Votre facture Pinecone était de 52 $ le trimestre dernier. Ce trimestre, elle est de 1 300 $, et vous n'avez rien changé à part réussir. Plus d'utilisateurs, plus de documents, plus de requêtes — exactement la croissance que vous vouliez — et chaque unité de tout cela est facturée au compteur à 16 à 18 $ par million d'unités de lecture, en plus du stockage. C'est le moment où l'auto-hébergement cesse d'être un passe-temps d'ingénieur pour devenir une question financière : à partir de quand une machine fixe faisant tourner Qdrant ou Milvus coûte-t-elle moins cher que le compteur par requête, et comment le prouver avant de migrer ?
Cet article détaille comment Pinecone serverless facture réellement, ce que coûte vraiment un déploiement auto-hébergé de Qdrant ou Milvus une fois le temps d'ingénierie compté, le calcul du seuil de rentabilité qui situe votre point de bascule, et comment chaque option atterrit dans vos comptes — car un serveur que vous possédez et une facture que vous payez ne sont pas le même type d'argent.
Comment Pinecone Serverless facture réellement
La tarification serverless de Pinecone comporte quatre curseurs, et un seul se comporte comme un abonnement. Le plan Standard inclut un minimum mensuel de 50 $ — vous le payez même un mois calme — et au-delà, vous payez à l'usage sur trois dimensions de consommation plus l'egress.
Le stockage est le plus petit curseur : 0,33 $ par Go par mois. Un index de 10 millions de vecteurs d'embeddings à 1536 dimensions représente environ 60 Go, soit environ 20 $ par mois. Personne ne migre pour le stockage.
Les unités de lecture sont le curseur qui fait bouger la facture. Le plan Standard facture 16 à 18 $ par million d'unités de lecture, les tarifs variant selon la région cloud, et chaque requête consomme des unités de lecture approximativement proportionnellement à la part de l'index qu'elle parcourt. Les unités d'écriture sont moins chères à 4 à 4,50 $ par million, ce qui compte lors de l'ingestion en masse et du ré-embedding mais s'efface à l'arrière-plan pour une charge de travail RAG à dominante lecture. Depuis septembre 2026, l'egress au-delà des 100 Go mensuels inclus est facturé à 0,10 $ par Go — une ligne budgétaire qui existait à peine il y a un an et qui mérite désormais sa propre ligne dans votre tableur.
Le niveau gratuit Starter (2 Go de stockage, 1 million d'unités de lecture et 2 millions d'unités d'écriture par mois) couvre parfaitement les prototypes, ce qui explique précisément pourquoi la facture arrive comme une surprise : le niveau gratuit se termine exactement quand l'usage commence à se composer. Des comparaisons de coûts tierces évaluent une charge de travail de production de 10 millions de vecteurs sur Pinecone serverless à 1 300 $ ou plus par mois, et 50 millions de vecteurs à 768 dimensions à 300 à 800 $ selon le volume de requêtes. À 100 millions de vecteurs, les déploiements Pinecone basés sur des pods ont été estimés à 5 000 à 15 000 $ par mois. Vérifiez les prix catalogue actuels avant de budgéter — chaque fournisseur revoit sa facturation au moins une fois par an — mais la forme de la courbe est stable : le coût de Pinecone évolue avec votre succès, linéairement et pour toujours.
Ce que coûtent vraiment Qdrant et Milvus auto-hébergés
L'auto-hébergement remplace un compteur par une ligne droite : infrastructure fixe plus temps d'ingénierie. Les deux moteurs open source de tête, tous deux sous licence Apache 2.0, tracent cette ligne droite à des hauteurs différentes.
Qdrant est le plus léger. C'est un binaire Rust unique avec un appétit mémoire modeste, un fort filtrage par payload et une quantification agressive — son TurboQuant 4 bits peut réduire la RAM des vecteurs denses d'environ huit fois, et la quantification int8 simple la réduit environ de moitié. Une collection de 10 millions de vecteurs qui nécessite 60 Go en pleine précision peut tenir dans moins de 10 Go quantifiée, ce qui fait la différence entre une machine à 150 $ et une à 600 $. Une étude de cas de migration bien connue a évalué Qdrant auto-hébergé sur Kubernetes à environ 850 $ par mois d'infrastructure pour une charge de travail qui coûtait 8 400 $ par mois sur Pinecone. Les configurations plus petites coûtent bien moins : un serveur dédié unique avec 64 Go de RAM se loue environ 100 à 300 $ par mois et contient confortablement des dizaines de millions de vecteurs quantifiés.
