> ## Documentation Index > Fetch the complete documentation index at: https://ai-kb.automationanywhere.com/llms.txt > Use this file to discover all available pages before exploring further. # Crédits > Comprendre la consommation de crédits dans EKB Avis important : Pour maintenir la parité avec nos autres produits Automation Anywhere, nous avons augmenté la représentation des crédits calculés dans l'interface utilisateur par 10x. À partir de maintenant, les crédits dans l'interface utilisateur seront représentés en **unités k** (milliers), comme 1k crédits pour 1 000 crédits. Cette mise à jour est actuellement déployée progressivement, équipe par équipe. Les équipes Sales, Orders et Deal Desk ont peut-être déjà contacté le support pour faciliter la transition, y compris l'attribution de crédits supplémentaires pour les utilisateurs puissants. Pour toute question ou discussion, veuillez contacter [support@automationanywhere.com](mailto:support@automationanywhere.com), et nous serons heureux de vous aider. L'utilisation d'EKB est facturée en **crédits**, une devise unifiée qui abstrait les coûts sous-jacents de l'exécution de flux de travail alimentés par l'IA. Les crédits couvrent deux types d'activité : les **Crédits Action Plateforme** à taux fixe pour les opérations discrètes telles que le téléchargement de documents, l'envoi de messages et l'invocation d'outils ; et les **Crédits Tokens LLM** variables en fonction de la quantité de texte traitée et générée par le modèle de langage. Ensemble, ces deux composants constituent le coût total de toute opération dans EKB. Cette page détaille le calcul de chaque type de crédit, passe en revue des exemples concrets et explique les facteurs qui augmentent ou diminuent l'utilisation. ## Concepts fondamentaux ### Qu'est-ce que les crédits ? Les crédits sont l'unité de mesure qu'EKB utilise pour suivre et facturer l'utilisation de la plateforme. Plutôt que de facturer séparément chaque ressource sous-jacente (calcul, appels API, utilisation LLM), les crédits fournissent une devise unifiée unique qui abstrait ces coûts dans un format prévisible. Les crédits sont consommés de deux façons : * Les **Crédits Action Plateforme** sont des frais à taux fixe liés à des actions utilisateur spécifiques — télécharger un document, envoyer un message de chat ou invoquer un outil. Ils sont fixes et prévisibles, quel que soit la taille du contenu ou le modèle utilisé. * Les **Crédits Tokens LLM** sont des frais variables basés sur l'utilisation réelle du modèle de langage. Étant donné que les coûts LLM dépendent de la quantité de texte entrant et sortant du modèle, ces crédits fluctuent en fonction de la taille du document, de la longueur de la réponse et de la sélection du modèle. Votre consommation totale de crédits pour toute opération est toujours la somme des deux types. ### Qu'est-ce que les tokens ? Les tokens sont l'unité que les modèles de langage volumineux utilisent pour traiter le texte. Avant que tout texte ne soit lu ou généré par un LLM, il est décomposé en tokens — de petits fragments qui correspondent à peu près à des mots ou à des parties de mots. Comme règle générale : * **1 token ≈ 4 caractères**, soit à peu près **¾ d'un mot** en anglais * Un document de 100 000 mots représente environ **133 000 tokens** * Une phrase courte comme « Explique ce document » représente environ **4–5 tokens** Les fournisseurs de LLM facturent séparément les **tokens d'entrée** (le texte envoyé au modèle — votre invite, chunks de documents récupérés, instructions système) et les **tokens de sortie** (le texte généré par le modèle en réponse). Les taux d'entrée et de sortie diffèrent, et les deux contribuent à votre consommation de Crédits Tokens LLM. Pour les taux de crédit d'entrée et de sortie par modèle, voir [Modèles prédéfinis et personnalisés](/agents/models). Dans EKB, l'utilisation des tokens augmente quand de grands documents sont récupérés en contexte, quand de nombreux chunks de base de connaissances sont inclus dans une invite, ou quand le modèle produit des réponses longues ou structurées. ## Tableau de consommation de crédits ### A. Ingestion de base de connaissances (KB) Le téléchargement d'un document vers une base de connaissances déclenche un pipeline d'ingestion multi-étapes. Chaque étape a sa propre structure de coûts, et certaines étapes entraînent des Crédits Tokens LLM supplémentaires selon votre configuration de projet. **Pipeline d'ingestion** | Étape | Description | Coût | | :--------------------------------------- | :----------------------------------------------------- | :---------------------------------------- | | 1. Téléchargement du document | Le fichier est reçu et le nombre de mots est calculé | 10 crédits par 10 000 mots | | 2. Extraction LLM *(optionnel)* | Un LLM analyse et extrait le contenu du document | Tokens d'entrée + sortie × taux du modèle | | 3. Segmentation plateforme | Tokenization, division et assemblage de métadonnées | Gratuit (plateforme) | | 4. Enrichissement du chunk *(optionnel)* | Un LLM génère un préfixe de contexte pour chaque chunk | Tokens d'entrée + sortie × taux du modèle | Les étapes 2 et 4 sont facturées uniquement si elles sont activées dans vos paramètres de projet. La segmentation des documents se fait dans le cadre de l'ingestion et peut entraîner des coûts supplémentaires. Voir [Section B](#b-document-chunking) pour un aperçu détaillé. **Exemple – Document de 10 000 mots (sans étapes optionnelles activées)** | Article | Crédits | | :---------- | :--------- | | 10 000 mots | 10 crédits | **Exemple – Document de 100 000 mots (sans