Continue est une extension de programmation IA open source ; beaucoup la découvrent en pensant à un « outil gratuit ». La formulation exacte est : l'extension elle-même s'utilise gratuitement, mais les appels de modèle ne sont pas gratuits. Ce qui détermine réellement la facture, c'est le nombre de requêtes envoyées par la complétion et le chat, le contexte transporté à chaque fois, et le niveau de modèle utilisé.

Cet article ne fixe pas de prix unitaires : il propose une méthode de calcul réutilisable. On sépare d'abord les deux niveaux de coût, puis on examine la structure des tokens de la complétion et du chat, avant d'utiliser les journaux pour budgéter et fixer des plafonds. Les prix évoluent : référez-vous à la plateforme utilisée et à la page tarifs des modèles.

1. Distinguer deux niveaux de coût : logiciel et modèle

Le premier niveau est l'outil. L'extension open source Continue s'installe librement et son dépôt est public ; si l'équipe a besoin d'une configuration unifiée, d'assistants partagés et de gestion des droits, elle peut utiliser l'offre équipe de Continue, dont la tarification et les quotas éventuels font foi sur la page de tarifs officielle de Continue.

Le deuxième niveau est le modèle. Que vous utilisiez les modèles hébergés de Continue ou votre propre clé, vous payez au final des tokens ou un abonnement de modèle. Avec une passerelle tierce, celle-ci applique aussi ses propres règles de facturation et de règlement.

« Tarifs de Continue » et « facturation à l'usage de l'API » ne se comparent donc pas au même niveau. Le premier relève de l'outil et de la collaboration, le second des ressources d'inférence. Le calcul réel est la somme de trois éléments : frais d'outil, frais de modèle et temps passé à maintenir la configuration.

2. La complétion et le chat n'ont pas la même structure de tokens

Usage Fréquence de déclenchement Entrée par appel Sortie par appel Principal poste de coût Axe d'optimisation
Complétion automatique Très élevée, déclenchée par la frappe Préfixe, suffixe, éditions récentes, souvent court Très courte Nombre de requêtes et tokens d'entrée Debounce, annulation des requêtes obsolètes, petit modèle
Chat et édition Moyenne à faible Prompt système, règles, contexte de fichiers, assez long Moyenne Accumulation du contexte et sortie Contexte resserré, sortie limitée
Tâches d'agent Faible Résultats d'outils sur plusieurs tours, le plus long Longue Nombre de tours et résultats d'outils Découpage des tâches, approbation, conditions d'arrêt
Indexation du dépôt Une fois ou en incrémental Blocs de code Vecteurs Appels du modèle d'embedding Exclure des dossiers, mise à jour incrémentale, embedding local

La complétion semble ne produire que quelques lignes à la fois, mais elle peut se déclencher des centaines de fois par jour. Chaque quelques caractères tapés dans l'éditeur envoie une requête : la fréquence amplifie le coût. À l'inverse, le chat et l'agent coûtent plus cher par appel, mais une mauvaise gestion du contexte peut faire qu'un seul long échange coûte autant qu'une journée de complétion.

3. Calculer sur un mois de journaux, pas à l'estime

En séparant les types de requêtes, la formule de coût est approximativement :

Coût mensuel du modèle ≈
  nombre de requêtes de complétion × tokens d'entrée moyens × prix d'entrée
+ nombre de requêtes de complétion × tokens de sortie moyens × prix de sortie
+ tokens d'entrée et de sortie du chat et de l'agent × prix correspondants
+ frais d'embedding du dépôt et de nouvelles tentatives

Les prix unitaires se lisent sur la page de tarifs du fournisseur de modèle utilisé ; la page tarifs des modèles ne sert que de référence pour la période en cours. Les prix changent : ne budgétez pas à partir d'une capture d'écran vieille de plusieurs mois.

Établissez une base de coût :

  1. Choisissez une semaine de travail typique, exportez les journaux de requêtes de la passerelle ou du fournisseur et étiquetez-les par modèle et par fonction.
  2. Séparez les statistiques des quatre catégories — complétion, chat, agent, embedding — sans les mélanger.
  3. Relevez pour chaque catégorie le nombre de requêtes, l'entrée moyenne, la sortie moyenne et les hits de cache.
  4. Estimez le coût mensuel avec les prix de la période, puis gardez environ 20 % de marge pour les nouvelles tentatives et les variations.
  5. Observez deux semaines de suite pour vérifier l'écart entre l'estimation et la facture réelle, avant de décider d'ajuster le niveau de modèle.

4. Ce que le cache apporte, et quand il n'aide pas

Le cache suppose un préfixe stable. Dans un chat, le prompt système fixe, les conventions d'équipe et les définitions d'outils peuvent être réutilisés ; si l'on insère à chaque fois un horodatage, un identifiant aléatoire ou une liste de fichiers changeante, le cache touche difficilement.

