Pourquoi votre facture IA risque d'exploser ?

L'intelligence artificielle est en train de suivre exactement la même trajectoire que le cloud il y a une quinzaine d'années. À l'époque, la promesse était séduisante. Les entreprises allaient enfin réduire leurs coûts d'infrastructure, ne payer que les ressources réellement consommées et gagner en agilité. Les premiers projets étaient convaincants. