L'essentiel
Le quota Azure OpenAI est attribué à votre abonnement par région, par modèle et par type de déploiement, en jetons par minute (TPM). Vous le répartissez entre vos déploiements, et les requêtes par minute (RPM) découlent du TPM selon un ratio fixe par modèle.
Les quotas par défaut dépendent de votre niveau de quota, de Free (Tier 0) à Tier 6. En Tier 1, gpt-6.1-sol obtient 250 000 TPM en Global Standard et 100 000 TPM en Data Zone Standard ; les clients Enterprise Agreement et MCA-E démarrent à des niveaux plus élevés.
Un 429 signifie qu'un déploiement a dépassé son TPM ou son RPM, mesurés sur des fenêtres de 1 ou 10 secondes. Microsoft recommande de respecter retry-after-ms, d'espacer les tentatives avec jitter et de répartir les requêtes sur plusieurs déploiements ou régions.
Standard Compute réunit GPT, Claude, Gemini et les modèles ouverts derrière une seule API et bascule une requête limitée ou en échec vers un autre fournisseur approuvé du même modèle : le quota ou la panne d'un abonnement n'arrête pas votre travail.
Comment fonctionne le quota
| Règle | Détail |
|---|---|
| Portée | Par abonnement, région, modèle et type de déploiement. Le quota n'est pas appliqué au niveau du locataire |
| Unité | Jetons par minute. Chaque déploiement prend du TPM dans le pool ; 240 000 TPM d'un modèle dans une région peuvent former un déploiement ou deux de 120 000 |
| Requêtes par minute | Proportionnelles au TPM et non réglables à part. Les anciens modèles de chat ont 6 RPM pour 1 000 TPM, gpt-5.5 et o3 en ont 1, gpt-5.4 en a 10 |
| Niveaux de quota | Free (Tier 0) et Tiers 1 à 6. Les niveaux montent automatiquement avec l'historique d'usage et de paiement ; les clients EA et MCA-E reçoivent des niveaux plus élevés |
| Limites de ressources | 30 ressources Azure OpenAI par région et par abonnement, 32 déploiements standard par ressource |
| Global Batch | Un quota séparé en jetons en file d'attente, par exemple 200 millions pour gpt-5.5 sur un abonnement par défaut |
Quotas par défaut publiés
| Modèle et type de déploiement | Tier 1 | Tier 3 | Tier 6 |
|---|---|---|---|
| gpt-6.1-sol, Global Standard | 250 000 (250) | 2 500 000 (2 500) | 15 000 000 (15 000) |
| gpt-6.1-sol, Data Zone Standard | 100 000 (100) | 1 100 000 (1 100) | 5 000 000 (5 000) |
| gpt-5.5, Global Standard | 1 000 000 (1 000) | 4 000 000 (4 000) | 15 000 000 (15 000) |
| gpt-5.5, Data Zone Standard | 333 000 (333) | 1 333 000 (1 333) | 5 000 000 (5 000) |
| gpt-5.4, Global Standard | 250 000 (2 500) | 2 500 000 (25 000) | 15 000 000 (150 000) |
| gpt-4.1, Global Standard | 1 000 000 (1 000) | 9 000 000 (9 000) | 45 000 000 (45 000) |
| o3, Global Standard | 1 000 000 (1 000) | 4 000 000 (4 000) | 15 000 000 (15 000) |
Quotas de Claude dans Microsoft Foundry
| Type d'abonnement | Claude Opus 5.5 et Sonnet 5.5 | Claude Fable 5 et 5.1 |
|---|---|---|
| Paiement à l'utilisation | 40 RPM, 40 000 jetons d'entrée et 8 000 de sortie par minute | 0 |
| Enterprise Agreement et MCA-E | 10 000 RPM, 10 000 000 jetons d'entrée et 2 000 000 de sortie par minute | 4 000 RPM, 4 000 000 jetons d'entrée et 800 000 de sortie par minute |
| Essai gratuit | 0 | 0 |
Comment la limite s'applique
- Sur les déploiements standard, le TPM compte les jetons d'entrée et générés réels. Une grande valeur
max_tokensn'y réserve pas de quota. - Le RPM est vérifié sur de courtes fenêtres, en général 1 ou 10 secondes. Un déploiement à 600 RPM est limité au-delà de 10 requêtes dans une seconde, même si la minute reste sous 600.
- Les requêtes rejetées comptent. Une rafale d'appels en échec consomme la même limite que des appels réussis.
- Les déploiements standard partagent un pool de capacité, et Microsoft peut baisser votre limite effective pendant quelques heures. Quand
x-ratelimit-limit-tokensest sous le TPM configuré, c'est ce qui se passe. - Au-delà d'un volume mensuel par modèle, compté sur le locataire (par exemple 25 milliards de jetons pour gpt-5.5), Microsoft indique que la latence peut varier de plus du double.
