Tarification d’Azure Content Understanding dans Les outils Foundry

Cet article explique le modèle de tarification Azure Content Understanding dans Foundry Tools avec des exemples clairs et des répartitions des coûts. Découvrez ce que vous êtes facturé et comment estimer les coûts de votre charge de travail.

Pour connaître les tarifs spécifiques, consultez tarification d’Azure Content Understanding.

Comprendre les deux types de frais

La tarification d’Azure Content Understanding est basée sur deux catégories d’utilisation principales :

1. Frais d’extraction de contenu

L’extraction de contenu transforme une entrée non structurée (documents, audio, vidéo) en texte structuré, pouvant faire l’objet d’une recherche et d’un contenu. Cette sortie inclut la reconnaissance optique de caractères (OCR) pour les documents, la reconnaissance vocale pour l’audio/vidéo et la détection de disposition. Vous payez par unité d’entrée traitée :

• Documents : par 1 000 pages
• Audio et vidéo : par minute

2. Frais de fonctionnalités génératives

Lorsque vous utilisez des fonctionnalités basées sur l’IA qui appellent des modèles de langage volumineux (LLMs), vous avez deux types de frais :

• Frais de contextualisation : prépare le contexte, génère des scores de confiance, établit l'ancrage de la source et la mise en forme de sortie. Pour plus d’informations, consultez les jetons de contextualisation.
• Frais de modèle génératif : coûts basés sur les jetons des déploiements de modèles Microsoft Foundry (LLMs pour la génération, incorporations pour des exemples d’apprentissage). Content Understanding utilise le déploiement du modèle Foundry que vous fournissez pour tous les appels liés à l’IA générative. Vous ne verrez pas la facturation de l'utilisation des jetons LLM ou d'embedding dans Content Understanding. Cette utilisation est visible dans le déploiement de votre modèle Foundry. Pour plus d’informations, consultez les frais de modèle génératif.

Les fonctionnalités génératives incluent : extraction de champs, analyse des figures, segmentation, catégorisation, apprentissage.

Équation des coûts

Votre coût total pour l’exécution d’un analyseur Content Understanding suit cette formule :

Total Cost = Content Extraction + Contextualization Tokens + LLM Input Tokens + LLM Output Tokens + Embeddings Tokens

Si vous utilisez uniquement l’extraction de contenu sans fonctionnalités de régénération, vous êtes facturé uniquement pour l’extraction de contenu. Lorsque vous utilisez des fonctionnalités de régénération, tous les frais applicables s’appliquent.

Comment estimer vos coûts

1. Tester avec des fichiers représentatifs

Exécutez une petite analyse de test avec vos fichiers et schémas réels. Vérifiez l’objet usage dans la réponse de l’API Analyzers pour voir la consommation réelle des jetons :

  "usage": {
    "documentPagesMinimal": 0, // Pages processed at the minimal level (i.e. txt, xlsx, html, and other digital file types)
    "documentPagesBasic": 0, // Pages processed at the basic level (i.e. read)
    "documentPagesStandard": 2, // Pages processed at the standard level (i.e. layout)
   
    "contextualizationToken": 2000,
    "tokens": {
      "gpt-4.1-input": 10400,
      "gpt-4.1-output": 360,
    }
  }

2. Utiliser la calculatrice de prix Azure

Recherchez Content Understanding dans la calculatrice de prix Azure et configurez vos paramètres :

• Ajouter « Content Understanding » à la calculatrice
• Utilisez vos résultats de test de l’étape 1 pour calculer les moyennes de jeton par page ou par minute
• Entrez le nombre de jetons ainsi que votre région, le type de fichier, le volume attendu et le déploiement du modèle

La calculatrice fournit des projections de coûts précises pour votre charge de travail.

Exemple de tarification : Extraction de champs de facture

À la suite de l’approche d’estimation, examinons un exemple concret manuellement pour illustrer la façon dont les coûts sont calculés. Vous traitez des factures pour extraire des données structurées telles que le nom du fournisseur, le numéro de facture, le montant total et les éléments de ligne.

