni ajouté au lien ni transmis aux outils d’analyse. Le lien de partage ne contient que le modèle et les réglages de coût.
Quel tokenizer utilise GPT-5 ?
GPT-5, GPT-4o, GPT-4.1 et la série o utilisent o200k_base, GPT-4 et GPT-3.5 Turbo utilisent cl100k_base. Le compteur utilise les mêmes vocabulaires via js-tiktoken, donc les chiffres correspondent à ceux de la bibliothèque Python tiktoken.
Pourquoi le chiffre de Claude est-il une estimation ?
Anthropic ne publie pas de tokenizer hors ligne pour les modèles Claude actuels. Le chiffre exact est renvoyé par l’API count_tokens. Le compteur donne une estimation fondée sur o200k_base, corrigée selon la langue du texte.
Quelle est la précision de l’estimation pour Gemini ?
Nous l’avons calibrée sur l’API Gemini countTokens avec de la prose, du code, du JSON et des nombres. Sur 15 textes de test, l’écart n’a pas dépassé 8 %. Gemini découpe chaque chiffre en un token distinct, et l’estimation en tient compte.
Pourquoi un même texte n’a-t-il pas le même nombre de tokens selon le modèle ?
Chaque famille de modèles a son propre vocabulaire. Plus il est grand, plus il contient de mots entiers, surtout dans les langues autres que l’anglais, et moins le texte demande de tokens. Le code, les nombres et les mots rares se découpent aussi différemment.
Comment compter les tokens d’un chat avec historique ?
Collez ensemble le prompt système, les messages précédents et le nouveau message. Les API de chat ajoutent quelques tokens de service par message : prévoyez une petite marge.