Make ne facture pas les tokens IA, mais OpenAI, Anthropic et Mistral oui. Et un scénario Make mal conçu peut transformer une facture de 30€/mois en 300€/mois sans changer de fonctionnalité. Voici comment auditer et optimiser.

Les trois gros postes de gaspillage

1. Le prompt système répété à chaque exécution. Si votre scénario tourne 10 000 fois par mois avec un prompt système de 500 tokens, c'est 5M tokens/mois — soit 25€ rien que pour rappeler le contexte à chaque fois. Solution : prompts plus courts, ou cache de contexte (Anthropic propose le prompt caching à -90% sur la partie cachée).

2. Les contextes overlong. Envoyer 3 emails complets à GPT pour qu'il en extraie 3 lignes de résumé : c'est 6000 tokens d'input pour 200 tokens de sortie. Tronquez en amont (Make a un module Text Parser).

3. Les boucles non bornées. Un Iterator qui appelle GPT pour chaque ligne d'un tableur de 5000 lignes : c'est 5000 appels API. Souvent on peut batcher (envoyer 20 lignes par appel) et diviser le coût par 15.

Méthode d'audit en 4 étapes

1. Exporter les logs OpenAI sur 30 jours (dashboard OpenAI > Usage > Export CSV).
2. Identifier le top 3 des scénarios qui consomment 80% des tokens.
3. Mesurer le ratio input/output. Au-delà de 10:1, il y a presque toujours un problème.
4. Tester les alternatives. GPT-4o-mini est 30x moins cher que GPT-4 et suffit pour 80% des cas (classification, résumé, extraction).

Optimisations qui marchent

• Switch GPT-4 → GPT-4o-mini sur les tâches simples : -97% de coût.
• Prompt caching Anthropic sur les workflows à contexte stable : -90% sur le bloc caché.
• Batch processing : grouper 10-50 items par appel = -80 à -90% du coût.
• Filtrage en amont : ne pas envoyer à GPT ce qu'un filtre Make peut résoudre (regex, contains, etc.).
• Limites strictes : max_tokens explicite sur chaque appel, pour éviter les sorties verbeuses.

Règle de cadrage avant de lancer un scénario IA

Estimez le coût mensuel avant le go-live : (nombre d'exécutions/mois × tokens input × prix input) + (nombre d'exécutions × tokens output × prix output). Si vous obtenez plus de 50€/mois pour un cas pas business-critical, optimisez avant de déployer.