Cloudflare Workers AI gratuit : 10 000 Neurons par jour (2026)

En bref : chaque compte Cloudflare peut faire tourner gratuitement des modèles ouverts sur Workers AI, jusqu'à 10 000 Neurons par jour, avec réinitialisation à 00:00 UTC. C'est un budget de calcul, pas un nombre de requêtes : ce qu'il permet dépend donc du modèle appelé. Sur le forfait Workers gratuit, ce budget est un plafond strict ; sur Workers Paid (minimum de 5 $/mois), tout dépassement coûte 0,011 $ les 1 000 Neurons.

Ce que vous obtenez vraiment

Workers AI est le service d'inférence GPU serverless de Cloudflare. Vous ne louez pas de GPU et ne déployez pas de modèle : vous appelez par son nom un modèle du catalogue de Cloudflare (génération de texte, embeddings, génération d'images, transcription, traduction, classification et plus), et Cloudflare l'exécute sur les GPU de son réseau. La partie gratuite est une allocation quotidienne de calcul mesurée en Neurons.

En dollars, l'allocation quotidienne vaut 10 000 ÷ 1 000 × 0,011 $ = 0,11 $ par jour, soit environ 3,30 $ sur un mois de 30 jours. Cela paraît peu, mais beaucoup de modèles du catalogue sont de petits modèles ouverts bon marché : l'allocation couvre donc un volume étonnant de trafic de prototypage.

Ce que représentent les Neurons en requêtes réelles

La page de tarifs de Cloudflare indique le prix de chaque modèle par million de tokens à côté de l'équivalent en Neurons. Les chiffres ci-dessous viennent de cette page ; les estimations de requêtes sont nos propres calculs, sur la base d'une requête de chat typique de 500 tokens en entrée et 300 tokens en sortie.

Exemple de calcul pour Llama 3.1 8B : 500 tokens en entrée × 25 608 ÷ 1 000 000 = 12,8 Neurons, plus 300 tokens en sortie × 75 147 ÷ 1 000 000 = 22,5 Neurons, soit environ 35,3 Neurons par requête. 10 000 ÷ 35,3 ≈ 283 requêtes par jour. Les tokens de sortie pèsent généralement le plus lourd : demander des réponses plus courtes est le moyen le plus simple de faire durer le budget.

Embeddings et images

• Les embeddings coûtent très peu. @cf/baai/bge-m3 et @cf/qwen/qwen3-embedding-0.6b coûtent 1 075 Neurons par million de tokens en entrée : les 10 000 Neurons gratuits couvrent donc environ 9,3 millions de tokens d'embedding par jour — de quoi indexer un site de documentation conséquent pour un prototype RAG.
• bge-small-en-v1.5 coûte 1 841 Neurons par million de tokens (environ 5,4 millions de tokens/jour gratuits) ; bge-large-en-v1.5 18 582 (environ 540 000 tokens/jour).
• Les images FLUX.1 schnell sont facturées par tuile de 512×512 (4,80 Neurons) et par étape de diffusion (9,60 Neurons). Une image 1024×1024 représente 4 tuiles ; avec 4 étapes, cela fait 4 × 4,80 + 4 × 9,60 = 57,6 Neurons, soit environ 170 images par jour dans l'allocation gratuite.
• Les modèles d'image premium coûtent bien plus : Leonardo Lucid Origin coûte 636 Neurons par tuile, donc une seule image 1024×1024 consomme plus de 2 500 Neurons avant les frais d'étapes — seulement quelques-unes par jour avec l'allocation gratuite.

Les 10 000 Neurons forment une réserve unique partagée par tout le compte, pas une allocation par modèle. Combiner un gros modèle, des embeddings et des images puise dans le même budget quotidien.

Qui est éligible

Toute personne disposant d'un compte Cloudflare. Pas de candidature, de statut étudiant, de programme startup ni de période d'essai : l'allocation fait partie des forfaits Workers Free et Workers Paid et se renouvelle chaque jour tant que le compte existe. Cloudflare ne publie pas de restrictions géographiques propres à Workers AI au-delà de ses conditions d'utilisation habituelles.