Milvus est le plus lourd avec le plafond le plus haut. C'est un système distribué, cloud-native — des composants séparés pour la coordination, les nœuds de données, les nœuds de requêtes et le stockage — ce qui signifie qu'il passe l'échelle du milliard de vecteurs, mais aussi que vous exploitez un cluster, pas un binaire. Des estimations tierces placent Milvus auto-hébergé à 600 à 1 200 $ par mois d'infrastructure pour une charge de travail de 50 millions de vecteurs, et 2 000 à 5 000 $ à 100 millions de vecteurs. À cette échelle, il reste encore moitié moins cher ou plus que les alternatives managées, mais l'écart entre la simplicité de Qdrant et la complexité de Milvus, c'est un vrai effectif d'ingénierie.
Cet effectif est la ligne que tout le monde sous-estime. La même étude de cas qui chiffrait l'infrastructure Qdrant auto-hébergée à 850 $ par mois ajoutait un quart d'ingénieur — environ 5 000 $ par mois en coût complet — pour l'exploitation. Mises à niveau de version, réglage d'index, restauration de sauvegardes, astreintes à 3 h du matin : le compteur que vous cessez de payer à Pinecone se convertit en partie en salaire. Une comparaison honnête ajoute toujours cette ligne. Si vous exploitez déjà Kubernetes et avez déjà une astreinte, le coût marginal peut être proche de zéro ; si vous deviez embaucher votre premier ingénieur plateforme pour surveiller un cluster, l'auto-hébergement vient de coûter 150 000 $ de plus par an.
Il existe aussi une voie intermédiaire qui mérite d'être chiffrée : l'open source managé. Qdrant Cloud facture sur les ressources réelles du cluster sans minimum fixe, les clusters payants démarrant autour de 25 $ par mois, et un cluster gratuit de 1 Go pour les petites charges de travail. Zilliz Cloud, le Milvus managé de son équipe d'origine, facture l'usage serverless à environ 4 $ par million de vCU avec un niveau gratuit de 5 Go et 2,5 millions de vCU par mois. Les deux se situent généralement entre Pinecone et l'auto-hébergement sur le prix tout en gardant la charge opérationnelle proche de zéro — la bonne réponse quand votre volume de requêtes a dépassé le niveau gratuit de Pinecone mais pas votre tolérance aux astreintes.
Le calcul du point de bascule : trouver votre seuil de rentabilité
La formule du seuil de rentabilité tient sur une fiche bristol. L'auto-hébergement l'emporte le mois où :
Infrastructure fixe + temps d'ingénierie l'emporte sur stockage + (unités de lecture × requêtes) + écritures + egress
Faites le calcul avec vos trois derniers mois de factures, pas avec les calculateurs des fournisseurs, car votre ratio d'unités de lecture par requête est le seul chiffre qu'aucun article comparatif ne peut vous donner. Sortez les lignes de facture, divisez les unités de lecture par les requêtes servies, et vous avez votre coût unitaire. Ensuite, chiffrez le côté fixe : une machine dédiée ou une VM cloud dimensionnée pour votre index quantifié, plus la fraction honnête d'un ingénieur.
Un exemple chiffré rend la forme concrète. Prenez un produit RAG avec 10 millions de vecteurs à 1536 dimensions et 5 millions de requêtes par mois, en croissance de 20 % par mois. Sur Pinecone serverless, des estimations tierces situent cette charge de travail autour de 1 300 $ par mois aujourd'hui — et avec une croissance mensuelle des requêtes de 20 %, elle double à peu près tous les quatre mois. Qdrant auto-hébergé quantifié en int8 fait tenir l'index dans environ 30 Go de RAM : un serveur dédié de 64 Go à, disons, 200 $ par mois, plus un quart d'ingénieur à 5 000 $ en coût complet, totalise environ 5 200 $. Cela ressemble à une perte — jusqu'à ce que vous prolongiez les courbes. La ligne Pinecone double tous les quatre mois (1 300 $, puis 2 600 $, puis 5 200 $), tandis que la ligne auto-hébergée reste plate. Le point de bascule se situe autour du huitième mois, et chaque mois ensuite l'écart se creuse en votre faveur. Une croissance plus rapide rapproche le point de bascule ; un usage stable peut ne jamais l'atteindre.
