La boutique est ouverte

Nous construisons les machines Workstation AI pour les sites web, les agents IA et l'entraînement de LLM — configurez-les et achetez-les en ligne.

Obtenir les prix pro
Produits IA
Labs IAAgents OpenAIAgents ClaudeGrok BotCRM natif Workstation AIMarketingTous les produits
Solutions IA
IA appliquéeAgents IAIA générativeAutomatisation par IAMontée en compétence IAOffres IA pour PMELaboratoire IA d'entrepriseStations de travail IAMatériel et logiciels NVIDIACalcul accéléré NVIDIAIA privéeCloud privé GPUClusters GPUIA en périphérieIA par secteur
Services IA
Modernisation des plateformesIngénierie numériqueFondations data et IAOpérations autonomesConseil IAAutomatisation DevOpsCybersécuritéDéveloppement logicielCréation d'agentsMise en place MLOpsLocation de GPUCloud privé GPU
À propos
EntrepriseNotre histoirePartenairesTémoignages clients
Centres de données IA
Centres de données IACloud privé GPUClusters GPULocation de GPU
Analyses IASérie JevLabo de benchmarksChoix de modèles
Notes techniques
Documentation
OS LinuxUbuntuRed Hat Enterprise LinuxSUSE LinuxAlpine LinuxDebian, Rocky & AlmaLinux
Plateformes cloud d'IAAWS & Amazon BedrockGoogle Cloud & Vertex AIMicrosoft Azure & AI FoundryClouds et places de marché GPU
Centres de données IA privésPour les cabinets d'avocatsPour les cabinets comptablesPlateformes sur siteCloud entièrement sécurisé
OutilsRing PromoterJobshout
Actualités
Blog
Nous contacterSe connecter

Stations de travail IA, logiciels multi-agents IA, infrastructure GPU et solutions d'agents intelligents pour les entreprises modernes.

Nous contacter

Solutions IA

IA appliquéeAgents IAIA générativeAutomatisation par IAMontée en compétence IAOffres IA pour PMELaboratoire IA d'entrepriseIA par secteur

Produits

Tous les produitsCRM & ERP natifs Workstation AIMarketingAgents OpenAIRing PromoterJobshout

Entreprise

À proposEntrepriseCentres de données IAPourquoi WorkstationPartenairesTémoignages clientsTarifsContactTenthMatrix

Ressources

Analyses IANotes techniquesDocumentationOS LinuxPlateformes cloud d'IACentres de données IA privésBlogRechercherPlan du site
Bureau de Belgique
Workstation SRL, Rue Vanderkindere 34, 1180 Uccle, BrusselsBE 0751.518.683Lun - Ven : 9h00 - 18h00 CET
+32 492 45 67 46
Siège social au Royaume-Uni
77-79 Marlowes, Hemel Hempstead HP1 1LFItinéraire : prenez la sortie 20 de la M25, Outer LondonN° d'entreprise: 11641870Lun - Ven : 9h00 - 18h00 GMT
+44 7515 356 146
Bureau de l'Inde
#159 Sector 9, Pocket 1, DDA Flats, 110077 Dwarka, New Delhi
+91 98881 98841
Bureau de Taïwan
3F, No. 2-4, Aisi Rd., Ren'ai Dist., Keelung City 200, Taiwan基隆市仁愛區愛四路2之4號3樓Lun - Ven : 9 h 00 - 18 h 00, heure de Taïwan (GMT+8)
+886 926 892 701+32 492 45 67 46
Bureau en Estonie
Aleksander Puškini tn 30-25, 20306 Narva, EstoniaLun - Ven : 9 h 00 - 18 h 00, heure d’Estonie (EET)
+32 492 45 67 46

© 2026 Workstation AI. Tous droits réservés.

ConfidentialitéSuppression des donnéesCookiesConditions d'utilisationPlan du site web

NVIDIA, le logo NVIDIA, RTX, RTX PRO, Blackwell, CUDA, NVLink, MGX, Omniverse, Spectrum-X, Quantum, BlueField, DGX et HGX sont des marques commerciales et/ou des marques déposées de NVIDIA Corporation aux États-Unis et dans d'autres pays. AMD, le logo AMD Arrow, EPYC, Instinct, Ryzen et Threadripper sont des marques commerciales d'Advanced Micro Devices, Inc. Dell et PowerEdge sont des marques commerciales de Dell Inc. ou de ses filiales. Intel et Xeon sont des marques commerciales d'Intel Corporation ou de ses filiales. AMAX, AceleMax et LiquidMax sont des marques commerciales d'AMAX Engineering Corporation. Tous les autres noms de produits, logos et marques appartiennent à leurs propriétaires respectifs. Nous les utilisons uniquement pour identifier les produits que nous décrivons, fournissons ou prenons en charge ; leur utilisation ne signifie pas que leurs propriétaires nous cautionnent.