La seule vraie distinction d'éligibilité porte sur les modèles. La page de tarifs de Cloudflare indique que Kimi K2.6, Kimi K2.7 Code, GLM-5.2, GLM-5.3, GLM-5.3 Flash, DeepSeek V4 Flash et DeepSeek V4 Pro nécessitent le forfait Workers Paid ou des crédits AI Gateway prépayés. Si vous êtes sur Workers Free, restez sur le reste du catalogue (Llama, Qwen, gpt-oss, GLM-4.7 Flash, embeddings, FLUX, etc.).

Étape par étape : votre premier appel gratuit à Workers AI

1. Créez un compte sur dash.cloudflare.com/sign-up et validez votre e-mail. Vous démarrez sur le forfait Workers Free.
2. Dans le tableau de bord, ouvrez Workers AI et sélectionnez Use REST API.
3. Sélectionnez Create a Workers AI API Token, vérifiez les permissions préremplies, puis Create API Token. Copiez le jeton en lieu sûr. (Un jeton personnalisé fonctionne aussi, mais il lui faut les permissions de lecture et de modification Workers AI.)
4. Sur la même page, copiez votre Account ID sous Get Account ID.
5. Envoyez une requête à un modèle en remplaçant l'ID de compte et le jeton (exemple ci-dessous).
6. Facultatif : dans un Worker, ajoutez un binding AI à votre configuration Wrangler et appelez env.AI.run() au lieu de l'API REST — pas de jeton à gérer.

curl https://api.cloudflare.com/client/v4/accounts/$ACCOUNT_ID/ai/run/@cf/meta/llama-3.1-8b-instruct \
  -H "Authorization: Bearer $CLOUDFLARE_API_TOKEN" \
  -d '{ "prompt": "Where did the phrase Hello World come from?" }'

Utiliser le SDK OpenAI à la place

Cloudflare expose aussi une URL de base compatible OpenAI : https://api.cloudflare.com/client/v4/accounts/{account_id}/ai/v1. Elle prend en charge Chat Completions pour la plupart des modèles de texte, Embeddings et l'API Responses pour @cf/openai/gpt-oss-120b et @cf/openai/gpt-oss-20b (sans streaming uniquement). Pointez n'importe quel client OpenAI vers cette URL, passez le jeton Workers AI comme clé API et utilisez le nom de modèle @cf/….

from openai import OpenAI

client = OpenAI(
    base_url=f"https://api.cloudflare.com/client/v4/accounts/{ACCOUNT_ID}/ai/v1",
    api_key=CLOUDFLARE_API_TOKEN,
)
resp = client.chat.completions.create(
    model="@cf/meta/llama-3.1-8b-instruct",
    messages=[{"role": "user", "content": "Give me three names for a cat."}],
    max_tokens=100,
)
print(resp.choices[0].message.content)

Limites de débit (distinctes du budget de Neurons)

Même s'il vous reste des Neurons, les requêtes sont limitées par type de tâche. Voici les limites par minute publiées par Cloudflare ; les modèles en bêta peuvent avoir des limites plus basses, et les inférences lancées en local avec Wrangler comptent dans les mêmes limites.

Cloudflare accepte les demandes de limites plus élevées ou de modèles personnalisés via un Custom Requirements Form accessible depuis la page des limites.

Que se passe-t-il quand l'allocation est épuisée

• Workers Free : dès que le compte a consommé 10 000 Neurons depuis la dernière réinitialisation de 00:00 UTC, les requêtes Workers AI suivantes échouent avec une erreur. Rien n'est facturé ; il suffit d'attendre la réinitialisation ou de passer au forfait payant.
• Workers Paid : les 10 000 premiers Neurons de chaque jour restent gratuits ; au-delà, l'utilisation est mesurée à 0,011 $ les 1 000 Neurons et ajoutée à votre facture Cloudflare. Workers Paid impose un minimum de 5 $ par mois et par compte, ce qui relève aussi vos limites Workers générales (10 millions de requêtes par mois incluses au lieu de 100 000 par jour).
• Modèles réservés au payant : ils nécessitent Workers Paid ou des crédits AI Gateway prépayés, quel que soit le nombre de Neurons gratuits restants.