Les erreurs 429 et comment les traiter
| Réponse | Signification | Recommandation de Microsoft |
|---|---|---|
| 429, rate limit is exceeded | Le déploiement a dépassé son TPM ou son RPM | Respecter retry-after-ms, espacer avec jitter, plafonner à 5 à 10 tentatives, monter la charge progressivement |
| 429 sur un déploiement provisionné | Utilisation à 100 % ; Microsoft parle d'un signal de gestion du trafic | Réessayer après retry-after-ms, ajouter un débordement vers un déploiement standard ou ajouter des PTU |
| Temporairement indisponible, forte demande | La capacité partagée manque, sans lien avec votre quota | Réessayer, répartir la charge sur des déploiements ou des régions, débit provisionné pour le travail critique |
from openai import OpenAI
# AZURE_V1_URL vaut https://<ressource>
# .openai.azure.com/openai/v1/
client = OpenAI(
base_url=AZURE_V1_URL,
api_key=AZURE_KEY,
max_retries=5, # default 2
)
chat = client.chat.completions
raw = chat.with_raw_response.create(
model="YOUR-DEPLOYMENT",
messages=messages,
)
h = raw.headers
print(h["x-ratelimit-remaining-tokens"])
reply = raw.parse()Demander plus de quota
- Dans le portail Foundry, ouvrez Manage puis Quota. L'onglet Token per minute montre ce que chaque modèle et chaque région possède et ce qui est utilisé.
- Déplacez d'abord du TPM entre vos propres déploiements. Les changements s'appliquent en 15 minutes environ.
- Choisissez Request quota, ou utilisez le formulaire de demande de quota. Il couvre Azure OpenAI, les modèles vendus par Azure et les modèles Claude d'Anthropic.
- Montrez un usage réel. Microsoft donne la priorité aux clients qui utilisent activement leur quota existant, et les autres demandes peuvent être refusées.
- Une hausse accordée ajoute du quota sans changer votre niveau. Les abonnements Free ne peuvent pas demander de hausse.
Débit provisionné (PTU)
| Sujet | Détail |
|---|---|
| Ce que vous obtenez | Une capacité dédiée, facturée qu'il y ait des requêtes ou non |
| Taille minimale | 15 PTU par pas de 5 en Global et Data Zone Provisioned ; en Regional Provisioned 50 par pas de 50 pour gpt-5.5, gpt-5.4, gpt-4.1 et o3, et 25 par pas de 25 pour gpt-6.1-sol |
| Débit par PTU | Jetons d'entrée par minute et par PTU : 1 200 pour gpt-5.5, 2 400 pour gpt-5.4, 3 000 pour gpt-6.1-sol et gpt-4.1 |
| Facturation | À l'heure par PTU, de la création à la suppression ; les Azure Reservations de 1 mois ou 1 an baissent le prix |
| Capacité | Le quota PTU ne garantit pas la capacité, une réservation non plus : déployez d'abord, réservez ensuite |
| Estimation du coût d'une requête | Jetons du prompt moins jetons en cache, plus max_tokens, corrigée à la fin de la requête |
| Débordement | Le surplus peut aller vers un déploiement standard, toujours ou par requête avec x-ms-spillover-deployment |
Types de déploiement et lieu du traitement
| Type de déploiement | Où les prompts sont traités | Quota |
|---|---|---|
| Global Standard et Global Provisioned | Dans n'importe quelle région Azure | Valeurs par défaut les plus hautes |
| Data Zone Standard et Data Zone Provisioned | Dans la zone de données US, UE ou APAC | Inférieur à Global |
| Standard et Regional Provisioned | Dans la géographie choisie | Par région |
| Global Batch | Dans n'importe quelle région Azure, cible de 24 heures, prix 50 % plus bas | Jetons en file d'attente |
Répartir sur plusieurs fournisseurs
Face à des 429 persistants, Microsoft conseille lui-même de répartir les requêtes sur plusieurs déploiements ou régions. Poussé un cran plus loin, cela veut dire plus d'un fournisseur : quand un abonnement n'a plus de quota, le même modèle ou un modèle équivalent est disponible ailleurs.
Avec Standard Compute, votre abonnement Azure n'est plus le seul chemin, et il n'y a pas de quota régional à demander : chaque clé fonctionne jusqu'à son budget mensuel. GPT-6.1 et GPT-5.6 sont servis dans la Data Zone UE de Microsoft Azure, Claude est servi par plusieurs clouds, et la même API donne accès à Gemini et à des modèles ouverts comme GLM, DeepSeek et MiniMax. Si un fournisseur tombe, votre requête bascule automatiquement vers un autre fournisseur approuvé du même modèle, sans sortir de vos règles de région ou de fournisseur.
