XDA-Developers a publié un article ce mois-ci sur la façon dont la dernière mise à jour de Codex a enfin ajouté un véritable indicateur d’utilisation, et l’auteur l’a appelé la correction la plus importante pour lui. La frustration était simple : un agent de codage qui brûlait silencieusement les tokens sans avertissement jusqu’à ce que la limite de débit se déclenche. L’ajout d’un compteur visible l’a résolu pour les utilisateurs de Codex. Le problème, c’est que presque personne n’utilise plus un seul modèle. Si votre pile utilise Claude pour les refactorisations, GPT pour les chats et Gemini pour les travaux de contexte long, un indicateur d’utilisation dans l’interface de ligne de commande d’un seul fournisseur ne vous aide pas. Les meilleures applications pour suivre l’utilisation de l’IA observent chaque fournisseur simultanément, enregistrent chaque appel et vous disent ce que chacun coûte avant l’arrivée de la facture. Nous en avons testé sept qui le font bien en 2026.
Ce qu'il faut rechercher dans le suivi de l'utilisation de l'IA
Cinq choses importent. D’abord, la visibilité par appel sur les tokens entrants, les tokens sortants et le coût en USD de cette requête exacte. Les tableaux de bord des fournisseurs rapportent des agrégats avec un jour de retard ; le suivi utile est par requête et en temps réel. Deuxièmement, la couverture multi-fournisseur. Anthropic, OpenAI, Google, Mistral, AWS Bedrock, Azure OpenAI et au moins les principaux fournisseurs open-weight doivent tous se connecter à la même vue. Troisièmement, des limites strictes et des budgets. Les alertes souples sont utiles, mais un vrai disjoncteur qui arrête un agent incontrôlé avant qu’il ne dépense le budget d’un mois en une nuit est la fonctionnalité qui se paie elle-même. Quatrièmement, des tableaux de bord, des traces et des alertes pour que l’équipe puisse trouver l’unique invite qui a doublé le coût mardi dernier. Cinquièmement, une option d’auto-hébergement pour les entreprises qui ne peuvent pas acheminer les invites et les réponses via un tiers.
Comparaison rapide
| Application | Open source ? | Auto-hébergé ? | Niveau gratuit | Fonctionnalité remarquable |
|---|---|---|---|---|
| Helicone | Oui | Oui | Oui, 100k demandes/mois | Proxy un en-tête, intégration en quelques minutes |
| Langfuse | Oui | Oui | Oui, niveau hobby hébergé | Traces au niveau des spans avec coût en USD |
| LangSmith | Non | Non | Oui, limité | Intégration étroite avec LangChain |
| LiteLLM | Oui | Oui | Passerelle OSS gratuite | Clés virtuelles et budgets par équipe |
| Portkey | Partiellement | Oui (Enterprise) | Oui, limité | Passerelle, observabilité et guardrails en un |
| OpenLLMetry | Oui | Oui | SDK gratuit | OpenTelemetry-native, se connecte à n’importe quel APM |
| Arize Phoenix | Oui | Oui | Gratuit | Tableau de bord local, s’exécute dans un notebook |
Les 7 meilleures applications pour suivre l'utilisation de l'IA en 2026
1. Helicone, le meilleur pour la visibilité des coûts immédiate
Helicone est le chemin le plus rapide de “nous n’avons aucune idée de ce que nous dépensons” vers un tableau de bord en direct. Modifiez une ligne dans votre client OpenAI ou Anthropic pour acheminer via le proxy Helicone, et chaque appel arrive au tableau de bord avec tokens, latence, coût en USD et l’invite et réponse complets. Le noyau open source supporte plus de 100 modèles et fonctionne de la même manière que l’auto-hébergement que sur le niveau gratuit hébergé.
Où il échoue : L’acheminement via un proxy ajoute une petite taxe de latence, généralement 20 à 50 ms. Les équipes qui ont besoin de budgets inférieurs à 100 ms préfèrent parfois l’approche basée sur SDK dans OpenLLMetry.
