Combien coûte un RAG ? Embeddings et reranking pour la recherche documentaire, aux prix du jour

Mis à jour le 10 nov. 2026

Le RAG permet à un assistant de répondre à partir de vos documents : les passages sont transformés en vecteurs (embeddings), à chaque question les plus proches sont trouvés, souvent reclassés (reranking) et donnés au modèle de réponse. Le calculateur RAG chiffre les embeddings et le reranking pour chaque modèle, chez le vendeur le moins cher.

Mode d'emploi

1. Pages et tokens par page : une page de texte fait environ 500 à 700 tokens.
2. Modifié par mois : la part à revectoriser.
3. Requêtes par jour : chaque question est vectorisée aussi.
4. Passages reclassés par requête : 0 sans reranking, 10 à 50 en général.

Exemple aux prix du jour

10 000 pages (6 M de tokens), 10 % modifiés, 1 000 requêtes par jour, 20 passages :

• Vectoriser une fois : dès 0,03 $ (petits modèles ouverts), environ 0,10 $ avec text-embedding-3-small, 0,62 $ avec -large, environ 0,90 $ avec Gemini Embedding.
• Chaque mois (1,5 M de tokens) : quelques centimes.
• Reranking (258 M de tokens) : environ 2,60 $ avec Qwen3 Reranker 0.6B, environ 13 $ avec Cohere Rerank 5 Pro. Le plus cher reste le modèle de réponse - voir le calculateur d'agent.

Choisir un modèle

• Testez sur vos propres questions.
• Multilingue : BGE M3, Qwen3 Embedding, Cohere Embed v4, Gemini Embedding.
• Changer de modèle oblige à tout revectoriser.

Ouvrir le calculateur · Tous les outils