Scénario : Vous souhaitez analyser 1 000 pages de factures à l’aide de GPT-4o-mini sans utiliser l'ancrage source et les indicateurs de confiance.

Étape 1 : Tester avec des fichiers représentatifs Après avoir testé les fichiers représentatifs, vous avez trouvé l’utilisation moyenne des jetons suivante par page :

• Jetons d’entrée : 1 100 par page
• Jetons de sortie : 60 par page
• Contextualisation : 1 000 jetons par page (taux fixe)

Pour 1 000 pages, les totaux sont égaux :

• Nombre total de jetons d’entrée : 1 000 pages × 1 100 = 1 100 000 jetons
• Nombre total de jetons de sortie : 1 000 pages × 60 = 60 000 jetons
• Jetons de contextualisation total : 1 000 pages × 1 000 = 1 000 000 jetons

Étape 2 : Calculer les coûts manuellement (au lieu d’utiliser la calculatrice de prix) Utilisation du déploiement global GPT-4o-mini avec les hypothèses de tarification suivantes :

Hypothèses de tarification :

• Extraction de contenu : 5,00 $ par 1 000 pages
• Contextualisation : 1,00 $ par million de jetons
• Jetons d’entrée GPT-4o-mini : 0,40 $ par million de jetons
• Jetons de sortie GPT-4o-mini : 1,60 $ par 1M de jetons
• Inclusions: 0,02 $ par 1 000 jetons. Vous n’utilisez pas de base de connaissances avec des exemples de formation. Par conséquent, aucun frais d’incorporation ne s’applique. Si vous avez ajouté des exemples étiquetés pour améliorer la précision, le système ajoute l’utilisation des jetons d’incorporation pour incorporer tout le texte des documents d’entrée ainsi que les jetons d’entrée d’achèvement pour traiter les exemples de données ajoutés à la fenêtre de contexte.

Calcul des coûts :

• Extraction de contenu : 1 000 pages × 5,00 $ par 1 000 pages = 5,00 $
• Contextualisation : 1 000 000 jetons × $1,00 par million de jetons = 1,00 $
• Jetons d’entrée : 1 100 000 jetons × 0,40 $ par jetons 1M = 0,44 $
• Jetons de sortie : 60 000 jetons × 1,60 $ par 1M de jetons = 0,10 $
• Implantations: Non utilisées = 0,00 $

Total Cost = $5.00 + $1.00 + $0.44 + $0.10 + $0.00 = $6.54 per 1000 pages

Composants de coût détaillés

Extraction de contenu

L’extraction de contenu est la première étape essentielle pour transformer une entrée non structurée( qu’il s’agisse d’un document, d’un audio ou d’une vidéo) dans un format standardisé et réutilisable. Ce traitement de base est requis pour toutes les fonctionnalités dégénératives et peut être utilisé autonome.

Tarification de l’extraction de contenu par modalité :

• Documents : trois compteurs hiérarchisés (minimal, de base ou standard) selon la complexité du traitement
• Audio : transcription de la parole en texte (tarif standard unique, prix par minute)
• Vidéo : Extraction d’images, détection de captures et transcription de reconnaissance vocale (compteur standard unique, prix par minute)
• Images : aucun frais d’extraction de contenu

Compteurs d'extraction de contenu de documents

Pour les documents, vous êtes facturé pour le type de traitement que Content Understanding effectue.

Compteur de base : s’applique lorsque Content Understanding effectue un traitement OCR pour extraire du texte à partir de documents sous forme d'images (PDF numérisés, images, TIFF).

Compteur standard : s’applique lorsque Content Understanding effectue une analyse de disposition, y compris la reconnaissance de tableaux et la détection d’éléments structurels à partir de documents basés sur des images (PDF numérisés, images, TIFF).