étapes optionnelles activées)** | Article | Crédits | | :----------- | :---------- | | 100 000 mots | 100 crédits | **Exemple – Document de 100 000 mots (toutes les étapes activées)** | Article | Crédits | | :------------------------------- | :---------------------------- | | 100 000 mots (téléchargement) | 100 crédits | | Tokens d'extraction LLM | Varie selon le modèle | | Segmentation plateforme | Gratuit | | Tokens d'enrichissement du chunk | \~10 crédits (voir Section B) | | **Total estimé** | **\~110+ crédits** | Plus vous activez d'étapes optionnelles, plus le coût d'ingestion par document augmente. Le coût de téléchargement basé sur les mots est toujours fixe et prévisible. ### B. Segmentation des documents La segmentation est l'étape entre l'extraction des documents et l'incorporation. Elle prend le texte nettoyé d'un document téléchargé et le divise en morceaux plus petits (chunks) qui sont indexés dans le magasin vectoriel et récupérés ultérieurement pour les requêtes Chat ou Agent. Les coûts de segmentation se divisent en deux catégories : * **Segmentation plateforme :** Opérations déterministes (tokenization, division, assemblage de métadonnées) qui s'exécutent localement sur le serveur et ne sont **pas** facturées comme utilisation LLM. * **Enrichissement du chunk (Crédits Tokens LLM) :** Facturé uniquement quand l'**Enrichissement du chunk** est activé pour le projet dans les paramètres de base de connaissances. Le LLM génère un court préfixe de contexte pour chaque chunk ; les tokens d'entrée et de sortie sont facturés. #### Exemple : Coûts de segmentation des documents L'exemple suivant suppose un document de taille modérée avec enrichissement de chunk activé : * **Taille du document** : 100 000 mots (\~133 000 tokens d'entrée, à 4 caractères/token) * **Paramètres de chunking** : `chunk_size=64 tokens`, `chunk_overlap=10 tokens` → \~2 300 chunks * **Enrichissement du chunk** : Activé avec `gpt-4o-mini` * **Texte de sortie** (chunks joints incl. préfixes d'enrichissement) : \~140 000 tokens de sortie * **Tarification du modèle** (exemple) : entrée `$0,15` par 1 million de tokens, sortie `$0,60` par 1 million de tokens | Composant | Tokens | Coût | | :------------------------- | :------ | :-------- | | Tokens d'entrée (document) | 133 000 | \$0,01995 | | Tokens de sortie (chunks) | 140 000 | \$0,084 | | **Coût LLM total** | 273 000 | \$0,104 | Par conséquent, `$0,104` (coût LLM total) / `$0,01` (coût par crédit) équivaut à **10,4 crédits**, affiché comme \~10 crédits. Si le même document était téléchargé *sans enrichissement de chunk* activé, la segmentation consommerait 0 Crédit Token LLM. ### C. Interaction Chat / Agent **Crédits plateforme fixes** | Action | Crédits | | :-------------------------------------- | :---------- | | L'utilisateur envoie un message de chat | 1 crédit | | Appel d'outil invoqué | 1 par appel | **Crédits Tokens LLM variables** Les crédits LLM sont calculés comme : (Tokens d'entrée × Taux d'entrée) + (Tokens de sortie × Taux de sortie) Exemple de tarification (modèle exemple Claude 4.5) : * Entrée : \$3 par 1 million de tokens * Sortie : \$15 par 1 million de tokens ### D. Exécutions de workflow | Action | Crédits | | :-------------------- | :-------------- | | Exécution de workflow | 1 par exécution | Le coût est de 1 crédit par exécution, quel que soit le nombre d'étapes impliquées. ### E. Tableaux intelligents Les tableaux intelligents combinent l'extraction alimentée par LLM avec les workflows pilotés par agent. La consommation de crédits dépend du chemin de calcul utilisé. | Action | Crédits | | :----------- | :---------------------------------------------------------------------------------------- | | Calcul LLM | Facturé en fonction des tokens d'entrée et de sortie ; le coût dépend du LLM sélectionné. | | Calcul Agent | Facturé de la même façon qu'une [Interaction Chat / Agent](#c-chat-/-agent-interaction) | ### Exemple de chat complet **Scénario** L'utilisateur demande : « Explique le document joint. » **Crédits plateforme** | Composant | Crédits | | :----------------------------------------- | :------ | | Question posée | 1 | | Appels d'outils (récupération de document) | 2 | | **Sous-total** | **3** | **Utilisation des tokens LLM** | Type | Tokens | Coût | | :-------- | :------- | :--------- | | Entrée | \~53 634 | \~\$0,161 | | Sortie | \~900 | \~\$0,0135 | | **Total** | — | \~\$0,1745 | Converti en crédits : **17 crédits** **Total final** | Composant | Crédits | | :-------------- | :------ | | Plateforme fixe | 3 | | Utilisation LLM | 17 | | **Total** | **20** | ## Résumé de la formule de calcul des coûts **Téléchargement de document** Crédits de mots = (Nombre total de mots ÷ 10 000) × 10 + Crédits Tokens LLM (Analyse) **Message de chat** Crédit de message fixe + Crédits d'appel d'outil + Crédits Tokens LLM (Entrée + Sortie) ## Qu'est-ce qui augmente l'utilisation des crédits LLM ? Le coût LLM augmente quand : ▶ De grands documents sont récupérés en contexte ▶ De nombreux chunks KB sont injectés dans l'invite ▶ Les réponses sont longues ou structurées ▶ De multiples appels d'outils sont déclenchés ▶ Des modèles à coût plus élevé sont sélectionnés ## Notes importantes pour les clients ✓ Le coût d'ingestion basé sur les mots est prévisible. ✓ Les coûts de chat varient considérablement en fonction de la taille du document et du nombre de tokens utilisés. ✓ La tarification des modèles est configurable dans Super Admin. ✓ Les crédits LLM sont basés sur la consommation et ne peuvent pas être facturés au forfait. ✓ Total des crédits final = Crédits plateforme + Crédits LLM.