FR ▾

IA sans limites : ce que cela signifie vraiment

Une IA sans limites, au sens littéral, n'existe pas : chaque service a une limite technique. Voici quelles sont les limites réelles de cette API et combien cela coûte de les respecter.

IA sans censure : analyse des options disponibles

Mis à jour :

Rampe d'accès avec feu de circulation et huit voies lumineuses convergeant vers une route, symbole des limites de requêtes.

Points clés

  • Sans censure ne signifie pas sans limites : il existe des plafonds sur les requêtes par minute, les requêtes simultanées et le contexte.
  • Clé complète : 8 requêtes simultanées et 300 par minute. Clé d'essai : 2 et 60.
  • Le contexte est de 100 000 tokens entre prompt et réponse ; le crédit n'expire jamais.
  • Une erreur 429 se gère avec une attente et une nouvelle tentative, et les requêtes échouées ne sont pas payées.

Deux choses distinctes : pas de refus et pas de plafonds

Lorsqu'on cherche IA sans limites, on mélange deux idées. La première est l'absence de refus de contenu : le modèle utilisé ici est entraîné à répondre sans blocages pour un usage adulte légitime. La seconde serait l'absence de limites techniques, et celle-ci n'existe dans aucun service sérieux. Il y a des limites sur le rythme des requêtes, le nombre d'appels parallèles, la longueur du contexte et la taille du corps de la requête.

Il est utile de les connaître avant de construire quelque chose, car ils sont prévisibles et presque tous peuvent être contournés avec un peu de code. Une limite reste absolue et ne dépend d'aucun paramètre : aucun contenu sexuel impliquant des mineurs.

Les limites, sous forme de tableau

LimiteClé complèteClé d'essai
Requêtes simultanées82
Requêtes par minute30060
Contexte (prompt + réponse)100 000 tokens100 000 tokens
Taille maximale du corps8 Mo8 Mo
ExpirationLe crédit n'expire pas7 jours

La réponse inclut les en-têtes X-RateLimit-Limit-Requests et X-RateLimit-Limit-Concurrency, afin que votre code puisse lire les plafonds au lieu de les coder en dur. Vous trouvez aussi X-Request-Id, utile si vous contactez le support, et X-Balance-USD avec le crédit restant.

Le paramètre max_tokens est facultatif : la réponse peut utiliser tout l'espace restant dans la fenêtre de contexte. Si le prompt et l'espace pour la réponse dépassent la fenêtre, max_tokens est réduit à ce qui reste ; l'erreur 400 n'apparaît que lorsque le prompt seul ne tient pas dans les 100 000 tokens. En pratique, il vaut mieux résumer ou supprimer la partie ancienne d'un historique long, afin que la réponse ait de l'espace.

Combien coûte le respect des limites

Le tarif est de 0,15 $ par 1M de tokens entrants et de 0,50 $ par 1M sortants. Quelques calculs concrets, tous vérifiables.

Une requête typique

Prompt de 3 000 tokens et réponse de 800 :

  • entrant : 3 000 × 0,15 $ / 1 000 000 = 0,00045 $ ;
  • sortant : 800 × 0,50 $ / 1 000 000 = 0,0004 $ ;
  • total : 0,00085 $ par requête, soit 0,85 $ pour 1 000 requêtes.

Le cas extrême

Une requête qui remplit la fenêtre, par exemple 90 000 tokens de prompt et 10 000 de réponse, coûte 90 000 × 0,15 $ / 1M = 0,0135 $ plus 10 000 × 0,50 $ / 1M = 0,005 $, soit 0,0185 $. Mille requêtes ainsi coûtent 18,50 $. Un prompt de 100 000 tokens avec une réponse minuscule coûte environ 0,015 $.

Ce que vous achetez avec les recharges

Avec 20 $, la recharge minimum, à 0,00085 $ par requête, vous obtenez environ 23 529 requêtes (20 $ / 0,00085 $ = 23 529,4). Le crédit d'essai de 0,50 $ suffit pour environ 588 requêtes de ce type. Si vous rechargez 100 $, vous recevez 110 $ de crédit, avec 200 $ vous en recevez 230 $. Les recharges vont de 20 $ à 500 $ et se paient en crypto avec USDT sur TRC20 ou USDC sur Base. Voir les détails dans les tarifs.

Ce qui limite vraiment la vitesse

Le chiffre qui compte n'est généralement pas les 300 par minute, mais les 8 requêtes simultanées. Une hypothèse : vous traitez 10 000 documents, chacun avec 2 000 tokens entrants et 300 sortants, et chaque requête dure en moyenne 10 secondes (le temps réel dépend de la charge et de la longueur, mesurez-le vous-même).

  • Avec 8 requêtes en parallèle, vous effectuez 0,8 requête par seconde, soit 48 par minute, bien en dessous du plafond de 300.
  • 10 000 / 0,8 = 12 500 secondes, soit environ 3,5 heures.
  • Coût : 20M de tokens entrants = 3,00 $, 3M sortants = 1,50 $, total 4,50 $.

La contrainte est donc la concurrence, pas le rythme. Pour réduire les temps, il faut des requêtes plus courtes, pas un rythme plus élevé. Un détail surprenant : une requête en streaming occupe sa place jusqu'à la fin du flux, donc si vous laissez ouvert un stream oublié, vous bloquez l'un des 8 slots.