Accueil / Notes techniques / Technology
AILLMSecurityArchitecture

IA privée pour les données financières : résidence, routage et coût sur AWS Bedrock, Microsoft Azure et vos propres GPU

Modes de facturation et coût à l'arrêt, coût par appel à trois niveaux de volume, Bedrock dans la région ou profils EU, API Converse avec mise en cache des prompts et restriction des régions par IAM, types de déploiement Azure et Claude sur Foundry, fournisseurs britanniques et européens, registre de fournisseurs tenant compte de la résidence, démarche de réduction des coûts, banc d'évaluation sur jeu de référence et seuil de rentabilité d'un GPU

14 novembre 2026Technology20 min read

Un guide pratique pour héberger de l'IA traitant les données financières de clients au Royaume-Uni. Il part d'un type de charge de travail bien réel (classer des transactions bancaires, lire des reçus et répondre à des questions par chat) et examine comment AWS Bedrock et Microsoft Azure facturent, où chacun traite réellement les données, ce que coûte chaque option à trois niveaux de volume, comment réduire la facture grâce aux règles, à la mémoire, à la mise en cache des prompts et au traitement par lots, comment tester la qualité avant le prix, quand un GPU dédié devient rentable, et quels contrôles de gouvernance doivent encadrer l'ensemble. Des workflows et du code sont fournis tout au long du document.

Une requête passe d'un moteur de règles et d'une mémoire client par un prompt mis en cache jusqu'à un routeur de résidence des données et une validation, à côté de la formule de coût par appel détaillée pour Claude Haiku sur Bedrock EU.

Synthèse. Les déploiements standard de Bedrock et d'Azure sont facturés au token : ils ne coûtent donc rien lorsqu'ils sont inactifs ; les éteindre ne fait faire aucune économie et ne change que l'endroit où les données peuvent aller. Fixez d'abord la règle de résidence des données. Si le Royaume-Uni est obligatoire, utilisez Amazon Nova dans la région Londres de Bedrock, un fournisseur britannique comme Civo relaxAI, ou vos propres GPU. Si l'UE est acceptable, Claude Haiku via le profil d'inférence EU de Bedrock est la meilleure option à bas coût. Claude sur Microsoft Foundry ne propose pas encore de traitement dans l'UE ou au Royaume-Uni, et GPT-5 mini hébergé au Royaume-Uni sur Azure coûte environ trois fois plus cher par appel et nécessite l'approbation de Microsoft. Réduisez ensuite le volume avant le prix : les règles et la mémoire par client suppriment des appels, la mise en cache des prompts ramène la partie répétée de chaque prompt à environ un dixième du prix, et le traitement par lots de nuit coûte moitié moins. Testez la qualité sur un jeu de référence avant de changer quoi que ce soit.

Cette note technique accompagne notre article de blog Hébergement d'IA privée au Royaume-Uni : Bedrock, Azure ou vos propres GPU ?. Les prix sont des prix catalogue approximatifs en novembre 2026, en dollars américains sauf mention contraire, avec 1 £ = 1,30 $ et 1 € = 1,15 $. Certains proviennent de sites tiers de suivi des prix, car les pages tarifaires des fournisseurs n'affichent pas toujours leurs tableaux aux outils automatisés. Vérifiez chaque chiffre dans le calculateur du fournisseur avant de vous engager.

1. La charge de travail et la règle sur les données

L'exemple étudié est une application financière britannique : un produit de comptabilité ou de fiscalité qui importe les transactions bancaires et les reçus des clients. L'essentiel des dépenses d'IA concerne la classification : un appel par transaction, avec environ 3 600 tokens en entrée (la liste des catégories, les règles du client et quelques exemples, plus la transaction) et environ 250 tokens en sortie. Mesurez vos propres chiffres avec un outil de traçage de LLM tel que Langfuse avant de vous fier à une estimation, y compris la nôtre.

TâcheFréquence des appels à l'IABesoins
Classer les transactions bancairesUne fois par transactionEnviron 3 600 tokens en entrée, 250 en sortie ; l'essentiel du volume
Lire les PDF numérisés et les reçusUne fois par page ou imageUn modèle capable de lire des images
Assistant de chat pour les clientsUne fois par messageUn modèle conversationnel performant ; la latence compte
Solution de repli à l'import pour les fichiers illisiblesUniquement quand les règles échouentMême chemin que la classification

La règle sur les données qui détermine tout le reste : les données financières des clients ne doivent pas être envoyées à des services d'IA publics grand public. Elles doivent être traitées au Royaume-Uni, ou au moins dans l'UE, sans entraînement sur ces données et sans conservation prolongée. Mettez cette règle par écrit, confiez-la à votre responsable de la protection des données et faites-la appliquer par le code (section 8).

2. Coût à l'arrêt : ce qui est réellement facturé quand rien ne se passe

Un réflexe courant consiste à éteindre les services d'IA la nuit pour faire des économies. Cela ne fonctionne que pour les services facturés à l'heure. Voici comment chaque modèle est facturé :

Mode de facturationNom chez BedrockNom chez AzureCoût à l'arrêtÀ utiliser quand
Paiement au tokenOn-demandStandard / Global Standard / Data Zone StandardRienPresque toujours, aux volumes d'une PME
Capacité réservéeProvisioned Throughput (via le service commercial d'AWS)Provisioned Throughput Units (PTU)Tarif horaire complet, utilisé ou nonVolume très élevé et régulier, ou latence garantie
Traitement par lotsBatch inference (environ 50 % de réduction)Batch deployments (tarif réduit)RienTravail que personne n'attend, comme les rattrapages
Mise en cache des promptsLecture du cache à environ 0,1x le prix d'entrée (Claude)Selon le modèleRienTout prompt comportant un long préfixe répété
GPU louéVotre propre serveur de modèles sur un GPU dans le cloud ou en colocationTarif mensuel completVolume très élevé, ou données qui ne doivent jamais échapper à votre contrôle

Ainsi, sur toute option facturée au token, l'interrupteur marche/arrêt détermine où vont les données, et non ce que vous payez. L'infrastructure associée est elle aussi peu coûteuse : sur AWS, les rôles IAM, la configuration et un groupe de journaux vide ne coûtent rien, et une alarme CloudWatch revient à environ 0,10 $ par mois.

3. Le modèle de coût

Toute option facturée au token se ramène à une seule formule :

cost per call = input_tokens × input_price + output_tokens × output_price

# Claude Haiku on Bedrock EU, ~$0.11 in / $0.55 out per million tokens
= 3,600 × 0.11 / 1,000,000 + 250 × 0.55 / 1,000,000
= $0.000396 + $0.000138
≈ $0.00053 per call  →  ~$53 per 100,000 calls

Graphique en barres du coût mensuel approximatif pour 100 000 classifications : Nova Micro Londres 23 $, Claude Haiku Bedrock EU avec cache 24 $, Nova Lite Londres 39 $, Qwen3-32B sur Nebius 44 $, Claude Haiku sur Microsoft Foundry 49 $, Claude Haiku Bedrock EU 53 $, Civo relaxAI 66 $, Mistral Small sur Scaleway 72 $, GPT-5 mini Azure UK South 156 $ plus les tokens de raisonnement ; un GPU loué au Royaume-Uni coûte 942 $ par mois au forfait.

OptionLieu de traitementPrix par million de tokens (entrée / sortie)10k / mois100k / mois1M / mois
Amazon Nova Micro, Bedrock LondresRoyaume-Uni~0,049 $ / 0,196 $~2 $~23 $~225 $
Amazon Nova Lite, Bedrock LondresRoyaume-Uni~0,084 $ / 0,336 $~4 $~39 $~386 $
Claude Haiku 5.5, profil EU de BedrockUE~0,11 $ / 0,55 $~5 $~53 $~534 $
Claude Haiku 5.5, Microsoft FoundryNon fixé~0,10 $ / 0,50 $~5 $~49 $~485 $
GPT-5 mini, Azure OpenAI UK SouthRoyaume-Uni (après approbation)~0,28 $ / 2,20 $~16 $~156 $+~1 558 $+
Civo relaxAIRoyaume-Unià partir de 0,10 £ / 0,60 £~7 $~66 $~663 $
Qwen3-32B, NebiusUE ou États-Unis (fixé uniquement sur un endpoint dédié)~0,10 $ / 0,30 $~4 $~44 $~435 $
Mistral Small 3.2, ScalewayFrance0,15 € / 0,35 €~7 $~72 $~722 $
GPU L40S loué, LondresRoyaume-Uni (votre modèle)forfait942 $942 $942 $
Votre propre serveur GPUVos locauxaucun coût par appelMatériel, électricité et maintenance uniquement

Deux mises en garde. GPT-5 mini est un modèle de raisonnement : les tokens de raisonnement cachés sont facturés comme des tokens de sortie, de sorte que le coût réel dépasse celui indiqué. Et l'option la moins chère n'est économique que si elle classe correctement ; un modèle qui se trompe sur une transaction sur dix génère un travail de support et de correction bien plus coûteux que la facture de tokens. La section 9 explique comment tester.

4. AWS Bedrock en détail

4.1 Où Bedrock traite les données

Bedrock propose trois façons d'appeler un modèle, et ce sont elles qui déterminent la résidence des données :

  • Dans la région : la requête est traitée dans la région que vous appelez. Amazon Nova Micro et Nova Lite sont disponibles dans la région Europe (Londres), eu-west-2. C'est l'option exclusivement britannique.
  • Profils d'inférence inter-régions géographiques (identifiants préfixés par eu.) : la requête peut être traitée dans n'importe quelle région de cette zone géographique. Claude Haiku via le profil EU reste dans des régions de l'UE, mais n'est pas fixé au Royaume-Uni.
  • Profils globaux : traitement là où se trouve la capacité. Ne convient pas à cette règle sur les données.

Une erreur fréquente consiste à supposer qu'« une région de l'UE » signifie « le Royaume-Uni ». Stockholm (eu-north-1) ou Francfort relèvent d'une localisation dans l'UE, pas au Royaume-Uni ; décrivez-le avec exactitude dans votre documentation et dans votre politique de confidentialité. AWS indique que Bedrock n'utilise pas les prompts et les réponses pour entraîner les modèles d'AWS et ne les partage pas avec les fournisseurs de modèles ; la journalisation des invocations de modèles est désactivée tant que vous ne l'activez pas.

4.2 Appeler Nova à Londres avec un préfixe mis en cache

L'API Converse de Bedrock offre un format de requête unique pour Nova et Claude. Un cachePoint placé après le prompt système marque le préfixe répété pour la mise en cache des prompts sur les modèles qui la prennent en charge :

import json, boto3

brt = boto3.client("bedrock-runtime", region_name="eu-west-2")   # London

SYSTEM_PROMPT = open("classify_system_prompt.txt").read()        # categories, rules, examples

def classify(txn: dict, model_id="amazon.nova-micro-v1:0") -> dict:
    resp = brt.converse(
        modelId=model_id,                                         # in-region model: UK only
        system=[{"text": SYSTEM_PROMPT}, {"cachePoint": {"type": "default"}}],
        messages=[{"role": "user", "content": [{"text": json.dumps(txn)}]}],
        inferenceConfig={"maxTokens": 300, "temperature": 0},
    )
    usage = resp["usage"]   # inputTokens, outputTokens, cacheReadInputTokens, cacheWriteInputTokens
    answer = json.loads(resp["output"]["message"]["content"][0]["text"])
    return {"answer": answer, "usage": usage}

Pour Claude via le profil EU, l'appel est identique, avec comme modelId l'identifiant du profil d'inférence EU du modèle, effectué depuis l'une des régions sources EU du profil. Vérifiez les régions sources et de destination actuelles du profil dans la console Bedrock avant de les inscrire dans une politique de confidentialité.

4.3 Imposer la région dans IAM

Ne comptez pas uniquement sur le code pour maintenir les requêtes dans la région. N'accordez au rôle de l'application que les modèles et les régions autorisés par la règle sur les données. Pour un service exclusivement britannique :

{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Sid": "InvokeUkOnlyModels",
      "Effect": "Allow",
      "Action": ["bedrock:InvokeModel", "bedrock:InvokeModelWithResponseStream"],
      "Resource": [
        "arn:aws:bedrock:eu-west-2::foundation-model/amazon.nova-micro-v1:0",
        "arn:aws:bedrock:eu-west-2::foundation-model/amazon.nova-lite-v1:0"
      ]
    }
  ]
}

Un service autorisé dans l'UE ajoute l'ARN du profil d'inférence et les ARN des modèles de fondation dans chacune des régions de destination du profil, c'est-à-dire exactement la liste que votre politique de confidentialité doit mentionner.

4.4 Ce qui coûte de l'argent sans aucun bénéfice

  • Les endpoints de réseau privé (endpoints d'interface AWS PrivateLink) coûtent environ 7 à 8 $ par endpoint, par zone de disponibilité et par mois. Ils ne sont utiles que si vos serveurs d'application s'exécutent dans AWS. S'ils s'exécutent ailleurs, le trafic traverse de toute façon Internet pour atteindre le VPC : laissez-les de côté et utilisez TLS avec l'authentification IAM.
  • Provisioned Throughput est facturé chaque heure, utilisé ou non. Aux volumes d'une PME, l'on-demand est moins cher.

Ajoutez en revanche une alerte AWS Budgets, par exemple à 20 $ par mois, afin qu'une boucle de nouvelles tentatives ou un rattrapage incontrôlé alerte quelqu'un avant que la facture ne le fasse.

5. Microsoft Azure en détail

5.1 Types de déploiement et résidence des données

Les déploiements facturés au token d'Azure existent en trois périmètres de résidence : Global Standard (traitement dans n'importe quelle région Azure), Data Zone Standard (traitement dans une zone de données comme les États-Unis ou l'UE) et Standard régional (traitement dans la région du déploiement). La capacité réservée correspond aux PTU, facturées à l'heure.

  • Claude sur Microsoft Foundry est disponible en Global Standard ou dans une zone de données américaine. À l'heure où nous écrivons, il n'existe pas de zone de données UE pour Claude, et la documentation de Microsoft précise que les données peuvent être traitées hors de la région choisie. Cela l'exclut sous une règle UE ou Royaume-Uni, quel que soit son prix.
  • Azure OpenAI dans UK South est la seule option, sur l'un ou l'autre cloud, donnant accès à des modèles OpenAI traités au Royaume-Uni. Des clients signalent qu'elle nécessite l'approbation de Microsoft, peut démarrer avec un quota nul, et que les anciens modèles sont retirés selon un calendrier : prévoyez donc des migrations. GPT-5 mini, à environ 0,28 $ en entrée et 2,20 $ en sortie par million de tokens, revient à peu près à trois fois le coût par transaction de Claude Haiku, avant les tokens de raisonnement.

5.2 Appeler Azure OpenAI

L'API v1 d'Azure OpenAI accepte le client OpenAI standard avec une URL de base différente : une application qui utilise déjà le format d'OpenAI n'a besoin que de configuration, ainsi que du nom du déploiement à la place du nom du modèle :

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://<your-resource>.openai.azure.com/openai/v1/",
    api_key=os.environ["AZURE_OPENAI_API_KEY"],
)
resp = client.chat.completions.create(
    model="<your-uk-south-deployment>",
    messages=[{"role": "system", "content": SYSTEM_PROMPT},
              {"role": "user", "content": txn_json}],
)

Dans quels cas elle convient : les organisations déjà engagées dans des contrats Microsoft, ou les clients qui exigent spécifiquement des modèles OpenAI traités au Royaume-Uni. Pour cette charge de travail et cette règle, elle coûte plus cher et offre moins de certitude d'accès que Bedrock.

6. Alternatives britanniques et européennes

OptionLieu de traitementRemarques
Civo relaxAICentres de données au Royaume-UniSociété britannique ; API compatible OpenAI à partir de 0,10 £ / 0,60 £ par million de tokens ; modèles ouverts, donc testez la qualité
Scaleway Generative APIsFranceCompatible OpenAI ; Mistral et d'autres modèles ouverts ; quota gratuit de démarrage ; réduction pour le traitement par lots
Nebius Token FactoryUE ou États-UnisLes endpoints partagés choisissent leur région ; utilisez un endpoint dédié pour la fixer, et activez la non-conservation des données
Votre propre serveur GPUVos locaux ou une colocationModèles ouverts via Ollama ou vLLM ; aucun coût par appel ; vous êtes responsable de la capacité, des correctifs et de la disponibilité
GPU loué au Royaume-UniRoyaume-UniEnviron 942 $ par mois pour un L40S à Londres ; vous exploitez le serveur de modèles

La plupart de ces fournisseurs utilisent le format de requête d'OpenAI, si bien qu'un seul adaptateur les couvre tous. Voici un registre de fournisseurs minimal qui associe à chaque option sa résidence des données (à titre d'illustration ; les URL de base et les noms de modèles sont des valeurs fictives) :

from dataclasses import dataclass
from openai import OpenAI

@dataclass(frozen=True)
class Route:
    name: str
    residency: str          # "UK", "EU" or "GLOBAL"
    base_url: str
    model: str
    key_env: str

ROUTES = [
    Route("own-gpu",   "UK", "http://llm.internal:11434/v1",   "<open-model>",   "LOCAL_LLM_KEY"),
    Route("relaxai",   "UK", "<relaxai-base-url>",           "<model>",        "RELAXAI_API_KEY"),
    Route("scaleway",  "EU", "<scaleway-base-url>",          "<model>",        "SCW_SECRET_KEY"),
]

ALLOWED = {"UK": {"UK"}, "EU": {"UK", "EU"}}

def routes_for(rule: str) -> list[Route]:
    """Only routes the customer's data rule permits, in preference order."""
    return [r for r in ROUTES if r.residency in ALLOWED[rule]]

L'intérêt de cette conception est qu'une option sans résidence déclarée ne peut pas être sélectionnée, et qu'une solution de repli mal configurée ne peut pas envoyer discrètement des données réservées au Royaume-Uni vers un endpoint européen ou global.

7. Faire moins d'appels, et des appels plus courts

Chaîne de traitement : transaction, moteur de règles, mémoire client, prompt avec préfixe mis en cache, routeur de fournisseurs avec politique de résidence choisissant Nova Londres, Claude Haiku EU ou votre propre GPU, puis validation par schéma et niveau de confiance ; chaque appel est tracé avec une alerte budgétaire ; rattrapage de nuit par inférence par lots.

L'appel d'IA le moins cher est celui que vous ne faites pas. Par ordre d'impact :

  1. Les règles d'abord. Les noms des bénéficiaires, les codes de catégorie de commerçant et des motifs simples permettent de classer une grande partie des transactions sans aucun modèle. Journalisez le nombre de correspondances à chaque exécution afin de voir cette part augmenter.
  2. Mémoire par client. Le même supermarché, le même bailleur ou le même abonnement logiciel revient chaque semaine ou chaque mois. Conservez les réponses confirmées de chaque client et réutilisez-les pour les bénéficiaires récurrents ; n'appelez le modèle que lorsque le bénéficiaire est nouveau ou que le profil des montants change.
  3. Mise en cache des prompts. Chaque classification renvoie la même liste de catégories, les mêmes règles et les mêmes exemples. Si environ 3 000 des 3 600 tokens d'entrée forment un préfixe stable, le lire depuis le cache à 0,1x le prix d'entrée fait passer Claude Haiku sur Bedrock EU d'environ 53 $ à environ 24 $ pour 100 000 appels. Deux conditions : le préfixe doit être identique à l'octet près d'un appel à l'autre (placez tout élément variable après lui), et il doit dépasser la longueur minimale pouvant être mise en cache pour le modèle, qui peut atteindre plusieurs milliers de tokens sur les modèles plus petits. Mesurez d'abord la part répétée.
  4. Des prompts plus courts. Le coût augmente avec la longueur. Supprimez les exemples qui ne modifient pas la précision sur votre jeu de référence.
  5. Traitement par lots de nuit. Reclasser l'historique après une modification des catégories est un travail idéal pour le traitement par lots, à environ moitié prix.
ÉtapeAppels pour 100k transactions (exemple)Coût mensuel, Haiku EU (exemple)
Chaque transaction envoyée au modèle100 000~53 $
Les règles couvrent 40 %60 000~32 $
La mémoire réutilise la moitié du reste30 000~16 $
Mise en cache des prompts sur le reste30 000~7 $

Les pourcentages sont donnés à titre d'illustration ; vos journaux vous fourniront les vrais. C'est la logique qui compte : chaque couche supprime du travail avant que la suivante, plus coûteuse, ne s'exécute.

8. Faire respecter la résidence des données, et pas seulement la documenter

  • Règle sur les données par client enregistrée avec le compte (Royaume-Uni ou UE), lue par le routeur à chaque appel.
  • Liste d'autorisation des options avec résidence déclarée (section 6) ; les options inconnues sont rejetées.
  • Application côté cloud : IAM limité aux ARN de modèles et aux régions autorisés (section 4.3) ; sur Azure, uniquement des déploiements régionaux ou en zone de données UE dans l'abonnement.
  • Pas d'entraînement et conservation minimale : vérifiez les conditions de chaque fournisseur ; activez la non-conservation des données lorsque c'est possible ; tenez vos propres journaux de prompts à l'écart des systèmes de journalisation généralistes, ou caviardez-les.
  • Interrupteur d'arrêt par option : un paramètre d'administration qui retire instantanément une option de la chaîne, sans déploiement.
  • Tracer chaque appel : option, modèle, région, tokens d'entrée, en cache et de sortie, coût et latence, afin que la direction financière et le responsable de la protection des données voient les mêmes chiffres.
  • Alertes budgétaires sur chaque compte cloud et chaque clé d'API.
  • Documentez-le avec exactitude dans votre politique de confidentialité et votre registre des traitements : nommez les régions, pas seulement « l'Europe ».

9. Tester la qualité avant le prix

Cinq étapes : constituer un jeu de référence d'environ 200 transactions aux réponses connues, exécuter chaque option autorisée avec le même prompt, évaluer la précision, le coût, la latence et les erreurs de schéma, choisir l'option la moins chère qui atteint le seuil avec un repli plus performant, puis déployer en mode fantôme et relancer à chaque modification.

