Une question qui nous revient régulièrement, sous une forme ou une autre :
DeepSeek ne coûte presque rien par million de tokens. Pourquoi Reverie ne peut-il pas être simplement gratuit ?
C'est une question légitime, et elle mérite une vraie réponse plutôt qu'un haussement d'épaules. Sa prémisse est même en partie exacte : certains modèles sont réellement peu coûteux au token, et ce prix est public — n'importe qui peut le vérifier.
Ce que ce chiffre ne montre pas, c'est tout ce qui doit se produire autour de l'appel au modèle pour qu'une conversation ressemble à une conversation. Cet article détaille cette partie, aussi concrètement que possible.
Nous avions déjà effleuré le sujet. Notre article sur le système de crédits expliquait les multiplicateurs et les programmes de récompenses, et celui sur les modèles gratuits expliquait pourquoi nous les avions lancés malgré l'incertitude. Les deux s'arrêtaient juste avant la question que l'on nous pose quand même : où va réellement l'argent ? Voici cette réponse, plus en détail que nous ne l'avons jamais donnée.
La facture du modèle est une ligne, pas la facture
Quand vous envoyez un message, l'appel au modèle est la partie visible. C'est aussi la seule qui porte un prix publié, et c'est pourquoi elle domine toute la discussion sur les coûts.
Voici un inventaire approximatif de ce qui intervient par ailleurs dans un seul échange sur Reverie :
- Récupérer et assembler le contexte — la définition du personnage, votre persona, les world books, les entrées de mémoire à long terme, l'historique récent et les plugins actifs doivent tous être chargés, hiérarchisés et logés dans un budget de tokens.
- Résumé et compression de la mémoire — détaillé plus bas ; c'est un appel au modèle à part entière.
- Modération — et cela va bien au-delà d'un filtre sur les messages. Publier un personnage fait passer ses images par un modèle de vision. Signaler un personnage, un plugin ou un créateur déclenche un tri par IA qui lit à la fois le contenu et la plainte avant qu'un humain n'y jette un œil. Les révisions de plugins sont examinées de la même façon.
- Stockage — chaque message, chaque image, chaque fiche de personnage, chaque version de chaque bifurcation, conservés et servis indéfiniment.
- Infrastructure — serveurs applicatifs, base de données et ses réplicas, caches, files d'attente, CDN, connexions en streaming maintenues ouvertes pendant toute la durée de chaque réponse.
- Supervision et observabilité — suivi des erreurs, métriques de latence et d'échec, contrôles de santé des fournisseurs, et les logs qui nous signalent qu'un modèle s'est dégradé il y a deux heures et non il y a deux jours.
- Ingénierie — celles et ceux qui construisent les fonctionnalités, et celles et ceux qu'on réveille à 3 h du matin quand un fournisseur tombe.
- Support et opérations — traitement des tickets, remboursements, examen des signalements, recours de modération, frais de paiement, fiscalité, comptabilité.
Et cette liste n'est pas exhaustive non plus : c'est la partie facile à nommer.
Rien de tout cela n'apparaît sur la page tarifaire d'un fournisseur de modèles. Ce sont des coûts réels et récurrents, et la plupart augmentent avec l'usage au lieu de rester fixes.
Voici ce qui surprend le plus : l'appel au modèle que vous voyez n'est qu'une partie de ce que nous payons. Autour de lui se trouvent les serveurs, le stockage, les appels en arrière-plan facturés à personne et les personnes qui font fonctionner la plateforme. Ces coûts ne disparaissent pas lorsque le prix des tokens d'un modèle baisse.
Nous n'allons pas inventer un pourcentage bien net : la répartition bouge avec l'usage et nous préférons ne pas avancer un chiffre qu'il faudrait ensuite retirer. Ce qui reste stable, c'est la distinction : le prix de l'API d'un fournisseur et le coût d'exploitation d'une plateforme ne sont pas le même chiffre. Une inférence moins chère réduit une partie de la facture, sans supprimer tout ce qui l'entoure.
Le résumé : la fonctionnalité qu'on ne vous facture pas
Celle-ci mérite d'être isolée, parce qu'elle est invisible par conception.
Les fenêtres de contexte sont finies. Si une conversation grandissait indéfiniment, deux choses pourraient arriver : les parties les plus anciennes sortiraient silencieusement de la fenêtre et votre personnage se mettrait à oublier, ou chaque message transporterait tout l'historique et deviendrait progressivement plus lent et plus cher, jusqu'à ne plus fonctionner du tout.
