Le coût d'un modèle dépend des tokens, des secondes d'audio et du temps GPU, et il arrive de plusieurs fournisseurs avec des grilles tarifaires différentes. Navin Enterprise AI traite le coût comme une donnée de gouvernance, tenue par le Control Plane unique à côté des politiques et des quotas.
Trois temps pour chaque appel
- Estimé : grille tarifaire multipliée par les unités prévues, avant l'appel (POST /v1/gateway/estimate, POST /v1/finops/estimate).
- Mesuré : l'Usage Event après l'appel, avec les tokens, les secondes et le temps GPU (POST /v1/finops/usage).
- Facturé : import de la facture ou de l'export du fournisseur, puis rapprochement (POST /v1/finops/reconciliation/run, GET /v1/finops/reconciliation/report).
Comptabilité des tokens et registre des prix
La comptabilité des tokens (brique B09) compte les unités de chaque appel qui traverse le Model Gateway et produit un Usage Event. Le registre des prix des modèles (brique B10) tient les grilles tarifaires, et le moteur de tarification (brique H03) transforme les unités en coûts. Les coûts sont inscrits dans un grand livre (brique H02) appuyé sur PostgreSQL et sur ClickHouse pour l'analytique.
Les quotas avant, pas après
Avant l'appel, l'estimation réserve le quota ; après l'appel, le coût mesuré le valide. Les réservations jamais confirmées expirent grâce au worker serveur. Le routeur ne choisit que parmi les triplets fournisseur, modèle et région autorisés par la politique, et la bascule reste dans ces listes.
Le rapprochement
Le rapprochement des coûts (brique B11) compare les coûts mesurés à ce que les fournisseurs facturent réellement, à partir d'un import de facture ou d'un export du fournisseur, et produit un rapport. Les sessions vocales temps réel sont mesurées à la seconde et au token, et le temps des GPU locaux est comptabilisé avec l'exporteur DCGM : l'inférence auto-hébergée a elle aussi un coût.