Tarification : Le niveau hobby gratuit couvre 100 000 demandes par mois. Les plans payants commencent autour de 20 $ par mois pour des volumes plus élevés et des fonctionnalités d’équipe. L’auto-hébergement est gratuit sous le noyau sous licence MIT.
Plates-formes : Application web SaaS plus Docker auto-hébergé pour macOS, Windows et Linux.
Télécharger : helicone.ai
Conclusion : Choisissez Helicone si vous voulez un tableau de bord des coûts fonctionnel en fin de journée, sans réécriture de SDK.
2. Langfuse, le meilleur pour les équipes qui veulent l’auto-hébergement
Langfuse est la plateforme d’observabilité open source que la plupart des équipes sérieuses adoptent lorsqu’elles dépassent les tableaux de bord des fournisseurs. Elle enregistre les traces au niveau des spans de chaque appel LLM, appel d’outil et étape d’agent, avec des tokenizers intégrés et le calcul du coût en USD pour OpenAI, Anthropic, Gemini et la plupart des fournisseurs majeurs. L’auto-hébergement est un chemin de première classe documenté, pas une note de bas de page.
Où il échoue : La configuration est plus lourde qu’un proxy. Vous ajoutez un SDK, instrumentez vos appels et exécutez une pile soutenue par Postgres si vous l’auto-hébergez. Cela en vaut la peine pour les équipes, mais c’est excessif pour un script unique.
Tarification : Niveau hobby gratuit sur le cloud hébergé. Plans payants à partir d’environ 59 $ par mois pour les équipes. L’auto-hébergement est gratuit sous la licence MIT, avec un niveau Enterprise payant pour SSO et l’audit des journaux.
Plates-formes : Application web SaaS plus Docker auto-hébergé sur macOS, Windows et Linux.
Télécharger : langfuse.com
Conclusion : Choisissez Langfuse si vos données doivent rester sur votre infrastructure et que vous voulez une plateforme de traçage qui tient la route à l’échelle.
3. LangSmith, le meilleur pour les équipes déjà sur LangChain
LangSmith est le produit d’observabilité hébergé de l’équipe LangChain. Si vos agents sont déjà construits sur LangChain ou LangGraph, l’intégration est une variable d’environnement, et vous obtenez des traces, des evals et des rapports de coûts dans une seule vue. Le coût des tokens et l’USD s’assoient à côté de chaque exécution, avec des ventilations par modèle et un rollup au niveau du projet que la finance peut réellement lire.
Où il échoue : Code fermé et hébergé uniquement. La tarification est basée sur les traces, donc les agents bavards s’accumulent plus vite que les alternatives à taux fixe. Moins utile si votre pile n’est pas basée sur LangChain.
Tarification : Niveau gratuit avec traces limitées par mois. Plans payants à partir d’environ 39 $ par siège par mois.
Plates-formes : Application web SaaS. Les SDK pour Python et JavaScript s’exécutent sur macOS, Windows et Linux.
Télécharger : smith.langchain.com
Conclusion : Choisissez LangSmith si vous viviez déjà dans LangChain et que vous voulez des données de coûts à côté de vos evals.
4. LiteLLM, le meilleur pour la passerelle et la comptabilité en un binaire
LiteLLM est un proxy léger qui parle l’API OpenAI devant et traduit à plus de cent fournisseurs derrière. Le proxy est livré avec le suivi des utilisations intégré, les clés API virtuelles par utilisateur ou équipe et les limites de budget strictes par clé. Atteignez le plafond et le proxy retourne 429 ; pas de surprise sur la facture. C’est la réponse la plus proche d’une réponse binaire unique pour les boutiques qui veulent une passerelle et une comptabilité ensemble.
Où il échoue : Le tableau de bord est fonctionnel plutôt que joli. Les équipes qui veulent des traces polies et un examen au niveau de la requête exécutent généralement LiteLLM comme la passerelle et l’associent à Langfuse ou Helicone pour l’interface utilisateur.