Alors Reverie résume. Quand un fil s'allonge, le système compresse la partie ancienne en un résumé narratif — en préservant l'état de la relation, les dynamiques émotionnelles, les fils non résolus — et l'injecte dans le contexte à la place de l'historique brut. Cela se produit automatiquement, en arrière-plan, sans que vous le demandiez.
Ce résumé est lui-même un appel au modèle. Il lit beaucoup de tokens et en écrit de nouveaux. Et il se répète tout au long de la vie d'une longue conversation.
Nous ne vous le facturons pas. Il n'y a aucune ligne « maintenance de la mémoire » dans votre historique de crédits. C'est absorbé dans le coût d'exploitation de la plateforme, parce que faire payer aux utilisateurs la mécanique qui maintient leurs propres conversations cohérentes nous semblait être le mauvais arbitrage.
La même logique s'applique à d'autres traitements d'arrière-plan : l'optimisation du contexte, l'extraction de mémoire, la passe qui décide de ce qui mérite d'être retenu.
Les appels au modèle qui ont lieu quand vous n'êtes pas là
Une partie de ce que nous payons n'est rattachée à aucune requête de votre part.
Les messages proactifs — un personnage qui vous écrit en premier — s'exécutent selon une planification. Un traitement décide qui il est pertinent de contacter, lit assez de contexte pour savoir quoi dire, et rédige quelque chose qui mérite d'être ouvert. C'est un appel au modèle par message, pour une conversation que vous n'aviez même pas commencée.
Les moments de personnage fonctionnent pareil : générés discrètement en arrière-plan pour que la page d'un personnage ait du nouveau, que quelqu'un lui ait parlé ce jour-là ou non.
Ni l'un ni l'autre ne débite de crédits. Aucun frais quand un personnage vous écrit en premier, aucun quand un moment apparaît. Ils tournent selon notre calendrier et sur notre facture.
Cela mérite qu'on s'y arrête, car cela inverse le modèle mental habituel. Une part appréciable de nos dépenses en modèles n'a aucune requête utilisateur derrière elle. Elle existe parce qu'un personnage qui ne fait que répondre paraît moins vivant qu'un personnage qui, de temps en temps, initie quelque chose — et cette différence coûte de l'argent réel, dépensé par anticipation, pour des conversations qui n'obtiendront peut-être pas de réponse.
Le tri de modération entre aussi dans cette catégorie, et c'est le cas le plus étrange. Quand quelqu'un signale un personnage, la première relecture est un appel au modèle : déclenché par un inconnu, sur un contenu que vous avez peut-être publié il y a des mois. Ni l'un ni l'autre n'est facturé. Même chose lorsqu'un créateur publie un personnage et que ses images passent par un modèle de vision : le contrôle tourne sur notre facture, sur un travail dont nous espérons qu'il ne pose aucun problème.
Les suggestions de réponses, l'ajustement de la première réponse et les autres petites passes de qualité relèvent de la même catégorie. Peu coûteuses à l'unité, en fonctionnement permanent, jamais détaillées sur une ligne.
Oui, nous utilisons le cache de prompts
Question de suivi légitime : si la définition du personnage et le début de l'historique ne changent pas d'un message à l'autre, pourquoi payer pour les renvoyer à chaque fois ?
Nous ne le faisons pas, là où c'est possible. Le cache de prompts est déjà en place, et nous mesurons le taux de succès du cache par requête précisément pour repérer quand une modification que nous avons déployée casse par inadvertance un préfixe mis en cache.
Mais ce taux n'est pas parfait, et il ne le sera jamais. Les requêtes sont routées vers plusieurs fournisseurs via OpenRouter, et un cache appartient au fournisseur précis qui l'a créé. Si le message suivant part vers un autre backend, le cache ne suit pas. Les fournisseurs exposent aussi le cache avec des sémantiques différentes, des tailles minimales différentes et des comportements d'expiration différents. Au-delà de ça, les parties du prompt qui changent le plus souvent — les messages les plus récents, un résumé mis à jour, un plugin qu'on vient d'activer — se trouvent exactement là où elles invalident la fin du préfixe mis en cache.
Le cache réduit sensiblement la facture. Il ne l'élimine pas, et raisonner sur un taux théorique de 100 % produit des chiffres qui ne survivent pas au contact de la production.