Compteur minimal : s’applique aux documents numériques (DOCX, XLSX, HTML, TXT) où aucun traitement OCR ou traitement de mise en page n’est nécessaire. Vous êtes facturé au tarif minimal, quel que soit l’analyseur que vous utilisez, même si vous appelez un analyseur de disposition sur un document numérique, vous êtes facturé uniquement pour le traitement minimal effectué.

Le tableau suivant indique quelle mesure s'applique en fonction du type de fichier et du niveau d'analyse.

Capacités génératives

Les fonctionnalités de génération de Content Understanding utilisent des modèles IA génératifs pour améliorer la qualité de la sortie. Dans la dernière version de l’API [2025-11-01], vous pouvez choisir un modèle de génération en fonction de votre cas d’usage (par exemple GPT-4o ou GPT-4o-mini).

Lorsque vous utilisez des fonctionnalités de génération, Content Understanding utilise le déploiement des modèles Foundry que vous fournissez. L’utilisation des jetons pour les modèles d’achèvement ou d’incorporation sera appliquée à ce déploiement.

Jetons de contextualisation

La contextualisation est la couche de traitement de Content Understanding, qui prépare le contexte pour les modèles génératifs et post-traite leur sortie en résultats structurés finaux.

Quelles sont les fonctionnalités de contextualisation :

• Normalisation et mise en forme de sortie en schémas structurés
• Mise à la terre source pour montrer l'origine des informations
• Calcul du score de confiance pour la fiabilité de l’extraction
• Ingénierie contextuelle pour optimiser l’utilisation et la précision LLM

Lorsque vous êtes facturé : chaque fois que vous utilisez des capacités génératives (extraction de champs, analyse des données, segmentation, catégorisation, formation).

Tarification : taux fixe par unité de contenu

Les jetons de contextualisation sont calculés par unité de contenu :

En supposant que 1,00 $ par 1 million de jetons de contextualisation.

Frais de modèle génératif (LLM)

Frais basés sur les jetons des modèles Foundry qui alimentent l'extraction de champs, l'analyse et d'autres fonctionnalités génératives réelles.

Les jetons d’entrée sont les suivants :

• Texte et transcriptions extraits
• Jetons d’image (pour l’analyse visuelle)
• Vos définitions de schéma
• Prompts système
• Exemples de formation (lors de l’utilisation de la base de connaissances)

Les jetons de sortie sont les suivants :

• Valeurs de champ et données structurées
• Scores de confiance et ancrage des sources
• Résultats et descriptions d’analyse

Optimisation des coûts : choisissez des modèles plus petits (GPT-4o-mini) ou des déploiements globaux pour réaliser des économies significatives.

Frais d’incorporation

Frais basés sur des jetons pour l’incorporation de modèles utilisés lors de l’entraînement d’analyseurs personnalisés avec des exemples étiquetés pour améliorer la précision.

• Lors de la facturation: uniquement lors de l’utilisation de la fonctionnalité d’entraînement avec des données étiquetées
• Modèles : text-embedding-3-large, text-embedding-3-small ou text-embedding-ada-002
• Utilisation classique : l’ensemble du document est incorporé. L’utilisation peut varier en fonction de la densité de texte, mais environ 1 500 jetons par page sont une bonne estimation initiale.

Détails de la fonctionnalité générative

Il existe plusieurs caractéristiques génératives dont chacune a des implications de coût légèrement différentes.

Extraction de champ

Génère des paires clé-valeur structurées en fonction de votre définition de schéma. Les exemples incluent l’expéditeur/destinataire de facture, les éléments de ligne ou les éléments publicitaires vidéo tels que le tagline et l’apparence du produit.

Impact sur les coûts : les frais sont mis à l’échelle avec la complexité du schéma et la taille du contenu.

Analyse des figures

Crée un texte descriptif pour les images, les graphiques et les diagrammes pour rendre le contenu visuel pouvant faire l’objet d’une recherche dans les flux de travail RAG.