Gérer les erreurs 429

Une fois une limite dépassée, l'API répond par un HTTP 429. Le code d'erreur indique lequel : rate_limited pour les requêtes par minute, concurrency pour les requêtes simultanées. En cas de surcharge temporaire, vous recevrez toujours un 429, avec l'en-tête Retry-After: 5. Dans les trois cas, la règle est la même : attendez et réessayez. Les requêtes échouées ne sont pas débitées.

Cet exemple limite la concurrence à 8 avec un sémaphore et réessaie avec une attente croissante.

import asyncio, os
from openai import AsyncOpenAI, RateLimitError

client = AsyncOpenAI(
    base_url="https://api.apiiasenzacensura.com/v1",
    api_key=os.environ["API_KEY"],
    max_retries=0,
)
slot = asyncio.Semaphore(8)  # usa 2 con la chiave di prova

async def chiedi(testo, tentativi=5):
    for n in range(tentativi):
        async with slot:
            try:
                r = await client.chat.completions.create(
                    model="uncensored",
                    messages=[{"role": "user", "content": testo}],
                )
                return r.choices[0].message.content
            except RateLimitError:
                pass
        await asyncio.sleep(5 * (n + 1))
    raise RuntimeError("troppi tentativi")

async def main():
    testi = [f"Riassumi in una frase il documento {i}" for i in range(20)]
    risultati = await asyncio.gather(*(chiedi(t) for t in testi))
    print(len(risultati), "risposte")

asyncio.run(main())

L'attente a lieu hors du sémaphore, ainsi un slot en pause ne bloque pas les autres. Pour les détails sur le format des erreurs, consultez la documentation.

Vérifiez votre crédit pendant vos travaux

Puisque le coût est par token, une boucle mal écrite peut consommer du crédit plus vite que prévu. Deux astuces économiques : lisez le solde et définissez vous-même un plafond.

curl -i https://api.apiiasenzacensura.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"uncensored","messages":[{"role":"user","content":"Ciao"}],"max_tokens":20}'

Dans les en-têtes de réponse, vous trouvez X-Balance-USD. Vous pouvez aussi interroger GET /v1/balance avec la même clé, ou l'endpoint style OpenAI /v1/dashboard/billing/credit_grants. Un contrôle tous les N requêtes vous permet d'arrêter un lot lorsque le solde descend en dessous d'un seuil de votre choix. Définissez aussi max_tokens sur les travaux en série, pour éviter des réponses très longues dont vous n'avez pas besoin.

Comment faire durer plus longtemps votre crédit

Le coût dépendant des tokens, le moyen le plus efficace pour dépenser moins est d'en envoyer moins. Trois habitudes qui fonctionnent presque toujours.

  1. Réduisez l'historique. Dans un chat, chaque tour renvoie au modèle tout l'historique. Après 20 échanges de 350 tokens chacun, l'historique seul pèse 7 000 tokens en entrée à chaque nouvelle question, soit 0,00105 $ uniquement pour le relire (7 000 × 0,15 $ / 1M). Résumer les anciens tours en quelques lignes réduit cette ligne de coût.
  2. Gardez le prompt système court. Un prompt de 1 500 tokens répété dans 10 000 requêtes représente 15M de tokens en entrée, soit 2,25 $. En le réduisant à 500 tokens, vous descendez à 0,75 $.
  3. Fixez une limite aux réponses. Les tokens en sortie coûtent plus de trois fois ceux en entrée (0,50 $ contre 0,15 $). Demander des réponses concises ou définir max_tokens pour les tâches où deux lignes suffisent est l'économie la plus directe.

La température et les autres paramètres d'échantillonnage, comme top_p ou seed, sont passés au modèle. Le paramètre seed est utile si vous voulez répéter un test et comparer deux prompts de manière plus propre.

Que répondre à ceux qui promettent l'absence de limites

Lorsqu'un service promet des requêtes illimitées sans expliquer les limites, demandez toujours quelles sont ces limites. Un modèle avec des limites déclarées et un prix par token est plus facile à planifier. Ici, vous savez à l'avance combien de requêtes vous pouvez faire et combien vous dépensez, sans abonnement et sans expiration du crédit. Si vous voulez commencer, obtenez votre clé et utilisez le crédit d'essai de 0,50 $, qui s'obtient en un clic après l'inscription et ne nécessite pas de paiement.

Autres guides

Questions et réponses

Y a-t-il des limites sur le nombre de messages par jour ?

Les limites documentées sont de 300 requêtes par minute et 8 simultanées avec la clé complète, 60 et 2 avec la clé d'essai.

Que se passe-t-il si je dépasse la limite ?

L'API répond avec HTTP 429 et le code rate_limited ou concurrency. Attendez quelques secondes et réessayez ; la requête rejetée n'est pas facturée.

Quelle est la longueur maximale du contexte ?

100 000 tokens au total, entre prompt et réponse. Si la conversation grandit, résumez ou supprimez les messages les plus anciens.

Le crédit a-t-il une date d'expiration ?

Le crédit prépayé n'expire jamais. La seule exception est le crédit d'essai de 0,50 $, qui dure 7 jours.

Votre clé est à portée de formulaire

Créez un compte, copiez la clé, modifiez l'URL de base. C'est toute la configuration.