Outils de recherche web intégrés vs API de recherche : ce qu'un agent paie vraiment

Pourquoi un outil intégré coûte-t-il plus que son tarif ?

Parce que les pages qu'il lit reviennent en tokens d'entrée. OpenAI facture le contenu de recherche au tarif du modèle et, avec ses modèles mini, compte un forfait de 8 000 tokens d'entrée par appel. Claude facture les résultats de recherche comme des tokens d'entrée, et ils sont comptés à nouveau à chaque tour suivant de la conversation.

Le tarif par appel n'est que la partie visible. La partie tokens augmente avec le nombre de recherches par tâche et la longueur de la conversation. La plupart des outils intégrés décident aussi eux-mêmes du nombre de recherches à lancer.

À quoi ressemble un exemple chiffré ?

Il s'agit d'une estimation assortie d'hypothèses explicites, pas d'un devis. Prenons un agent qui effectue 100 000 recherches par mois.

• Outil intégré à 10 $ pour 1 000 : 1 000 $ de frais d'outil. Ajoutez les tokens de contenu. À 8 000 tokens forfaitaires par appel, cela fait 800 millions de tokens d'entrée. En supposant 1,00 $ par million de tokens d'entrée (un chiffre rond, pas un prix fournisseur), cela ajoute 800 $. Total : environ 1 800 $.
• API autonome : avec LLMWebSearch, 100 000 recherches coûtent 145 $US, et chacune renvoie les 3 meilleures pages. Votre modèle lit toujours le texte que vous lui transmettez. Si vous envoyez 1 500 tokens issus de chacune des 3 pages, cela fait 450 millions de tokens, soit environ 450 $ au même taux supposé. Total : environ 145 $US plus 450 $.

L'écart vient de deux choses : le tarif par appel et le contrôle sur la quantité de texte qui atteint le modèle. Avec une API autonome, vous réglez read et max_chars, et vous pouvez écarter les pages dont votre agent n'a pas besoin.

Quand un outil intégré est-il le meilleur choix ?

Quand vous voulez le moins de code. Un outil intégré ne nécessite pas de second compte, pas de clé API et pas de définition d'outil : vous l'activez dans la requête au modèle. Il convient aussi aux conversations courtes avec peu de requêtes, où le coût additionnel en tokens reste faible.

Les 5 000 requêtes grounded gratuites par mois de Gemini sur l'offre payante couvrent de nombreux prototypes. web_fetch de Claude n'a pas de frais par appel, donc récupérer une URL connue ne coûte que des tokens. Et si vous devez de toute façon afficher les citations d'un fournisseur dans son format exact, l'outil intégré le fait déjà.

Quand une API de recherche autonome est-elle le meilleur choix ?

Quand vous avez besoin des résultats bruts, de nombreuses requêtes par tâche, ou du même outil sur plusieurs modèles. Une API autonome renvoie des résultats classés et le texte des pages à votre code. Vous pouvez les mettre en cache, les reranker, les afficher ou les transmettre à n'importe quel modèle : OpenAI, Claude, Gemini ou un modèle open-weight.

Elle évite aussi d'être lié aux règles d'un seul fournisseur. Grounding with Bing ne transmet pas les résultats à d'autres applications. Google exige que ses suggestions de recherche soient affichées. Avec une API autonome, les résultats vous appartiennent et vous les gérez selon les conditions de ce fournisseur. Lisez aussi ces conditions : les conditions par défaut de Brave interdisent de stocker les résultats, et celles de Tavily et d'Exa se réservent des droits sur vos entrées et sorties.

Puis-je utiliser une API de recherche autonome avec les modèles OpenAI ou Claude ?

Oui, comme function tool. Vous décrivez une fonction web_search au modèle, lancez la recherche quand le modèle l'appelle, puis renvoyez les résultats. Notre guide du function calling OpenAI montre la boucle complète en Python, et le serveur MCP branche la même recherche dans Claude Desktop, Claude Code et Cursor. Le guide des coûts aide à estimer la facture mensuelle.