Idées reçues vs réalité
Idée reçue : DeepSeek coûte très peu, donc tout site d'IA devrait être quasi gratuit. Réalité : L'API du modèle est une composante du coût de livraison d'un produit fini. L'inférence est la partie au prix public ; tout ce qui l'entoure est la partie qu'aucune facture ne vous montre.
Idée reçue : Si on ramène la facture d'API à zéro, le produit devient bon marché à exploiter. Réalité : Non. L'infrastructure, le stockage, la modération, le support et l'ingénierie ne disparaissent pas quand les tokens baissent. Même si l'appel au modèle au moment du message ne coûtait rien, ces coûts périphériques et les appels en arrière-plan décrits plus haut resteraient.
Idée reçue : Le résumé et la mémoire sont des fonctionnalités gratuites, donc leur fourniture est gratuite. Réalité : Elles sont gratuites pour vous. Le résumé, les messages proactifs, les moments de personnage et les passes de modération sont autant d'appels au modèle que nous payons. Les messages proactifs et les moments peuvent s'exécuter sans demande de votre part ; la modération est déclenchée par une publication ou un signalement, pas par un message de chat facturable.
Idée reçue : Avec le cache de prompts, le contexte répété est gratuit. Réalité : Le cache aide beaucoup et nous l'utilisons. Le routage multi-fournisseurs, l'expiration des caches et la fin toujours changeante de chaque prompt font que les taux réels restent bien en deçà de la perfection.
Idée reçue : Utiliser une API non officielle moins chère réglerait tout. Réalité : Cela peut faire baisser un chiffre et en augmenter d'autres — latence, instabilité, risque pour les données ou qualité du roleplay. Certains endpoints non officiels modifient les requêtes ou revendent des accès obtenus sans l'autorisation du fournisseur. On développe juste après.
Idée reçue : Les utilisateurs gratuits sont un coût que la plateforme tolère. Réalité : Les utilisateurs gratuits sont la façon dont la plateforme grandit. Beaucoup deviennent créateurs et abonnés. La contrainte n'est pas de savoir si l'usage gratuit existe, mais s'il reste soutenable.
Pourquoi nous payons les tarifs officiels
Il existe un moyen bien connu de réduire fortement la facture des modèles : des endpoints non officiels issus de rétro-ingénierie. Leurs sources varient. Certains revendent des accès obtenus par des voies non autorisées par le fournisseur ; à l'extrémité abusive de ce marché, une partie de la capacité est financée avec des moyens de paiement volés.
Nous ne les utilisons pas, et nous n'en avons pas l'intention. Ces canaux réduiraient substantiellement nos coûts de modèle. Nous les avons examinés et nous avons dit non, pour deux raisons distinctes.
La première, c'est que c'est tout simplement mal. Lorsqu'un accès est obtenu ou financé par la fraude, le revendre revient à du vol avec quelques étapes en plus, aussi banalisé que ce soit devenu dans certains coins de ce secteur. Nous n'allons pas financer la plateforme par ces canaux puis publier des articles sur la transparence.
La seconde, c'est que cela dégrade le produit — et c'est la partie que les utilisateurs ressentent directement, même sans jamais savoir d'où venait une réponse :
- La latence augmente. Les routes issues de rétro-ingénierie ajoutent des sauts, font la queue derrière des comptes mutualisés et limitent le débit de façon imprévisible. Entre une réponse qui arrive en deux secondes et une qui arrive en douze, il y a l'écart entre une conversation et l'envoi d'un formulaire.
- Elles injectent leurs propres system prompts. Beaucoup d'endpoints non officiels enveloppent les requêtes dans leur propre system prompt par défaut avant de les transmettre. Ce prompt est invisible pour nous comme pour vous, et il entre en conflit avec la définition du personnage. La voix s'aplatit. Les personnages sortent du ton, refusent des choses qu'ils ne devraient pas refuser, ou glissent vers un registre d'assistant générique. La qualité du roleplay est précisément ce qui souffre en premier, et c'est le type de régression le plus difficile à diagnostiquer quand on ne contrôle pas le prompt.
- Elles disparaissent sans préavis dès que le fournisseur colmate la brèche, emportant avec elles votre configuration qui fonctionnait.
- Les versions de modèle changent en silence, si bien qu'un personnage juste hier répond différemment aujourd'hui sans que personne puisse l'expliquer.
- Aucune responsabilité sur vos données. Pas d'accord de traitement, pas de politique de rétention, personne à qui s'adresser.
