Coût total d'un projet IA : les trois postes

Les trois postes

Un projet d'intelligence artificielle se résume trop souvent à une ligne sur un devis : le prix de la licence, par utilisateur et par mois. Cette ligne est réelle, mais elle est trompeuse. Elle donne le prix d'un outil, pas le coût d'un projet. Le coût d'un projet, lui, additionne tout ce qu'il faut mobiliser pour qu'un modèle passe de la démonstration à l'usage quotidien, et pour qu'il y reste.

Ce coût se répartit sur trois postes. Le premier est la mise en place : cadrer le besoin, préparer les données, intégrer l'outil aux systèmes existants. Le deuxième est la conduite du changement : former les équipes, accompagner l'usage, poser les règles. Le troisième est le fonctionnement : les licences, la consommation, l'hébergement, la supervision, la maintenance, année après année. Les trois s'additionnent.

L'adoption progresse vite. Chez les PME et ETI françaises, l'usage de l'IA générative est passé de 31 % à environ 55 % en un an. Le prix d'entrée d'un outil baisse, l'accès se banalise ; c'est justement ce qui rend le calcul du coût réel plus utile, et plus rare.

Le tableau ci-dessous fixe le vocabulaire. Les parts indiquées sont des ordres de grandeur illustratifs, pas une règle : chaque projet a sa propre structure. Le message tient en une phrase : la licence n'est qu'une fraction du fonctionnement, et le fonctionnement n'est qu'un poste sur trois.

Retenons le principe avant les chiffres : le poste le plus lourd n'est presque jamais celui qu'on regarde en premier.

La mise en place

La mise en place est le coût de départ, celui qu'on paie une fois pour que l'outil existe dans l'entreprise. Il se décompose en quatre briques : cadrer le besoin, préparer les données, intégrer aux systèmes en place, paramétrer et tester. La première brique est courte. La deuxième est presque toujours la plus longue.

Préparer les données, cela veut dire les rassembler, les nettoyer, les mettre en forme, corriger les doublons, décrire ce que chaque champ signifie, et vérifier qui a le droit de les lire. Un modèle performant branché sur des données en désordre produit des réponses en désordre. C'est le travail invisible du projet : il ne se voit pas dans la démonstration, il conditionne tout le reste.

Le délai de mise en place varie selon l'ambition. Un cas d'usage léger, posé sur des outils déjà en place, se déploie en quelques semaines. Un socle de plateforme partagé, qui relie plusieurs systèmes et sert plusieurs équipes, demande un à trois trimestres. Plus le projet touche au cœur des données métier, plus la mise en place pèse.

Ces semaines ne sont pas neutres. Ce sont des journées de travail interne, des interventions d'intégration, parfois un accompagnement extérieur. La mise en place se chiffre en temps d'équipe autant qu'en euros de prestation.

La conduite du changement

Un outil installé n'est pas un outil utilisé. Entre les deux, il y a la conduite du changement : la formation des équipes, l'accompagnement au quotidien, les règles d'usage, le comité qui arbitre. C'est le poste le plus souvent absent des budgets, et le plus déterminant pour le retour sur investissement.

Les chiffres d'adoption le montrent sans détour. À l'échelle mondiale, 88 % des organisations déclarent utiliser l'IA dans au moins une fonction. Mais seule une sur trois environ a dépassé le stade du pilote, et très peu constatent un effet supérieur à 5 % sur leur résultat d'exploitation. L'écart entre « utiliser » et « tirer de la valeur » se comble par l'accompagnement, pas par l'achat.

Pourquoi cette déperdition ? Parce que la formation manque. Dans les hôpitaux français, un baromètre récent révèle que 6 % seulement des agents ont bénéficié d'une formation à l'IA, tandis que 62 % estiment avoir une connaissance limitée ou très limitée du sujet. Un outil déployé sans formation reste une vitrine.

Un outil installé n'est pas un outil utilisé. Entre les deux, il y a un budget.

La conduite du changement se chiffre : heures de formation, temps des référents internes, ateliers de prise en main, documentation, comité de suivi. Elle se prolonge dans le temps, car l'usage se cultive. Les dirigeants de PME-ETI classés « expérimentateurs » — 28 % de l'échantillon Bpifrance — citent précisément le manque d'expertise interne comme frein au passage à l'échelle.

Le fonctionnement

Le fonctionnement est le coût récurrent, celui qui revient chaque année tant que le projet vit. Il ne se limite pas à la licence. Il additionne l'abonnement par utilisateur, la consommation à l'usage — chaque requête a un prix quand le modèle est facturé au volume —, l'hébergement, la supervision de la qualité, la maintenance et les mises à jour.

La licence est la partie la plus lisible, et souvent la plus modeste. La supervision l'est moins. Un modèle qui répond à côté, ou qui invente, doit être surveillé : quelqu'un vérifie, corrige, réajuste les consignes. Ce contrôle continu est un coût de fonctionnement réel, rarement anticipé.