Impact sur le coût : jetons LLM par image analysée, comprenant les jetons d'entrée pour l'interprétation de l'image et les jetons de sortie pour les descriptions. L’utilisation augmente en fonction de la taille et du nombre d’images contenues dans le document.

Segmentation

Divise les documents ou vidéos en sections logiques pour le traitement ciblé et améliorer l’efficacité.

Impact sur les coûts : coûts de jeton de sortie pour chaque segment créé. Si vous le souhaitez, vous pouvez chaîner des analyseurs pour une analyse supplémentaire sur chaque segment. Lors du chaînage, vous entraînez davantage d’extraction de contenu et d’utilisation générative équivalente à l’exécution des analyseurs chaînés indépendamment.

Regroupement en catégories

Affecte des étiquettes à des documents ou des segments pour la classification et le routage intelligent vers des analyseurs spécialisés.

Impact sur les coûts : coûts de configuration LLM et de contextualisation pour la classification. Acheminer vers d'autres analyseurs entraîne des coûts supplémentaires.

Entrainement

Génère des analyseurs personnalisés à l’aide d’exemples étiquetés pour des améliorations de précision spécifiques au domaine.

Impact sur les coûts : incorporation de l’utilisation des jetons lors de l’ajout de données étiquetées, ainsi que d’autres jetons LLM lors de l’analyse lorsque des exemples d’apprentissage sont récupérés et fournis au modèle.

Base de connaissances

Améliore les analyseurs personnalisés avec des exemples d’entraînement étiquetés pour des améliorations de précision spécifiques au domaine.

Impact sur les coûts : le modèle d’incorporation est utilisé pour indexer et récupérer les exemples. En outre, les jetons LLM sont utilisés lors de l’analyse lorsque des exemples d’apprentissage sont récupérés et fournis au modèle.

Questions fréquemment posées

Quand suis-je facturé pour l’utilisation de LLM ?

Vous êtes facturé pour les jetons LLM uniquement lorsque vous fournissez à l’analyseur un déploiement Foundry et que vous utilisez une fonctionnalité de génération dans Content Understanding. Les analyseurs qui effectuent uniquement l’extraction de contenu (ex. prebuilt-read, prebuilt-layoutou analyseurs personnalisés sans aucune fonctionnalité de régénération) n’entraînent pas de frais LLM.

Est-ce que je suis facturé deux fois pour l’utilisation du modèle Foundry ?

Non. Content Understanding utilise les déploiements LLM liés pour tous les appels LLM et d'intégration. Vous êtes facturé sur ces déploiements. Vous payez Content Understanding pour l'extraction et la contextualisation de contenu, et Foundry pour les jetons du modèle génératif (jetons d'entrée/sortie et représentations vectorielles).

Combien puis-je économiser avec des modèles plus petits ?

Le choix de GPT-4o-mini au lieu de GPT-4o peut réduire les coûts LLM d’un maximum de 80%. Les déploiements globaux offrent 9% économies. Les frais d’extraction de contenu et de contextualisation restent les mêmes, quel que soit le choix du modèle.

Qu’est-ce qui augmente l’utilisation des jetons ?

Plusieurs fonctionnalités multiplient la consommation de jetons :

• Source d’ancrage + scores de confiance : environ 2x consommation de jetons
• Mode extractif : environ 1,5 fois l'utilisation des jetons
• Exemples d’apprentissage : utilisation des jetons ~2x
• Segmentation/catégorisation : ~2x consommation de jetons

Est-ce que je suis facturé si ma demande échoue ?

Content Understanding ne charge pas l’extraction de contenu ou la contextualisation lorsqu’une requête échoue avec une erreur (par exemple, une erreur 400). Toutefois, si un appel à un modèle d’achèvement Foundry a réussi dans le cadre de cette demande avant l’échec, vous serez facturé pour l’utilisation du modèle Foundry en fonction des stratégies de facturation de Foundry.