Reverie héberge des conversations dans lesquelles les gens se sont réellement investis. Les faire transiter par un intermédiaire anonyme pour économiser n'est pas un arbitrage que nous sommes prêts à faire. Les fournisseurs officiels coûtent plus cher. Ils décrochent aussi le téléphone, et ils ne réécrivent pas les instructions de votre personnage en chemin.
La forme réelle de cette activité
L'équipe est petite et Reverie n'est pas une activité très rentable.
Il y a une raison structurelle pour laquelle le prix en crédits d'un message n'est pas simplement le coût en tokens de ce message, et elle mérite d'être comprise. L'inférence est la seule partie d'une conversation qui puisse être mesurée par message. Tout le reste dans cet article — le résumé, les messages proactifs, les passes de modération, le stockage, les serveurs, les personnes — n'a aucune unité naturelle sur laquelle facturer. Personne ne peut vous adresser une facture pour « le traitement d'arrière-plan qui a décidé de ce que votre personnage devait retenir ».
La seule chose mesurable doit donc rendre compte de plus qu'elle-même. C'est toute la raison d'être d'un système de crédits plutôt que d'une refacturation directe des tokens : si un message coûtait exactement ses propres tokens et rien de plus, tout ce qui l'entoure tournerait sans rien derrière — et tout ce qui l'entoure, c'est l'essentiel.
Nous ne cherchons pas à maximiser le profit. Nous ne pouvons pas non plus fonctionner à perte de façon permanente, parce qu'une plateforme à court d'argent cesse d'exister, et c'est un résultat nettement pire pour toutes celles et ceux qui l'utilisent qu'un système de crédits avec des limites.
Entre ces deux contraintes, nous avons délibérément choisi le côté le plus proche des utilisateurs. En ce moment, la priorité est de construire le meilleur produit possible avant un lancement officiel, pas de resserrer la monétisation. Cela veut dire livrer des fonctionnalités et améliorer la qualité avant d'optimiser la conversion, et cela veut dire que l'équilibre actuel est plus lâche qu'il ne le serait si le chiffre d'affaires était l'objectif premier.
Les crédits gratuits sont aussi de vrais coûts
Il existe pas mal de façons d'utiliser Reverie sans payer :
- la récompense de connexion quotidienne
- le tirage au sort quotidien, qui vient s'y ajouter
- les succès
- les primes officielles (bounties)
- les récompenses créateurs
- les récompenses de parrainage, plus la commission lorsqu'un filleul achète des crédits
- les récompenses de partage
- les codes de réduction et cartes cadeaux
- la récompense du bilan annuel (Wrapped)
- les contributions communautaires, y compris aider à faire connaître Reverie
Il vaut la peine d'être précis sur le tirage, car c'est celui qu'on prend pour un gadget. Il compte cinq paliers — 1 000 / 2 000 / 8 000 / 30 000 / 80 000 crédits — avec des poids de 50 / 30 / 15 / 4 / 1. En développant le calcul, l'espérance tourne autour de 4 300 crédits par tirage. Par utilisateur, par jour, et en plus de la récompense quotidienne. Mis bout à bout, le niveau gratuit n'a rien d'un geste symbolique. La base de la connexion quotidienne est de 10 000 crédits, les bonus de série s'y ajoutent — +5 000 au troisième jour, +8 000 au septième, +50 000 au trentième, +200 000 au centième — et le tirage vient encore par-dessus. Le septième jour, le total attendu sans rien dépenser est d'environ 22 300 crédits ; le montant réel dépend du tirage.
Jusqu'où ça va vraiment
À ce stade, la question légitime est de savoir ce qu'achètent environ 22 300 crédits, et nous ne l'avons jamais dit clairement.
Les crédits se consomment en tokens × le multiplicateur du modèle. Les multiplicateurs des modèles texte vont de 0 à 2, et le sélecteur de modèle les affiche avant que vous n'envoyiez quoi que ce soit.
Ce qu'on sous-estime, c'est que le nombre de tokens n'est pas fixe : il croît avec la conversation. Un nouveau chat envoie quelques milliers de tokens : le personnage, votre persona, un peu d'historique. Une conversation ancienne en envoie bien plus, parce que la transcription récente repart à chaque tour. Nous plafonnons l'historique brut autour de 10 000 tokens et résumons tout ce qui précède — c'est exactement la raison d'être du résumé : sans ce plafond, une conversation de six mois renverrait tout son historique à chaque message et le coût par tour croîtrait sans limite.
