Compteur de tokens PDF

Passez le texte dans le tokenizer que le modèle utilise. OpenAI publie le sien, donc les totaux pour GPT-5.6, GPT-5.4, GPT-4.1 et GPT-4o sont exacts — cette page charge le véritable vocabulaire BPE (o200k_base) dans votre navigateur et compte avec lui. Anthropic, Google, xAI, DeepSeek et Meta ne publient pas leurs tokenizers : ces totaux sont des approximations, signalées par « est. ». Pour une vérification manuelle rapide en prose anglaise, divisez le nombre de caractères par 4.

Un PDF doit d’abord être reconverti en texte avant de pouvoir être tokenisé. Déposez le fichier dans le compteur en haut de cette page : il extrait la couche de texte page par page avec pdf.js et tokenise le résultat, entièrement dans votre navigateur et sans envoi. Si le total revient vide, le PDF est presque certainement un scan sans couche de texte et nécessiterait d’abord un OCR.

Environ 750 000 mots, soit à peu près 1 500 pages de prose ordinaire — cinq à six romans complets. En argent, tout dépend du modèle : 1 000 000 de tokens d’entrée coûtent $2.00 sur GPT-5.6 Terra, $0.200 sur GPT-5.6 Luna et $5.00 sur GPT-5.5. Les tokens de sortie sont facturés séparément et coûtent trois à cinq fois plus.

Environ 150 000 mots, soit à peu près 300 pages — un roman complet. Pendant des années, c’était le plafond habituel de la fenêtre de contexte, et il l’est encore sur les petits modèles ; les modèles de pointe actuels en acceptent bien plus — GPT-5.6 Terra prend environ 1 050 000 tokens, donc un document de cette taille ne remplit plus à lui seul une requête entière. Au tarif d’entrée de GPT-5.6 Terra, cela coûte $0.400.

1 000 tokens d’entrée coûtent $0.00200 sur GPT-5.6 Terra, $0.00020 sur GPT-5.6 Luna, $0.00200 sur Claude Sonnet 5 et $0.00200 sur Gemini 3.1 Pro. Les fournisseurs affichent leurs prix par million de tokens : divisez le tarif annoncé par 1 000 pour obtenir le prix des 1 000 tokens.

Prix = (tokens d’entrée ÷ 1 000 000) × tarif d’entrée + (tokens de sortie ÷ 1 000 000) × tarif de sortie. Comptez les deux sens séparément, car tous les fournisseurs facturent plus ce que le modèle écrit que ce que vous envoyez. Si vous réutilisez le même début de prompt d’une requête à l’autre, vérifiez si un tarif d’entrée en cache s’applique — généralement 10 % à 50 % du tarif standard.

Les fournisseurs facturent au token parce que le token est ce que le modèle traite réellement : chaque token de votre prompt et chaque token de la réponse consomme du calcul. Vous payez les deux sens à chaque requête, ce qui explique qu’un long document renvoyé à chaque tour d’une conversation devienne vite coûteux — les mêmes pages sont repayées chaque fois.

Un token est une unité sous-lexicale issue du vocabulaire byte-pair encoding du modèle — ni un caractère, ni un mot. Les mots anglais courants font généralement un token ; les plus longs ou plus rares se découpent en plusieurs, « tokenization » devenant « token » + « ization ». La ponctuation et les espaces initiales comptent aussi. L’anglais tourne autour de 4 caractères ou 0,75 mot par token ; le français, avec ses accents et ses élisions, est un peu plus dense, et le code, le JSON, les écritures non latines et les emojis beaucoup plus, parfois un token par caractère.

Un dollar d’entrée achète environ 500 000 tokens sur GPT-5.6 Terra, 5 000 000 sur GPT-5.6 Luna, 200 000 sur GPT-5.5 et 500 000 sur Claude Sonnet 5. Divisez 1 000 000 par le prix d’entrée par million pour obtenir le chiffre de n’importe quel modèle du tableau ci-dessus.