Conseils d’optimisation des coûts

• Commencer avec des mini-modèles - GPT-4o-mini offre des économies substantielles pour la plupart des tâches d’extraction
• Utiliser des déploiements globaux lorsque la résidence et la conformité des données autorisent
• Activer les fonctionnalités avancées de manière sélective : utilisez uniquement les scores de base et de confiance source si nécessaire
• Tester les fichiers représentatifs avant la mise à l’échelle pour comprendre la consommation réelle des jetons
• Surveiller régulièrement l’utilisation via le portail Azure pour identifier les opportunités d’optimisation

Autres exemples de tarification

Voici des exemples détaillés montrant comment fonctionne la tarification dans différents scénarios :

Exemple 1 : Traitement de documents pour les flux de travail RAG

Scénario : vous devez extraire du contenu de documents pour une solution de génération augmentée par récupération (RAG). Vous utilisez prebuilt-documentSearch pour extraire du texte, une disposition et des descriptions de figure.

Entrée :

• 1 000 pages
• Modèle : Déploiement global GPT-4.1
• Région : USA Est

Répartition des prix :

1. Extraction de contenu : 1 000 pages

   • Coût : (1 000 / 1 000) × 5,00 $ = 5,00 $

2. Analyse de la figure :

   En supposant deux figures par page. Il coûte environ 1 000 jetons d’entrée et 200 jetons de sortie par figure.

   • Jetons d’entrée : 2 000 chiffres × 1 000 jetons/image = 2 000 000 jetons
   • Coût : (2 000 000 $ / 1 000 000) × 2,00 $ = 4,00 $
   • Jetons de sortie : 2 000 pages × 200 jetons/page = 400 000 jetons
   • Coût : (400 000 / 1 000 000) × 8,00 $ = 3,2 $

3. Contextualisation : 1 000 pages × 1 000 jetons/page = 1 000 000 jetons

   • Coût : (1 000 000 / 1 000 000 $ ) × 1,00 $ = 1,00 $

Coût total estimé : 5,00 $ + 4 $ + 3,2 $ + 1,00 $ = 13,20 $

Exemple 2 : Traitement des factures avec extraction de champs

Scénario : vous automatisez le traitement des factures à l’aide prebuilt-invoice de l’extraction de données structurées (numéro de facture, date, fournisseur, total, éléments de ligne).

Entrée :

• 1 000 pages
• Modèle : Déploiement global GPT-4.1-mini (optimisé pour les coûts)
• Fonctionnalités : Mode extractif + estimation de la source + scores de confiance
• Région : USA Est

Répartition des prix :

1. Extraction de contenu : 1 000 pages

   • Coût : (1 000 / 1 000) × 5,00 $ = 5,00 $

2. Extraction de champ : avec l'estimation de la source + confiance activée, l'utilisation des tokens sera environ doublée par page.

   • Jetons d’entrée de base : 1 000 pages × 5 200 jetons/page = 5 200 000 jetons
   • Coût : (5 200 000 / 1 000 000 $ ) × 0,40 $ = 2,08 $
   • Jetons de sortie de base : 1 000 pages × 180 jetons/page = 180 000 jetons
   • Coût : (180 000 / 1 000 000 ) × 1,60 $ = 0,29 $

3. Contextualisation : 1 000 pages × 1 000 jetons/page = 1 000 000 jetons

   • Coût : (1 000 000 / 1 000 000 $ ) × 1,00 $ = 1,00 $

Coût total estimé : 5,00 $ + 2,08 $ + 0,29 $ + 1,00 $ = 8,37 $

Exemple 3 : Analyse du contenu vidéo avec extraction de champs au niveau du segment

Scénario : vous extrayez une représentation structurée du contenu vidéo pour une application RAG. Pour extraire des données structurées par segment de vidéo, vous pouvez utiliser le prebuilt-videoSearch. Les segments sont de courtes séquences de 15 à 30 secondes en moyenne, ce qui entraîne de nombreux segments de sortie avec un seul champ de synthèse par segment.