Trois zones approximatives ressortent des comparaisons publiées. En dessous d'environ un million de vecteurs avec des requêtes modestes, le serverless l'emporte nettement — le niveau gratuit ou le minimum de 50 $ de Pinecone bat le temps de n'importe quel ingénieur. Entre environ 10 et 50 millions de vecteurs avec un volume de requêtes soutenu se situe la zone de bascule, où la réponse dépend de votre taux de croissance et de l'existence ou non d'une ingénierie plateforme. Au-delà de 100 millions de vecteurs avec une charge de requêtes sérieuse, Qdrant ou Milvus auto-hébergé l'emporte presque toujours sur la seule infrastructure, souvent de 50 à 75 %.
Une mise en garde : modélisez votre croissance, pas votre présent. Les équipes qui dimensionnent la décision sur la facture du jour et ignorent une courbe de croissance mensuelle de 20 % refont toute cette analyse six mois plus tard sous pression d'échéance, ce qui est la façon la plus coûteuse possible de migrer.
CapEx ou OpEx ? Comment chaque option atterrit dans vos comptes
C'est ici que les deux options cessent d'être interchangeables, car un serveur que vous possédez et une facture que vous payez sont des types d'argent différents avec une chronologie fiscale différente.
Les factures Pinecone, Qdrant Cloud et Zilliz Cloud sont des charges d'exploitation, déductibles l'année du paiement. Le seul jugement à porter concerne le classement : si la base de données vectorielle sert directement les requêtes d'un produit que les clients paient, son coût relève du coût des marchandises vendues aux côtés de vos autres infrastructures d'hébergement, où il réduit honnêtement la marge brute. Si elle alimente un outil interne — une recherche dans la documentation de support pour votre propre équipe — elle figure dans les charges générales d'exploitation avec le reste de votre pile SaaS. Répartissez la facture selon l'usage quand un même index sert les deux ; l'équipe de diligence de votre futur acquéreur remappera de toute façon votre grand livre sur une définition standard du COGS SaaS, alors classifiez-la correctement dès maintenant.
L'infrastructure auto-hébergée louée — VM cloud, serveurs dédiés d'un hébergeur — est aussi une charge d'exploitation : hébergement mensuel, pas d'actif, pas de plan d'amortissement. Cela surprend les équipes qui pensent que « auto-hébergé » signifie automatiquement dépense d'investissement. Louer une machine, c'est louer, aussi nu soit le métal.
Le matériel possédé est le véritable cas de CapEx. Achetez le serveur comptant et vous l'immobilisez en tant qu'immobilisation corporelle, puis vous l'amortissez — le matériel informatique relève généralement de la propriété MACRS sur 5 ans, et l'amortissement accéléré de la Section 179 ou l'amortissement bonifié peuvent vous permettre de déduire bien plus en première année, sous réserve des plafonds en vigueur que votre expert-comptable doit confirmer. La chronologie fiscale peut rendre un serveur de 6 000 $ moins cher en valeur actuelle que 150 $ par mois de loyer, avant même les économies d'hébergement. Mais le matériel possédé signifie aussi que vous portez le risque d'actif : un disque qui meurt à 2 h du matin est votre disque, et une charge de travail qui dépasse la machine immobilise le capital.
Les coûts de migration — ré-embedding de votre corpus, double exécution des deux systèmes, les semaines d'ingénierie — sont passés en charges à mesure qu'ils sont engagés dans presque tous les cas de petite entreprise. Budgétez-les comme un impact ponctuel sur la période de récupération, pas comme un actif. Si la migration économise 4 000 $ par mois et coûte 15 000 $ en temps d'ingénierie et en calcul de ré-embedding, la récupération est inférieure à quatre mois ; financez la décision sur ce délai.
Dans un grand livre en texte brut, les deux régimes ressemblent à ceci — la facture au compteur comme charge mensuelle contre le coût des revenus, la machine louée comme hébergement, et le serveur possédé s'amortissant un peu chaque mois (voir la documentation Beancount pour les mécanismes d'écriture) :
2026-01-01 open Assets:Checking USD
2026-01-01 open Expenses:COGS:VectorDB USD
2026-01-01 open Expenses:Infra:Hosting USD
2026-01-01 open Assets:Servers:VectorDB USD
2026-01-01 open Assets:Servers:Accumulated-Depreciation USD
2026-01-01 open Expenses:Depreciation:Servers USD
2026-11-01 * "Pinecone" "October bill, 4.1M read units and 62 GB storage"
Expenses:COGS:VectorDB 312.44 USD
Assets:Checking
2026-11-01 * "Hosting provider" "November rent, 64 GB dedicated server for Qdrant"
Expenses:Infra:Hosting 199.00 USD
Assets:Checking
2026-11-30 * "Month-end" "Depreciation, owned vector-search server, month 3 of 60"
Expenses:Depreciation:Servers 100.00 USD
Assets:Servers:Accumulated-Depreciation -100.00 USDGardez les lignes au compteur et les lignes fixes dans des comptes séparés même pendant une migration en double exécution. Quand les deux systèmes servent la production pendant un mois ou deux, des comptes mélangés masquent exactement la comparaison que la migration était censée prouver.