Tarification : Gratuit sous la licence MIT open source. Plans d’entreprise hébergés sur demande.
Plates-formes : Docker auto-hébergé, paquet Python ou binaire autonome sur macOS, Windows et Linux.
Télécharger : litellm.ai
Conclusion : Choisissez LiteLLM si vous voulez un processus qui achemine chaque modèle et applique un budget strict à la porte.
5. Portkey, le meilleur pour les équipes de production qui veulent un tableau de bord
Portkey est l’option orientée vers la production pour les équipes qui ont besoin d’observabilité, d’une passerelle d’acheminement, de guardrails et de gestion des requêtes en un seul endroit. Elle enregistre chaque requête, note les requêtes par rapport aux filtres de sécurité et permet aux opérations de basculer d’un fournisseur à un autre lorsqu’une limite de débit est atteinte. Le tableau de bord suit les coûts en USD chez les fournisseurs avec la granularité que demandent les équipes financières.
Où il échoue : Le produit hébergé principal est payant, avec l’auto-hébergement limité au niveau Enterprise. Moins attrayant pour les développeurs individuels ou les équipes axées sur l’open source en premier.
Tarification : Niveau gratuit avec demandes limitées. Plans payants à partir d’environ 49 $ par mois pour les équipes. Tarification Enterprise sur demande, avec auto-hébergement inclus.
Plates-formes : Application web SaaS avec Docker auto-hébergé Enterprise sur macOS, Windows et Linux.
Télécharger : portkey.ai
Conclusion : Choisissez Portkey si vous voulez un tableau de bord couvrant la passerelle, l’observabilité et les guardrails, et que le budget soutient un produit payant.
6. OpenLLMetry, le meilleur pour les boutiques déjà sur OpenTelemetry
OpenLLMetry est un SDK open source de Traceloop qui émet des traces standard OpenTelemetry pour les appels LLM, les requêtes de magasin vectoriel et les opérations de framework dans LangChain, LlamaIndex, Haystack et l’utilisation directe du SDK. Les traces atterrissent dans n’importe quel APM que vous exécutez déjà : Datadog, New Relic, Honeycomb, Grafana Tempo, Jaeger ou un collecteur OTel auto-hébergé. Les décomptes de tokens et les coûts en USD voyagent en tant qu’attributs des spans.
Où il échoue : Pas de tableau de bord propre ; vous apportez le backend. Les équipes sans plateforme d’observabilité existante sont généralement mieux servies par Helicone ou Langfuse.
Tarification : Gratuit sous la licence Apache-2.0. Le produit hébergé de Traceloop se superpose avec une tarification basée sur l’utilisation.
Plates-formes : SDK Python et TypeScript sur macOS, Windows et Linux.
Télécharger : github.com/traceloop/openllmetry
Conclusion : Choisissez OpenLLMetry si vous avez déjà un APM et que vous voulez les traces LLM au même endroit que le reste de vos spans.
7. Arize Phoenix, le meilleur pour les développeurs individuels qui veulent un tableau de bord local
Phoenix est l’outil d’observabilité open source d’Arize qui s’exécute entièrement sur votre machine. Lancez-le dans un notebook, un conteneur ou en tant que processus local, et les traces de vos appels LLM et pipelines RAG s’écoulent vers un tableau de bord que vous atteignez à localhost. Il supporte OpenInference, le format de trace ouvert qui se chevauche avec OpenLLMetry, et inclut des évaluateurs pour la qualité RAG, les hallucinations et la toxicité.
Où il échoue : Conçu pour le développement et l’évaluation plutôt que la journalisation en production à long terme. Les équipes qui ont besoin de stockage persistant et d’accès en équipe finissent généralement par la plateforme hébergée Arize ou Langfuse.
Tarification : Gratuit sous la licence Elastic-2.0. La plateforme hébergée Arize est payante.
Plates-formes : Paquet Python et image Docker sur macOS, Windows et Linux.
Télécharger : phoenix.arize.com
Conclusion : Choisissez Phoenix si vous construisez des prototypes RAG ou des agents en solo et que vous voulez un tableau de bord local sans comptes.