En pratique, un tour dans un chat neuf sur un modèle à 0,3× coûte quelques centaines de crédits, tandis que le même tour au cœur d'une longue conversation sur un modèle à 1× en coûte dix mille ou plus. Même plateforme, même jour, un écart de plus d'un ordre de grandeur.
Cette fourchette est la réponse honnête à « combien de temps durent mes crédits ». Si les vôtres s'évaporent plus vite que prévu, vous êtes probablement au fond d'une longue conversation sur un modèle cher — et vous savez maintenant lequel des deux réglages toucher.
L'écran de connexion quotidienne lui-même effectue un appel au modèle. Ce petit mot que votre personnage vous écrit à la connexion n'est pas un gabarit : il est généré, mis en cache une fois par jour et par personnage, et plafonné quotidiennement pour ne pas s'emballer. Cela reste de l'inférence que nous payons, sur une page dont la raison d'être est de distribuer des crédits.
Un dernier détail sur la façon dont les crédits sont dépensés a sa place ici : les crédits gratuits sont toujours consommés avant les crédits payants. Si vous avez les deux, c'est le robinet qui se vide en premier. C'est délibéré — les crédits que vous avez achetés vous durent plus longtemps — mais cela veut aussi dire que le niveau gratuit absorbe le coût en premier, à chaque fois.
Chacune est une dépense réelle. Quand vous récupérez une récompense quotidienne et la dépensez dans une conversation, le fournisseur du modèle nous facture toujours, les serveurs tournent toujours, le résumé s'exécute toujours. Les crédits sont gratuits pour vous ; le calcul derrière n'est gratuit pour personne.
Nous finançons ces programmes malgré tout, parce que l'accès gratuit est la façon dont la plupart des gens découvrent si cette plateforme leur convient, et parce qu'une bonne part des utilisateurs gratuits d'aujourd'hui deviennent les créateurs et les abonnés de demain. Cela ne fonctionne que si la partie gratuite reste dans ce que la plateforme peut porter. Quand les chiffres bougent, les programmes sont ajustés — non parce que nous voulons donner moins, mais parce que donner plus qu'on ne peut soutenir finit par ne plus rien donner du tout.
Si les coûts baissent, le prix baisse
Cette partie est un engagement, pas une description.
Le prix des modèles baisse avec le temps. Le cache s'améliore. L'infrastructure gagne en efficacité. Notre propre code gaspille de moins en moins de tokens — l'essentiel du travail discret mené ces derniers mois sur l'assemblage du contexte et le résumé, c'était exactement ça.
Quand nous trouvons un moyen durable de réduire les coûts d'exploitation, notre préférence nette est de le répercuter sur les utilisateurs plutôt que de le comptabiliser en marge. Modèles moins chers, meilleurs multiplicateurs, récompenses plus généreuses. Nous l'avons fait à plusieurs reprises et nous préférons continuer, parce qu'une plateforme que les gens peuvent se permettre d'utiliser beaucoup vaut plus pour nous qu'un écart légèrement meilleur.
Le mot qui compte ici, c'est durable. Répercuter une économie qui s'avère temporaire, c'est devoir la reprendre plus tard, et c'est pire que ne l'avoir jamais donnée.
Ce que vous payez réellement
Quand vous dépensez des crédits sur Reverie, vous n'achetez pas des tokens à un fournisseur de modèles avec une marge par-dessus.
Vous payez pour une conversation qui se souvient de ce qui s'est passé, qui reste cohérente au-delà du point où le contexte brut se serait effondré, qui tourne chez des fournisseurs responsables de leur disponibilité et de vos données, qui est sauvegardée et exportable, et qui s'améliore nettement toutes les quelques semaines parce que des gens y travaillent à plein temps.
Vous voudrez peut-être encore plus de crédits gratuits. C'est tout à fait légitime, et nous aimerions vous en donner davantage — nous y travaillons du côté des coûts plutôt que du côté de la grille tarifaire.
Mais nous préférons que vous sachiez pourquoi la réponse n'est pas aussi simple que le nombre affiché sur la page tarifaire d'un fournisseur de modèles.
Une question sur un débit précis, ou l'impression que nos chiffres sont faux quelque part ? Votre historique de crédits indique le nombre réel de tokens derrière chaque message, et notre Discord est ouvert. Nous préférons débattre de chiffres réels que d'impressions vagues.
Les montants de récompense et les multiplicateurs de crédits cités ici reflètent la plateforme au moment de la publication et sont ajustés au gré de l'évolution des coûts. L'application affiche toujours les valeurs en vigueur.