La contrepartie de ce coût récurrent, quand le projet est mené jusqu'au bout, est un gain récurrent. Les études de terrain donnent des repères. Une expérimentation gouvernementale britannique portant sur 20 000 agents a mesuré 26 minutes gagnées par jour et par utilisateur avec un assistant bureautique, soit environ deux semaines par an.

Appliquée aux fonctions de relation client, la même famille d'outils pourrait relever la productivité d'une valeur comprise entre 30 % et 45 % du coût actuel de la fonction, selon McKinsey. Ces gains sont réels, mais ils ne se réalisent que si le fonctionnement est financé dans la durée : un projet sous-doté en supervision se dégrade et cesse d'être utilisé.

Combien, en vrai

Aucun chiffre unique ne vaut pour tous les projets. Mais quelques repères aident à ne pas se tromper d'échelle. Le premier concerne le calendrier. D'après une étude IDC commandée par Microsoft auprès de plus de 4 000 dirigeants, le déploiement d'un projet d'IA générative dure en moyenne moins de huit mois, et la valeur se matérialise en moyenne dans les treize mois.

Le deuxième repère concerne le retour. La même étude avance un rendement moyen de 3,7 dollars pour chaque dollar investi en IA générative, et jusqu'à 10,3 dollars pour les organisations les plus avancées. Ce ratio porte sur l'investissement complet — les trois postes — et non sur la seule licence. C'est précisément ce qui le rend crédible : il compare un gain total à un coût total.

Le troisième repère est structurel. Sur les trois postes, deux échappent au regard : la préparation des données, dans la mise en place, et l'adoption, dans la conduite du changement. Ce sont les deux plus difficiles à chiffrer d'avance, et ensemble ils pèsent souvent plus que le fonctionnement. Le tableau ci-dessous résume la logique de calcul, poste par poste.

Un ordre de grandeur honnête se construit poste par poste, en euros et en jours-homme, avec une fourchette basse et une fourchette haute. Un chiffre unique et rond est presque toujours un chiffre faux.

Le coût qu'on oublie

Le piège est simple à nommer : confondre le prix de la licence avec le coût du projet. Le prix de la licence est écrit sur le devis. Le coût du projet ne l'est nulle part ; il faut le reconstituer. Et ce qu'on oublie de reconstituer, ce sont presque toujours les mêmes deux choses : les données et l'adoption.

Oublier ces postes a un coût, et ce coût peut dépasser l'économie espérée. Il prend deux formes. La première est la sous-utilisation : l'outil est payé mais peu employé, faute de formation. La seconde est la mauvaise qualité : l'outil est employé mais mal surveillé, et produit des erreurs qui coûtent cher à réparer.

La preuve la plus rigoureuse vient d'un cabinet d'avocats ayant testé l'IA générative auprès de 411 participants, dans 23 bureaux et 14 pays. Les premiers jets étaient nettement plus rapides — jusqu'à 80 % de temps gagné sur certains documents —, mais la précision moyenne restait inférieure à celle d'un humain : 3 sur 5 contre 3,5 sur 5. La vitesse est un gain ; la relecture est un coût. Les deux vont ensemble.

Chiffrer avant d'acheter

La bonne nouvelle est que le coût total se chiffre, et qu'il se chiffre avant de signer. La méthode tient en cinq étapes. Elle n'exige pas d'expertise financière avancée : elle exige de nommer chaque poste et de refuser le chiffre unique.

1. Nommer le besoin. Un cas d'usage précis, une équipe, un résultat attendu mesurable. Sans cible claire, aucun coût n'a de sens.
2. Chiffrer les trois postes. Mise en place, conduite du changement, fonctionnement — chacun en euros et en jours-homme, avec une fourchette basse et haute.
3. Estimer le gain annuel. Temps gagné, erreurs évitées, volume traité — converti en valeur, prudemment.
4. Comparer sur trois ans. Le fonctionnement revient chaque année ; le gain aussi. Une seule année déforme le calcul.
5. Décider, puis suivre. Fixer le budget, puis mesurer l'usage réel après trois et six mois, et corriger.

Le retour sur investissement se calcule alors simplement, une fois le coût total établi.

La formule est banale ; sa rigueur tient au dénominateur. Un coût total sincère inclut les données et l'adoption. Un coût total tronqué à la licence gonfle artificiellement le rendement, jusqu'au jour où la facture réelle arrive.

Un projet d'IA bien chiffré n'est pas un projet moins cher. C'est un projet sans mauvaise surprise : on sait ce qu'on paie, on sait ce qu'on attend, et l'on peut décider en connaissance de cause. La licence attirait le regard ; ce sont les données et l'adoption qui font le coût, et la valeur.