Comment choisir le bon
Développeur individuel testant un projet secondaire : Helicone pour la passerelle, ou Phoenix si vous voulez tout localement sans sauts tiers.
Petite équipe exécutant des agents de production : Langfuse auto-hébergé, ou Helicone hébergé si vous pouvez acheminer le trafic via un tiers. Les deux vous donnent des coûts par appel, des alertes et un tableau de bord que les non-ingénieurs peuvent lire.
Entreprise avec contraintes de conformité : Langfuse auto-hébergé sur votre propre VPC, associé à LiteLLM comme passerelle pour les budgets stricts et les clés virtuelles. Portkey Enterprise si vous voulez un seul fournisseur pour toute la pile.
Boutique OpenTelemetry avec un APM fonctionnel : OpenLLMetry. Les traces atterrissent dans Datadog ou Grafana à côté de tout le reste, et les données de coûts s’assoient sur les spans.
Équipe LangChain en premier : LangSmith. L’intégraton est une variable, et les outils d’évaluation comptent autant que le suivi des coûts.
Équipe RAG intensive en développement : Phoenix localement pour les commentaires rapides, puis Langfuse ou LangSmith une fois que vous lancez.
Questions fréquemment posées
Pourquoi ne pas simplement utiliser le tableau de bord du fournisseur ? Les tableaux de bord des fournisseurs rapportent des agrégats, généralement avec un jour de retard, et uniquement pour ce fournisseur. Si votre pile utilise Claude, GPT et Gemini, vous avez besoin d’une vue unique sur les trois. Les outils ci-dessus exposent également les coûts par requête pendant qu’une exécution se déroule, pas après l’arrivée de la facture.
Un proxy ralentira-t-il mes appels ? Un peu. Helicone, LiteLLM et Portkey ajoutent environ 20 à 50 ms par appel selon la région et le chemin réseau. Pour la plupart des charges de travail des agents, c’est invisible. Pour la voix en temps réel ou les boucles inférieures à 100 ms, le suivi basé sur SDK avec OpenLLMetry ou Langfuse évite le saut supplémentaire.
Ces outils peuvent-ils appliquer une limite de dépenses stricte ? LiteLLM et Portkey le peuvent. Les deux soutiennent les plafonds budgétaires par clé et par équipe qui retournent une erreur une fois le seuil atteint. Helicone et Langfuse envoient des alertes mais ne bloquent pas les requêtes par défaut. Associez un outil d’observabilité à une passerelle si vous voulez la visibilité et un disjoncteur.
Les suivi d’utilisation de l’IA open source sont-ils suffisamment bons pour la production ? Oui. Langfuse, Helicone, LiteLLM, Phoenix et OpenLLMetry exécutent tous les charges de travail de production dans les grandes entreprises. Le compromis est opérationnel : vous les hébergez, les corrigez et échelonnez la base de données à mesure que votre volume de traces augmente.
Qu’en est-il du suivi de Codex spécifiquement ? Codex a ajouté un indicateur d’utilisation intégré dans sa mise à jour de juin 2026, ce qui résout le problème immédiat “suis-je sur le point d’être coupé” dans l’interface de ligne de commande. Pour les rapports de coûts au niveau de l’équipe et la comparaison entre fournisseurs, vous voulez toujours l’un des outils ci-dessus. Acheminez le trafic OpenAI via Helicone ou LiteLLM et vous obtenez la même visibilité pour les appels Codex que pour tout le reste.
Certains de ces outils suivent-ils les modèles open-weight s’exécutant localement ? Oui. Langfuse, Helicone, LiteLLM, OpenLLMetry et Phoenix supportent tous les fournisseurs locaux y compris Ollama, vLLM et llama.cpp via des points de terminaison compatibles avec OpenAI. Le coût en USD par défaut est zéro pour les modèles auto-hébergés, mais les décomptes de tokens, la latence et les données de trace fonctionnent de la même façon que pour les fournisseurs hébergés.
