La stessa domanda può costare di più a un’IA se scritta in francese anziché in inglese, perché le due versioni non vengono necessariamente suddivise nello stesso numero di token. In un confronto di 1.997 frasi giornalistiche tradotte, presentato da Alain Goudey nell’ottobre 2026, il francese ha richiesto da 1,31 a 1,58 volte i token dell’inglese, secondo il tokenizer. Ciò può incidere sui costi API e sulla quantità di testo analizzabile.

La differenza è poco visibile: sullo schermo le richieste sembrano equivalenti, ma per il sistema possono occupare spazi diversi. L’uguaglianza tra lingue riguarda quindi non solo la qualità delle risposte, ma anche il modo in cui una macchina conta ciò che riceve.

Perché una frase francese può occupare più token?

Un modello linguistico non riceve soltanto parole separate da spazi. Un tokenizer suddivide il testo in unità chiamate token, che possono essere parole intere, frammenti, segni di punteggiatura o spazi. Anche una parola rara o inventata può essere spezzata in più parti.

Non è una regola grammaticale universale: dipende dallo strumento usato dal modello. Lo stesso brano può produrre conteggi diversi in due sistemi. Confrontare soltanto il numero di parole in francese e inglese significa quindi usare l’unità di misura sbagliata.

Contano anche la lingua e il sistema di scrittura. Rest of World osserva che la rarità di una lingua non basta a spiegare le differenze. Nel 2025 Teklehaymanot e Nejdl hanno rilevato difficoltà con alcune scritture non latine e lingue dalla morfologia complessa. Non è una classifica definitiva delle lingue.

Quanto può costare questa differenza?

Nelle API che fatturano i token bisogna distinguere quelli inviati al modello da quelli generati nella risposta. Più token in ingresso possono aumentare quella voce di costo a parità di tariffa. Il totale dipende però anche dalla lunghezza della risposta e dai prezzi del modello.

Il confronto di Goudey fornisce un dato concreto: nelle 1.997 frasi tradotte, il francese ha richiesto dal 31% al 58% di token in più dell’inglese, secondo il tokenizer. Non è un sovrapprezzo automatico dei fornitori né una regola valida per ogni prompt, ma una misura su un corpus specifico.

Nell’ottobre 2026 Rest of World segnalava differenze da 1,5 a 5 volte tra gli estremi di venti lingue. Estendendo il confronto a duecento lingue, in un modello il divario arrivava a diciassette volte. Questi numeri indicano una disuguaglianza infrastrutturale, non il costo della prossima conversazione in francese.

Perché diminuisce anche lo spazio per i documenti?

Il prezzo è solo la parte visibile. Un modello dispone di una finestra di contesto limitata, misurata in token. Lo spazio è condiviso tra domanda attuale, messaggi precedenti, documenti forniti e risposta da produrre. Un token usato in un punto non può essere riutilizzato altrove.

Immagina un lavoro con una lunga conversazione e vari documenti da analizzare. Se scambi e documenti consumano più token, rimane meno capacità per altri file o per la cronologia utile. Il problema non è soltanto economico: riguarda ciò che lo strumento può tenere a disposizione quando risponde.

L’«accesso agli strumenti di IA» assume così un significato concreto. Due persone con lo stesso modello e lo stesso limite di contesto non possono necessariamente elaborare la stessa quantità di contenuti nelle rispettive lingue. Non significa che le risposte siano sempre peggiori in una lingua, ma che lo spazio operativo può cambiare.

Come misurare il divario sui propri testi?

Non cercare una percentuale universale: esegui una prova riproducibile. Scegli un’istruzione, un estratto di documento o una domanda ricorrente. Prepara versioni francese e inglese il più possibile equivalenti. Non confrontare una richiesta dettagliata con un riassunto.

• Scegli il modello previsto. Il tokenizer conta quanto la lingua; un altro modello può dare risultati fuorvianti.
• Conta separatamente i due input. Confronta i token, non soltanto parole o caratteri.
• Stima anche l’output. Una risposta lunga cambia il bilancio; considera le tariffe in ingresso e in uscita.
• Ripeti la prova su testi abituali. Un solo esempio potrebbe non rappresentare l’uso quotidiano.

Il calcolatore Vantaige consente di incollare un testo, scegliere fornitore e modello e ottenere un conteggio e una stima del costo API. È un buon punto di partenza, non una fattura certa: il testo realmente generato può differire dalla simulazione.

Un’altra precauzione: non confrontare i tokenizer ignorando i prezzi. Un test APIYI ha rilevato 1.630 token in uscita con Gemini 3 Flash contro 812 con DeepSeek V3.2 traducendo in francese lo stesso articolo cinese. Il dato confronta due modelli diversi e non dimostra da solo quale costi meno.

Conviene allora scrivere all’IA in inglese?

Non per principio. Se lavori in francese, un’istruzione francese può essere più facile da verificare, correggere e inserire nel documento finale. Vale la pena testare l’inglese quando volumi e costi API contano, ma non è sempre la scelta vincente. Bisogna confrontare l’intera attività, non una frase isolata.

Per me il punto non è spingere tutti verso una lingua dominante per risparmiare token, ma rendere visibili i costi. Prima di scegliere un modello o preparare un documento lungo, l’utente dovrebbe conoscere la capacità consumata dal testo. Un limite misurabile si può discutere; uno invisibile sembra troppo facilmente naturale.

Domande frequenti

Perché due testi della stessa lunghezza usano token diversi?

Perché il tokenizer non suddivide sempre parola per parola. I frammenti variano in base a parole, lingua, scrittura e modello. Testi visivamente simili possono quindi produrre conteggi differenti.

Il francese costa sempre più dell’inglese?

No, non è una regola assoluta. Il confronto di Goudey su 1.997 frasi tradotte ha trovato più token in francese, ma il divario cambia secondo il tokenizer. Per una richiesta specifica occorre contare entrambe le versioni e applicare le tariffe del modello.

Qual è l’effetto sui documenti analizzabili?

La finestra di contesto è limitata in token e comprende messaggi, documenti e risposta. Se lo stesso contenuto ne usa di più, resta meno spazio per il resto. L’effetto dipende dal modello, dal testo e dalla conversazione.

Come verificare il costo delle mie domande?

Prepara due formulazioni equivalenti e conta i token con il tokenizer del modello scelto. Vantaige può stimare conteggi e costi API. Distingui input e output e considera il risultato una stima.