Quand on parle du coût de n8n, beaucoup ne comparent que le prix de l'abonnement. Un mois après la mise en production, la facture vient pourtant surtout des appels aux modèles. n8n orchestre les flux ; le traitement du contenu revient le plus souvent à une API de modèle en aval. La première est facturée au forfait ou à la serveur, la seconde au token ou à la requête : les structures de coût n'ont rien à voir.

Cet article découpe les coûts liés à n8n en quatre blocs calculables, avec une méthode d'estimation et des moyens de maîtrise. Les montants varient selon l'offre, le modèle et le taux de change : nous ne fixons pas de chiffres ici. Référez-vous à la page tarifaire de n8n et à la page Tarifs des modèles.

Remarque : n8n est une marque de son détenteur. Cet article est indépendant de l'équipe n8n et traite uniquement de technique et de coûts.

1. De quoi se compose le coût

Commencez par une carte des coûts pour éviter de ne regarder que l'abonnement logiciel.

Poste de coût Base de facturation Part facile à oublier
Abonnement n8n Cloud Offre et nombre d'exécutions mensuelles Taille de l'équipe, dépassements, montée d'offre
API de modèle Tokens d'entrée et de sortie Nouveaux essais, contexte répété, sorties longues
Infrastructure auto-hébergée Serveur, base de données, sauvegardes, bande passante Main-d'œuvre d'exploitation, supervision, mises à jour et sécurité
Exploitation des flux Débogage, relances après échec, stockage des journaux Exécutions répétées de flux non supervisés

Sur ces quatre blocs, l'abonnement Cloud est le plus visible, l'API de modèle le plus imprévisible, l'infrastructure auto-hébergée le plus souvent sous-estimée, et l'exploitation des flux fréquemment absente du budget. Pour un calcul complet, il faut les additionner.

2. Cloud et auto-hébergement : ne compter que le logiciel ne suffit pas

n8n Cloud apporte le déploiement, les mises à jour, les sauvegardes et la disponibilité. Les offres sont généralement graduées selon le nombre d'exécutions ; au-delà, il faut monter d'offre ou acheter des crédits. C'est adapté aux petites équipes sans administrateur système dédié qui veulent démarrer vite.

L'édition communautaire auto-hébergée peut être déployée librement et ne facture pas d'abonnement par siège, mais « gratuit » ne désigne que la licence logicielle. Serveur, PostgreSQL, Redis en mode file d'attente, stockage objet, sauvegardes, supervision, journaux, correctifs de sécurité et fenêtres de mise à jour représentent de vrais coûts. n8n utilise la Sustainable Use License (modèle fair-code), qui encadre la redistribution et l'hébergement pour des tiers ; lisez le texte de la licence avant un usage commercial. Sans compétence d'exploitation, le coût total de l'auto-hébergement dépasse souvent les prévisions.

Règle simple : si la valeur du temps mensuel consacré à maintenir l'instance dépasse l'écart de prix avec l'offre Cloud, choisissez le Cloud ; si les données doivent rester sur votre réseau, que le volume est important et que l'équipe sait exploiter, envisagez l'auto-hébergement.

3. Nombre d'exécutions : la variable la plus sous-estimée

Les offres n8n s'articulent généralement autour du nombre d'exécutions. Une exécution de workflow compte en principe pour une unité, mais plusieurs facteurs gonflent la consommation réelle :

  • Déclencheurs par interrogation : même sans nouvelles données, une vérification planifiée peut produire une exécution ; vérifiez les règles de la version utilisée.
  • Boucles et sous-workflows : traiter un lot ligne par ligne ou découper la logique en sous-flux augmente le nombre d'exécutions.
  • Relances après échec : les nouvelles tentatives de nœuds et les relances de workflow sont souvent recomptées.
  • Exécutions de débogage : les lancements manuels répétés dans l'éditeur consomment aussi du quota.

Réduire les exécutions est simple : préférer les Webhooks à l'interrogation, regrouper les traitements par lots au lieu de déclencher ligne par ligne, dédupliquer à l'entrée, espacer raisonnablement les tâches planifiées et déboguer sur un seul échantillon.

Dans un nœud Code de n8n, vous pouvez au passage agréger la consommation de chaque appel pour vérification ultérieure :

// Agrege les tokens d'une execution (noms de champs selon la reponse reelle)
const usage = $json.usage ?? {};
const input = usage.prompt_tokens ?? 0;
const output = usage.completion_tokens ?? 0;

return [{ json: {
  input_tokens: input,
  output_tokens: output,
  total_tokens: input + output
  // Les tarifs figurent sur la page de prix ; ici, on enregistre seulement l'usage
}}];

4. API à l'usage : où passent les tokens

La facture d'une API de modèle dépend de l'entrée et de la sortie. L'entrée ne se limite pas à la question de l'utilisateur : elle inclut le prompt système, l'historique, les documents récupérés, les définitions d'outils et les consignes de format. La sortie est facturée selon la longueur générée. Trois facteurs d'amplification fréquents :

  1. Contexte répété : chaque tour d'une conversation porte l'historique, et le coût d'entrée s'accumule sur les échanges longs.
  2. Documents entiers injectés : insérer un contrat complet ou une page web dans le prompt coûte cher à chaque appel, surtout s'il est répété.
  3. Relances et versions multiples : renvoyer une requête échouée ou interroger plusieurs modèles en parallèle multiplie l'usage.

L'ordre d'optimisation habituel : commencer par hiérarchiser les modèles, avec un modèle économique pour classifier, nettoyer et résumer, et un modèle plus puissant pour la génération complexe ; compresser ensuite le contexte en ne transmettant que les champs nécessaires ; limiter la longueur de sortie en demandant des réponses structurées et courtes ; envisager le cache en dernier. Certains fournisseurs proposent un cache de prompt qui réduit le coût des préfixes répétés ; le support et la remise dépendent de leur documentation.

5. Relances, cache et coûts cachés

Les relances sont indispensables en automatisation, mais elles ont deux conséquences sur la facture : plus d'exécutions et parfois des requêtes de modèle refacturées. La facturation d'une requête échouée dépend du fournisseur amont ; ne la supposez pas gratuite. Limitez les relances à 2 ou 3, utilisez un backoff exponentiel et rendez les écritures idempotentes pour éviter les messages ou les écritures comptables en double.

Le cache se comprend à deux niveaux. Le cache de workflow mémorise un « résultat », par exemple pour ignorer un enregistrement déjà traité ; le cache de modèle mémorise un « préfixe », comme un prompt système fixe ou un long document. Le premier s'appuie sur une base de données ou Redis, le second sur le fournisseur : ils ne se remplacent pas.

D'autres postes sont souvent oubliés : l'historique d'exécution et les journaux de workflow occupent la base de données ; les appels image, audio et transcription ont leur propre tarification ; un débogage sur l'ensemble des données peut générer d'un coup un grand volume d'exécutions et de tokens.

6. Maîtrise du budget : quotas, alertes et revue

Fixez les limites à l'avance :

  • Attribuez une clé API par projet ou par workflow pour faciliter l'imputation et la désactivation.
  • Définissez côté passerelle un budget mensuel ou un plafond d'usage, avec alerte près du seuil.
  • Écrivez l'usage de chaque appel dans une table ou une base, agrégé par workflow.
  • Fixez des limites de concurrence et de relance propres aux flux les plus coûteux.
  • Revoyez chaque mois les trois flux les plus consommateurs et cherchez les appels redondants.
  • Gardez une marge pour la croissance et les ajustements tarifaires.

Une passerelle compatible OpenAI unifiée permet de regrouper les clés, l'usage et les quotas de plusieurs fournisseurs au même endroit, sans réécrire les workflows lors d'un changement de modèle. Pour essayer, vous pouvez créer un compte ; les modèles et les prix sont sur la page Tarifs des modèles.

7. Une méthode d'estimation réutilisable

N'estimez pas au ressenti ; suivez cet ordre :

  1. Choisissez un workflow représentatif et prenez 20 à 50 échantillons réels, pas des données inventées.
  2. Comptez les déclenchements mensuels, y compris planifications, Webhooks, interrogations à vide et lancements manuels.
  3. Relevez dans les réponses les tokens d'entrée et de sortie de chaque appel, puis calculez les moyennes.
  4. Appliquez un coefficient de relance, par exemple +20 % à +50 % selon le taux d'échec observé.
  5. Ajoutez le coût mensuel de l'abonnement Cloud ou du serveur, de la base, des sauvegardes et du stockage des journaux.
  6. Ajoutez la valorisation du temps de maintenance et de diagnostic.
  7. Réévaluez chaque trimestre : les règles des offres, les prix des modèles et les processus changent.

Par exemple, si un flux se déclenche dix mille fois par mois, que 30 % des exécutions appellent un modèle avec en moyenne deux mille tokens d'entrée et cinq cents de sortie, multipliez d'abord trois mille par deux mille cinq cents pour obtenir environ sept millions et demi de tokens par mois, puis appliquez le tarif actuel du modèle choisi. Consultez la page Tarifs des modèles plutôt que de reprendre des chiffres d'anciens articles.

FAQ

Comment sont comptées les exécutions de n8n Cloud ?

En principe, chaque exécution de workflow compte pour une unité ; l'inclusion des interrogations, relances et lancements manuels dépend des règles de l'offre. Le plus sûr est d'observer une semaine sur la page d'usage du compte, puis d'estimer selon votre fréquence de déclenchement.

L'auto-hébergement de n8n est-il vraiment gratuit ?

L'édition communautaire ne facture pas d'abonnement par siège, mais le serveur, la base, les sauvegardes, la supervision et la main-d'œuvre restent à votre charge. Les fonctions entreprise nécessitent une licence séparée ; vérifiez aussi les limites de la Sustainable Use License avant un usage commercial.

Pourquoi la facture de modèles dépasse-t-elle largement l'estimation ?

Les causes courantes sont la répétition du contexte, les boucles par lots appelant ligne par ligne, les relances après échec et les débogages sur données complètes. Regardez d'abord le ratio entrée/sortie dans le détail d'usage, puis vérifiez si un flux retraite plusieurs fois le même enregistrement.

Une relance échouée est-elle facturée ?

Le nombre d'exécutions augmente généralement ; la facturation de la requête de modèle dépend des règles du fournisseur. Limitez les relances, journalisez le résultat de chaque requête et rendez les écritures idempotentes.

Comment fixer un plafond budgétaire pour l'équipe ?

Séparez les clés API par projet, définissez côté passerelle un quota mensuel et des alertes, et reliez les journaux d'usage à un tableau interne. En cas d'anomalie, désactivez d'abord la clé concernée, puis identifiez le workflow.

Pour aller plus loin

L'optimisation des coûts n8n repose sur deux choses : réduire les exécutions inutiles et maîtriser les tokens de chaque appel de modèle. Quantifiez ces deux postes avant de choisir entre Cloud et auto-hébergement. Pour gérer clés, usage et budget au même endroit, commencez par créer un compte sur la passerelle AI de ZSQH ; les prix sont sur la page Tarifs des modèles.

Lectures associées :