Avec une règle Europe pour l'entreprise, une équipe ou une seule clé, chaque requête, y compris les nouvelles tentatives et les replis, n'est servie que par des points de terminaison d'inférence européens approuvés. Vos collaborateurs se connectent à Claude Desktop et Claude Code avec leur compte professionnel Microsoft via notre passerelle UE, et l'accès suit vos groupes Entra par provisionnement SCIM.
from openai import OpenAI
client = OpenAI(
base_url="https://api.stdcmpt.com/v1",
api_key=STANDARD_COMPUTE_KEY,
)
# "standardcompute" envoie chaque étape au
# modèle le moins cher capable de la faire.
# Pour imposer Claude :
# model="anthropic/claude-sonnet-5.5"
client.chat.completions.create(
model="standardcompute",
messages=messages,
)Pour les quotas de Bedrock, voir Quotas Claude sur AWS Bedrock. Pour Standard Compute en entreprise, voir Passerelle IA pour les entreprises.
Passez votre équipe sur Standard Compute
Créez un espace entreprise, invitez votre équipe et donnez à chaque personne et à chaque application sa propre clé.
Créer un espace entrepriseStandard Compute pour les entreprises
Questions fréquentes
Azure OpenAI nous renvoie des 429 en France Central, quota TPM atteint. Comment font les autres entreprises pour scaler ?
Dans Azure : lisser les pics, répartir la charge sur plusieurs déploiements et régions, ajouter un débordement du PTU vers le standard, et demander une hausse appuyée sur l'usage réel. Au-delà d'un abonnement : passer par une passerelle. Avec Standard Compute, GPT-6.1 et GPT-5.6 sont servis dans la Data Zone UE de Microsoft Azure, sans quota régional à demander, et chaque clé fonctionne jusqu'à son budget mensuel. Avec une règle Europe, chaque requête, y compris les nouvelles tentatives et les replis, n'est servie que par des points de terminaison d'inférence européens approuvés.
Quelles sont les limites de débit d'Azure OpenAI ?
Le quota se fixe par abonnement, région, modèle et type de déploiement en jetons par minute, et les requêtes par minute en découlent. En Tier 1, gpt-6.1-sol obtient 250 000 TPM en Global Standard et 100 000 TPM en Data Zone Standard ; le Tier 6 atteint 15 000 000 TPM en Global Standard.
Pourquoi des 429 alors que l'usage est sous le quota Azure OpenAI ?
Le RPM est vérifié sur des fenêtres de 1 ou 10 secondes, donc les pics sont limités même quand la minute paraît correcte. Les requêtes rejetées comptent aussi, et Microsoft peut baisser temporairement la limite effective sur la capacité standard partagée ; comparez x-ratelimit-limit-tokens au TPM configuré.
Comment augmenter notre quota Azure OpenAI ?
Rééquilibrez d'abord le TPM entre vos déploiements, puis choisissez Request quota sur la page Quota du portail Foundry ou utilisez aka.ms/oai/stuquotarequest. Microsoft privilégie les abonnements qui utilisent déjà leur quota, et les abonnements Free ne peuvent pas demander de hausse.
Quand acheter du débit provisionné (PTU) ?
Pour une charge régulière et sensible à la latence. Les PTU offrent une capacité dédiée facturée à l'heure, utilisée ou non, dès 15 PTU en déploiement Global et Data Zone, avec des réservations de 1 mois ou 1 an pour une remise. Ni le quota ni la réservation ne garantissent la capacité : déployez avant de réserver.
Peut-on utiliser Claude dans Azure AI Foundry dans l'UE ?
Microsoft liste Claude en Global Standard, ou en Data Zone Standard aux États-Unis seulement, sans zone de données UE. Pour un Claude servi uniquement par des points de terminaison européens, la règle Europe de Standard Compute envoie Claude vers des points de terminaison d'inférence européens approuvés et refuse la requête avant tout envoi si aucun ne convient.
Sources (vérifiées le 9 novembre 2026)
- Azure OpenAI dans Microsoft Foundry : quotas et limiteslearn.microsoft.com
- Gérer le quota Azure OpenAIlearn.microsoft.com
- Débit provisionné pour les modèles Foundrylearn.microsoft.com
- Déterminer le dimensionnement de PTU pour une charge de travaillearn.microsoft.com
- Exécuter des déploiements à débit provisionné en productionlearn.microsoft.com
- Types de déploiement dans Microsoft Foundry Modelslearn.microsoft.com
- Modèles Claude dans Microsoft Foundrylearn.microsoft.com
- Quotas et limites de débit des modèles Claudelearn.microsoft.com
- Back-ends d'Azure API Managementlearn.microsoft.com