Les coûts que tout le monde oublie
Quatre coûts échappent régulièrement au tableur et tendent une embuscade à la migration par la suite.
Premier, l'egress et la ré-ingestion. Déplacer 100 millions de vecteurs n'est gratuit d'aucun côté : egress côté Pinecone au-delà de l'allocation incluse, plus le calcul pour ré-embedder si vous changez de modèle d'embedding ou de découpage en même temps. Des estimations publiées situent un ré-embedding complet entre 50 et 5 000 $ de calcul selon la taille du corpus, plus 4 à 12 semaines d'ingénierie pour la migration elle-même. Chiffrez la migration, pas seulement la destination.
Deuxième, la régression de la qualité de récupération. Un index ANN différent avec une quantification différente renvoie des voisins différents, et « différent » signifie parfois pire pour vos requêtes spécifiques. Les équipes qui migrent sur le seul critère du coût et sautent une évaluation comparative de pertinence découvrent la régression par les plaintes des utilisateurs. Gardez un échantillon de requêtes, notez les deux systèmes, et exigez la parité avant le basculement — la semaine d'évaluation fait partie du budget de migration.
Troisième, une latence que vous payez sans pouvoir l'utiliser. Une comparaison a mesuré Pinecone à environ 22 ms en P95 contre 150 ms pour une alternative basée sur Postgres — un écart que personne ne remarque dans 95 % des scénarios RAG B2B, où le modèle de langage lui-même prend des secondes. Si le goulot d'étranglement de votre chatbot est la génération de tokens, acheter une récupération à un chiffre de millisecondes revient à acheter une vitesse que vos utilisateurs ne ressentiront jamais. Alignez le SLO de latence sur le produit avant d'aligner le fournisseur sur le SLO.
Quatrième, l'asymétrie du coût de sortie. Migrer de Pinecone vers Qdrant signifie exporter des vecteurs et reconstruire un index — pénible mais délimité. Migrer entre moteurs auto-hébergés, ou revenir au managé plus tard, entraîne à nouveau la même facture de ré-embedding et de re-réglage. Privilégiez les moteurs dotés de chemins d'export standard et de formats de données ouverts, afin que la prochaine migration, dans quelque direction que ce soit, parte d'un bouton d'export plutôt que d'un projet d'investigation.
Décidez avec six questions
Empruntez le cadre de décision sur lequel convergent les meilleures comparaisons, et répondez-y avec vos propres chiffres :
- Quelle est la taille du corpus aujourd'hui, et où sera-t-il dans douze mois ? Sous un million de vecteurs, arrêtez-vous ici et restez en serverless.
- Quel est votre coût complet par million de requêtes sur la facture actuelle ? Divisez trois mois de factures par les requêtes servies.
- Exploitez-vous déjà une infrastructure avec état ? Un cluster Kubernetes existant avec une rotation d'astreinte rend l'auto-hébergement quasi gratuit à la marge ; son absence en fait un plan d'embauche.
- Quelle latence le produit nécessite-t-il réellement ? Si la réponse est « plus rapide que le LLM », presque toutes les options conviennent.
- Avez-vous besoin de recherche hybride — mot-clé plus vecteur dans une même requête ? Qdrant, Milvus et Weaviate l'intègrent nativement ; Pinecone et les configurations basées sur Postgres exigent un assemblage manuel, ce qui est aussi du temps d'ingénierie du côté facturé au compteur du grand livre.
- Que fait la courbe de croissance à la date de bascule ? Une charge de travail stable qui ne bascule jamais est une décision de rester, prise délibérément plutôt que par inertie.
Sortez vos trois dernières factures Pinecone cette semaine, calculez le coût par million de requêtes, et chiffrez une machine dédiée dimensionnée pour votre index quantifié. Si les courbes se croisent dans l'année, lancez l'évaluation de pertinence maintenant — la migration prend des semaines, le calcul prend un après-midi, et le résultat le plus coûteux est de refaire les deux sous pression d'échéance dans six mois.