Constituez un jeu de référence d'environ 200 transactions réelles dont les bonnes réponses sont connues, en privilégiant les cas difficiles : remboursements, virements entre les propres comptes d'un client, paiements fractionnés et bénéficiaires ambigus. Exécutez chaque option autorisée par votre règle de résidence, y compris votre propre modèle sur GPU comme référence, avec le même prompt et une température de 0. Un banc d'essai minimal (à titre d'illustration) :

import csv, time, statistics

def evaluate(route, golden_csv, classify, price_in, price_out):
    rows = list(csv.DictReader(open(golden_csv)))
    right, costs, latencies, schema_fail = 0, [], [], 0
    for row in rows:
        t0 = time.perf_counter()
        try:
            out = classify(row, route)                 # returns {"answer": {...}, "usage": {...}}
        except ValueError:                             # unparseable or off-schema answer
            schema_fail += 1
            continue
        latencies.append(time.perf_counter() - t0)
        right += out["answer"]["category"] == row["expected_category"]
        u = out["usage"]
        costs.append(u["inputTokens"] * price_in / 1e6 + u["outputTokens"] * price_out / 1e6)
    n = len(rows)
    return {
        "route": route,
        "accuracy": right / n,
        "schema_failures": schema_fail,
        "cost_per_1k": 1000 * statistics.mean(costs) if costs else None,
        "p95_latency_s": statistics.quantiles(latencies, n=20)[18] if len(latencies) >= 20 else None,
    }

Choisissez l'option la moins chère qui atteint votre seuil de précision globalement et sur les catégories difficiles, et envoyez les réponses à faible niveau de confiance à un modèle plus performant ou à une personne. Déployez-la d'abord en mode fantôme à côté de l'option actuelle, puis basculez en conservant l'ancienne option comme solution de repli. Conservez le jeu de référence : il devient le test de non-régression que vous relancez chaque fois qu'un fournisseur retire un modèle ou que vous modifiez le prompt.

10. Quand un GPU dédié devient rentable

Graphique linéaire du coût mensuel en fonction du nombre de classifications : Claude Haiku sur Bedrock EU augmente d'environ 53 $ par tranche de 100 000 ; Nova Micro Londres d'environ 23 $ par tranche de 100 000 ; un GPU loué au Royaume-Uni reste fixe à environ 942 $. Le GPU égale Haiku à environ 1,8 million de classifications par mois et n'égale pas Nova Micro en dessous de deux millions.

Un GPU loué au Royaume-Uni à environ 942 $ par mois n'égale Claude Haiku sur Bedrock EU qu'à environ 1,8 million de classifications par mois, et n'égale pas Nova Micro en dessous de deux millions. En deçà, la facturation au token est moins chère et ne coûte rien à l'arrêt. Le calcul change dans trois cas :

  • Vous possédez déjà le matériel. Seules l'électricité et la maintenance comptent alors, et un modèle ouvert performant sur un GPU de classe station de travail peut assurer la classification à un coût marginal quasi nul.
  • Les données ne doivent jamais échapper à votre contrôle, pour des raisons contractuelles ou réglementaires, quel qu'en soit le coût.
  • Le GPU sert plusieurs charges de travail : classification, lecture de documents, embeddings et assistants internes peuvent ensemble justifier un serveur dédié bien en dessous de 1,8 million d'appels.

Exploiter votre propre serveur de modèles implique d'assumer la planification de la capacité, les mises à jour des modèles, la supervision et le basculement. Gardez une option facturée au token dans la chaîne comme solution de repli, afin qu'une panne de GPU dégrade le service au lieu de l'interrompre.

11. Liste de contrôle pour la décision

  1. Le responsable de la protection des données fixe la règle : Royaume-Uni uniquement, ou UE autorisée.
  2. Mesurez le nombre réel de tokens et la part de préfixe répété grâce au traçage.
  3. Exécutez le jeu de référence sur chaque option autorisée ; choisissez d'abord selon la précision, puis selon le coût.
  4. Ajoutez les règles, la mémoire par client et la mise en cache des prompts avant d'augmenter le volume.
  5. Déployez avec une restriction des régions au niveau d'IAM ou de l'abonnement, un interrupteur d'arrêt par option et des alertes budgétaires ; laissez de côté les endpoints privés et la capacité réservée, sauf si vos serveurs se trouvent dans le même cloud et que votre volume le justifie.
  6. Documentez les régions dans la politique de confidentialité et le registre des traitements.
  7. Revérifiez chaque prix dans les calculateurs des fournisseurs, et relancez le jeu de référence lorsqu'un fournisseur modifie ou retire un modèle.