Entrée :

• 60 minutes (1 heure) de vidéo
• Modèle : Déploiement global GPT-4.1
• Région : USA Est

Hypothèses :

• Jetons d’entrée : 7 500 jetons par minute (en fonction des images échantillonnées, de la transcription, des instructions de schéma et des métaprompts)
• Sortie de tokens : 900 tokens par minute (en supposant 10 à 20 courts champs structurés par segment avec une segmentation automatique)
• Contextualisation : 1 000 000 jetons par heure de vidéo

Répartition des prix :

1. Extraction de contenu : 60 minutes

   • Coût : 60 minutes × $1/heure = 1,00 $

2. Extraction de champ :

   • Jetons d’entrée : 60 minutes × 7 500 jetons/minute = 450 000 jetons
   • Coût : (450 000 / 1 000 000 ) × 2,00 $ = 0,90 $
   • Jetons de sortie : 60 minutes × 900 jetons/minute = 54 000 jetons
   • Coût : (54 000 / 1 000 000) × 8,00 $ = $0,43

3. Contextualisation : 1 000 000 tokens par heure

   • Coût : (1 000 000 / 1 000 000 $ ) × 1,00 $ = 1,00 $

Coût total estimé : 1,00 $ + 0,90 $ + 0,43 $ + 1,00 $ = 3,33 $

Exemple 4 : Traitement des enregistrements du centre d’appels audio

Scénario : vous analysez les enregistrements du centre d’appels en utilisant prebuilt-callCenter pour générer la génération des transcriptions, la diarisation des intervenants, l’analyse des sentiments et les résumés.

Entrée :

• 60 minutes d’audio
• Modèle : Déploiement global GPT-4.1-mini
• Région : USA Est

Répartition des prix :

1. Extraction de contenu : 60 minutes

   • Coût : 60 minutes × $0,36/minute = 0,36 $

2. Extraction de champ :

   • Jetons d’entrée : 60 minutes × 604 jetons/minute = 36 240 jetons
   • Coût : (36 240 / 1 000 000 ) × 0,40 $ = 0,01 $
   • Jetons de sortie : 60 minutes × 19 jetons/minute = 1 140 jetons
   • Coût : (1 140 / 1 000 000 $ ) × 1,60 $ = 0,00 $

3. Contextualisation : 60 minutes × 1 667 jetons/minute = 100 020 jetons

   • Coût : (100 020 / 1 000 000) × 1,000 $ = 0,10 $

Coût total estimé : 0,36 $ + 0,01 $ + 0,00 $ + 0,10 $ = 0,47 $

Exemple 5 : Traitement d’images avec des légendes

Scénario : Vous générez des légendes descriptives pour les images de produit à l’aide de prebuilt-imageSearch.

Entrée :

• 1 000 images
• Modèle : Déploiement global GPT-4.1
• Région : USA Est

Répartition des prix :

1. Extraction de contenu : aucun frais pour les images

   • Coût : 0,00 $

2. Extraction de champ :

   • Jetons d’entrée : 1 000 images × 1 043 jetons/image = 1 043 000 jetons
   • Coût : (1 043 000 / 1 000 000 $ ) × 2,00 $ = 2,09 $
   • Jetons de sortie : 1 000 images × 170 jetons/image = 170 000 jetons
   • Coût : (170 000 / 1 000 000 $ ) × 8,000 $ = 1,36 $

3. Contextualisation : 1 000 images × 1 000 jetons/image = 1 000 000 jetons

   • Coût : (1 000 000 / 1 000 000 $ ) × 1,00 $ = 1,00 $

Coût total estimé : 0,00 $ + 2,09 $ + 1,36 $ + 1,00 $ = 4,45 $

Étapes suivantes

• Page tarification d’Azure Content Understanding
• Calculatrice de prix Azure
• Démarrage rapide Content Understanding
• Meilleures pratiques pour Content Understanding
• Analyseurs prédéfinis