Sur Workers Paid, il n'y a pas de plafond strict intégré au niveau de l'allocation gratuite. Si un bug tourne en boucle sur un gros modèle, le dépassement continue de s'accumuler à 0,011 $ les 1 000 Neurons. Ajoutez votre propre comptage de requêtes ou utilisez la limitation de débit d'AI Gateway avant d'exposer un endpoint publiquement.

Meilleurs usages de l'allocation gratuite

• Prototypes RAG : générez des embeddings avec bge-m3 (des millions de tokens par jour tiennent dans l'allocation), stockez-les dans Vectorize et répondez avec un petit modèle instruct.
• Fonctionnalités en edge dans un Worker existant : classez, résumez, traduisez ou modérez les entrées utilisateur dans le Worker qui sert déjà votre site, sans fournisseur d'API ni clé supplémentaire.
• Miniatures et images d'illustration : FLUX.1 schnell, à environ 58 Neurons par image 1024×1024, laisse de la place pour plus d'une centaine d'images par jour.
• Bots perso et outils internes : un bot Discord ou Slack sur Llama 3.1 8B ou Qwen3 30B-A3B absorbe sans peine quelques centaines de messages par jour.
• Benchmark de modèles ouverts : la même API et la même unité de facturation pour des dizaines de modèles rendent les comparaisons côte à côte peu coûteuses.

Comparaison avec les autres API d'IA gratuites

Workers AI se distingue en offrant un budget de calcul quotidien qui n'expire jamais, plutôt qu'un crédit unique ou un quota de requêtes par modèle. C'est donc une bonne base permanente pour des fonctionnalités à faible volume, mais son catalogue se compose surtout de modèles à poids ouverts.

Si vous lancez une startup sur Cloudflare, regardez aussi Cloudflare for Startups, qui propose des crédits plateforme pouvant couvrir l'utilisation au-delà de l'allocation quotidienne. Pour un panorama plus large des clés gratuites, consultez notre guide des clés API IA gratuites.

Historique et changements récents

• Avant avril 2024 : Workers AI était en bêta ouverte.
• 2 avril 2024 : Cloudflare a annoncé la disponibilité générale. L'article de lancement introduisait les 10 000 Neurons gratuits par jour pour tous les clients, un plafond strict ensuite pour Workers Free et 0,011 $ les 1 000 Neurons supplémentaires sur Workers Paid. Il relevait aussi la plupart des limites de débit des LLM de 50 à 300 requêtes par minute.
• Depuis : la page de tarifs affiche désormais le prix de chaque modèle en dollars par million de tokens à côté de l'équivalent en Neurons, la facturation restant en Neurons. Des modèles de pointe plus récents (Kimi, GLM-5.x, DeepSeek V4) ont été ajoutés en exclusivité pour le forfait payant, avec leurs propres limites de débit plus basses.

Erreurs fréquentes

• Croire que 10 000 signifie 10 000 requêtes. Ce sont 10 000 Neurons ; une seule requête sur un gros modèle peut en consommer des centaines.
• Oublier que la réinitialisation se fait en UTC. Selon votre fuseau horaire, le budget peut se renouveler au milieu de votre journée de travail.
• Choisir un modèle réservé au payant sur Workers Free. Ces appels échouent quelle que soit votre allocation restante.
• Ne pas définir max_tokens. Sur presque tous les modèles, les tokens de sortie coûtent plus de Neurons que ceux d'entrée : plafonnez-les.
• Tester en local et être surpris par la consommation. Le mode local de Wrangler tourne toujours sur les GPU de Cloudflare et compte quand même.