12. Comment Workstation peut vous aider

Nous aidons les organisations britanniques à exécuter de l'IA sur des données sensibles : choix et mise en place d'options respectant la résidence des données sur Bedrock, Azure et chez des fournisseurs britanniques, création du banc d'évaluation et des jeux de référence, ajout de la mise en cache et de règles pour réduire les coûts, et fourniture ou hébergement de serveurs GPU lorsque posséder le modèle est pertinent. Consultez notre guide sur le cloud privé GPU et notre outil de dimensionnement de la VRAM pour la partie matérielle, comparez leasing et achat sur gpuleasing.co.uk, ou contactez-nous.

Hypothèses et sources

  • Charge de travail : environ 3 600 tokens en entrée et 250 en sortie par classification ; mesurez les vôtres.
  • Prix : prix catalogue approximatifs de novembre 2026, issus des pages des fournisseurs et de sites tiers de suivi ; taux de change 1 £ = 1,30 $, 1 € = 1,15 $. GPU loué : environ 942 $ par mois pour un NVIDIA L40S à Londres.
  • AWS : tarifs d'Amazon Bedrock (on-demand, batch, provisioned throughput), fiches des modèles Amazon Nova et disponibilité régionale (Nova Micro et Nova Lite disponibles dans la région Londres), documentation de l'inférence inter-régions de Bedrock, tarifs d'AWS PrivateLink.
  • Anthropic : tarifs de Claude, y compris les tarifs de base, de lecture du cache et de traitement par lots de Claude Haiku 5.5.
  • Microsoft : types de déploiement de Foundry (Global Standard, Data Zone Standard, PTU, Batch) et documentation de Claude dans Foundry ; InfoQ, « Claude Reaches GA on Microsoft Foundry: European Enterprises Cannot Deploy It » (juillet 2026) ; fils de discussion Microsoft Q&A sur l'accès à UK South et le retrait des modèles.
  • Civo : annonce du lancement de l'API relaxAI (déploiements au Royaume-Uni à partir de 0,10 £ / 0,60 £ par million de tokens). Tarifs de Scaleway Generative APIs. Documentation de Nebius Token Factory sur les régions et la non-conservation des données.
  • Tout le code est fourni à titre d'illustration et doit être adapté, relu et testé avant utilisation.

Mention des droits : Amazon Web Services, AWS, Amazon Bedrock et Amazon Nova sont des marques commerciales d'Amazon.com, Inc. ou de ses filiales. Microsoft, Azure et Microsoft Foundry sont des marques commerciales du groupe Microsoft. Claude est une marque commerciale d'Anthropic, PBC. OpenAI et GPT sont des marques commerciales d'OpenAI. NVIDIA et L40S sont des marques commerciales de NVIDIA Corporation. Les autres noms de produits et de sociétés appartiennent à leurs propriétaires respectifs.

Partager cet article

Plus dans Technology

Portables pour développeurs IA : exécuter des LLM en local sous Linux avec des GPU de 16 GB et 24 GB (guide 2026)

Portables pour développeurs IA : exécuter des LLM en local sous Linux avec des GPU de 16 GB et 24 GB (guide 2026)

Ce qui tient sur un GPU RTX 5080 ou RTX 5090 Laptop, le calcul de mémoire, les modèles ouverts qui valent la peine, la configuration d'Ubuntu 26.04 avec la pile NVIDIA, Ollama, llama.cpp et vLLM, les assistants de code, l'affinage LoRA, la sécurité, et quand passer le travail sur un serveur

Lire la suite
Tester des systèmes ML et LLM impossibles à prouver corrects : une boîte à outils Python d'éléments probants

Tester des systèmes ML et LLM impossibles à prouver corrects : une boîte à outils Python d'éléments probants

Des éléments probants à la place des preuves, en environ 400 lignes de Python avec une sortie réelle : métriques par segment avec intervalles bootstrap et contrat de réussite ou d'échec, tests de propriétés et métamorphiques avec Hypothesis, calibration et prédiction conforme, contrats Pydantic et évaluations de non-régression pour les sorties LLM, contrôles de dérive, barrière en CI et vérification exacte d'un petit réseau de neurones

Lire la suite
TorchCurves en pratique : courbes B-spline et de Legendre apprenables dans PyTorch

TorchCurves en pratique : courbes B-spline et de Legendre apprenables dans PyTorch

Installer torchcurves, ajuster et dimensionner une courbe, choisir entre B-spline et Legendre ainsi que l’application d’entrée, construire une courbe de calibration monotone et un modèle additif sur des données tabulaires, comparer avec SciPy, scikit-learn, un KAN et un MLP, exporter les coefficients en JSON, tester et exploiter en production, avec des sorties réelles

Lire la suite