Le contexte de la complétion change en permanence avec la position du curseur : les hits de cache y sont généralement limités. Pour réduire les coûts, mieux vaut utiliser le debounce, annuler les requêtes obsolètes et raccourcir le contexte que compter sur le cache. Attention aussi au coût d'écriture du cache : ne cachez que les longs préfixes réellement stables ; un prompt court, même cachable, apporte peu. Pour savoir si le cache fonctionne, regardez les compteurs de lecture et d'écriture dans les champs d'usage, pas votre impression.

5. Ordre de réduction des coûts : mesurer avant de changer de modèle

  1. Mesurer d'abord : sans journaux par fonction, toute optimisation est une conjecture.
  2. Router les modèles : complétion sur un niveau à faible latence et faible coût ; agent complexe sur un modèle fort.
  3. Resserrer le contexte : ne joindre que les fichiers pertinents, configurer des dossiers exclus, éviter d'injecter tout le dépôt.
  4. Limiter la sortie : fixer une sortie maximale raisonnable pour le chat et l'agent, exiger des résultats structurés.
  5. Activer le cache : figer les règles et le prompt système, vérifier le taux de hits.
  6. Évaluer les modèles locaux : un petit modèle local peut convenir aux tâches courtes et fréquentes comme la complétion, mais il faut compter le matériel et l'exploitation.
  7. Fixer des plafonds : quotas et alertes par projet et par personne pour éviter un emballement isolé.

Ne inversez pas l'ordre. Changer d'abord pour un modèle plus économique revient souvent à rendre les mauvaises réponses moins coûteuses.

6. Comment définir des plafonds utiles

Un plafond doit se situer sur trois dimensions : qui, quel projet, quel type de requête. Concrètement, émettez une clé par projet avec un quota mensuel et des alertes côté passerelle ; une clé par membre pour éviter qu'un partage rende l'imputation impossible. Il est préférable d'utiliser des clés ou des étiquettes différentes pour la complétion et le chat afin de les observer séparément.

Un quota n'est pas une assurance. Les prix des modèles, les taux de change, l'effectif et le volume de tâches changent : le budget doit être revu chaque mois. Faut-il refuser les requêtes ou basculer vers un modèle économique au plafond ? Décidez-le à l'avance, pas à la réception de la facture.

7. Quand l'usage coûte moins, quand l'abonnement coûte moins

Il n'y a pas de réponse universelle, mais trois questions permettent de trancher :

  • L'usage est-il stable ? Pour beaucoup de complétion quotidienne et un effectif fixe, un abonnement avec quota est plus simple à budgéter.
  • Faut-il plusieurs modèles ? Pour alterner entre Claude, GPT, Gemini et DeepSeek, l'usage plus une passerelle est plus souple.
  • La frontière des données compte-t-elle ? Si les modèles locaux sont acceptables, le coût matériel peut remplacer une partie des frais d'API.

La pratique courante des petites équipes est mixte : complétion sur un niveau économique ou en local, tâches complexes via API à l'usage, facture et quotas unifiés par la passerelle. Une semaine de journaux suffit pour trouver la répartition.

Questions fréquentes

Continue est-il gratuit ?

L'extension open source Continue s'installe et s'utilise gratuitement, mais les appels de modèle sont facturés par le fournisseur. La tarification de l'offre équipe et des modèles hébergés, ainsi que les quotas inclus, font foi sur la page de tarifs officielle de Continue.

Pourquoi la complétion génère-t-elle aussi des frais ?

Les requêtes de complétion sont fréquentes : chacune envoie du contexte et génère des tokens, et les frais s'accumulent par requête. Un appel peu coûteux ne signifie pas que la journée est négligeable.

Un modèle local est-il gratuit ?

Non. Il évite les frais d'API, mais exige GPU, mémoire, électricité et maintenance humaine. Les tâches courtes et fréquentes comme la complétion conviennent à un petit modèle local ; un agent complexe peut encore nécessiter un modèle cloud.

Combien le cache permet-il d'économiser ?

Cela dépend de la stabilité du préfixe et du taux de hits. Un prompt système et des règles fixes sont généralement efficaces ; un contexte très changeant l'est peu. L'écriture en cache a aussi un coût : vérifiez avec les champs d'usage réels.

Comment fixer un plafond budgétaire mensuel ?

Émettez une clé distincte par projet, fixez un quota mensuel et des alertes côté passerelle, et séparez les statistiques de complétion et de chat. Les quotas, le mode d'alerte et la politique de dépassement dépendent de la console de la plateforme utilisée.

Étape suivante

Ne changez pas d'outil dans la précipitation. Créez une clé de test sur la passerelle ZSQH AI, faites tourner la complétion et le chat séparément pendant une semaine, calculez le coût réel avec la formule ci-dessus, puis décidez du niveau de modèle et du budget. Les modèles disponibles et les prix de la période font foi sur la page tarifs des modèles.

Lecture associée :

Note : Continue est une marque de son titulaire. Cet article n'a qu'une visée de discussion technique et ne représente pas la position de cette société.