Diane sur data.gouv.fr

Les chiffres de la première publication

679 316

appels facturables mesurés

3,3 Md

tokens d'entrée transmis aux modèles

4 619 $

de coûts fournisseurs cumulés

552 h

d'audio synthétisé

296 264

cartes de révision générées

83 jours

de mesure continue, sans échantillonnage

Pourquoi on publie ces chiffres

Ce que contient le jeu

Quatre tables d'agrégats et leur schéma, hébergés sur data.gouv.fr. Chaque fichier est directement téléchargeable.

• d1_taches.csv

  Consommation et coût par famille de tâche pédagogique : appels, tokens d'entrée et de sortie (total, moyenne, médiane), durée et coût.

  Télécharger le CSV · 1,4 ko
• d2_mensuel.csv

  Série mensuelle de la charge d'inférence par catégorie de traitement. C'est la seule table entièrement reproductible : sa requête SQL est diffusée avec le paquet.

  Télécharger le CSV · 651 o
• d3_classes_modeles.csv

  Répartition du trafic LLM par classe de capacité de modèle : part des appels, tokens, coût total et coût moyen par appel.

  Télécharger le CSV · 350 o
• d4_artefacts.csv

  Coût unitaire par artefact pédagogique produit : supports de révision complets et cartes générées.

  Télécharger le CSV · 162 o
• datapackage.json

  Schéma des quatre ressources au format Frictionless Data : colonnes, types, unités et énumérations.

  Télécharger le JSON · 7,1 ko

Trois lectures qui ressortent

• Deux tiers des appels, un dixième de la facture

  Les petits modèles concentrent 66,7 % des appels aux modèles de langage mais 11,4 % de leur coût. Les modèles moyens, réservés à la génération de contenu long, font l'inverse : 30,9 % des appels, 88,6 % du coût.

• La voix pèse plus lourd que le texte

  3 325 appels de synthèse vocale — 0,5 % du trafic — représentent 1 340 $, soit 29 % des coûts fournisseurs de la fenêtre, pour 552 heures d'audio produites.

• 0,0107 $ par carte de révision

  3 171 $ de génération produisent 21 932 supports de révision complets et 296 264 cartes, soit 0,1446 $ par support et 0,0107 $ par carte.

Méthodologie

Périmètre

Tout appel entraînant un coût fournisseur : inférence de modèle de langage, synthèse vocale, OCR, calcul d'embeddings, transcription, stockage. La capture est faite dans le service au moment de l'appel, pas reconstituée depuis une facture.

Coûts

Coûts fournisseurs bruts en dollars des États-Unis, tels que rapportés par la passerelle d'inférence pour les modèles de langage, et calculés au prix unitaire contractuel pour les autres traitements. Ils n'incluent ni l'hébergement, ni la bande passante, ni l'amortissement matériel.

Tokens

Les tokens d'entrée comptent l'intégralité du contexte transmis au modèle : consignes, documents fournis par l'apprenant, extraits récupérés par recherche sémantique. Les tokens de sortie comptent le texte produit.

Classes et familles

Aucun nom de modèle, de fournisseur ni de tâche applicative interne n'est publié. Chaque modèle est rangé dans une classe de capacité (petit modèle, modèle moyen, modèle multimodal audio, modèle ouvert) et chaque tâche dans l'une des huit familles pédagogiques. Un élément absent d'une correspondance est reporté en « non classé » plutôt qu'exclu, pour que la somme des appels reste égale au trafic réel.

Seuil

Les couples (famille, catégorie) comptant moins de 50 appels sur la fenêtre sont écartés de la table des tâches : 10 appels sur 679 316, soit 0,001 % du trafic et 0,01 $ sur 4 618,92 $.

Ce que le jeu ne contient pas

• Aucune donnée personnelle : les quatre tables sont des agrégats de consommation machine, produits par des requêtes en lecture seule qui ne sélectionnent aucun identifiant d'utilisateur.
• Aucun contenu d'apprenant : ni document déposé, ni carte, ni question, ni réponse.
• Aucune donnée de comportement d'apprentissage : ni révision, ni score, ni progression.
• Aucun effectif d'utilisateurs, donc aucun coût par utilisateur. La donnée décrit un coût par tâche et par artefact ; cette restriction est commerciale et on préfère l'énoncer que la passer sous silence.
• Aucun nom de modèle, de fournisseur ni de tâche applicative interne.

Limites

• Fenêtre courte : trois mois environ. La capture a été activée le 10 juin 2026 au soir, donc juin est un mois partiel — juillet et août sont les deux seuls mois complets de cette première publication.
• Un seul service : ces chiffres décrivent une application de répétition espacée à base de recherche augmentée. Ils ne se transposent pas directement à un service à génération longue, à un agent conversationnel ni à une application multimodale.
• La table mensuelle est intégralement reproductible à partir de la requête SQL diffusée. Les trois autres ne le sont pas à l'identique : les correspondances tâche → famille et modèle → classe portent des noms internes volontairement absents du jeu.
• Les coûts sont en dollars et ne sont pas convertis en euros : le taux applicable dépend de la date de facturation, que le jeu ne porte pas.
• Une réextraction ultérieure de la même fenêtre donne des valeurs très légèrement inférieures : la suppression d'un compte efface les événements de consommation rattachés. C'est la contrepartie du droit à l'effacement. Chaque publication est un instantané daté, et c'est la version diffusée qui fait foi.

Réutiliser le jeu

Tu peux réutiliser ces données librement, y compris à des fins commerciales, à condition de mentionner la paternité et la date de dernière mise à jour. Si tu publies une réanalyse, on est preneurs du lien.

Le jeu est diffusé sous Licence Ouverte 2.0 (Etalab). Question sur le schéma, signalement d'anomalie ou demande de précision méthodologique : contact@diane.app.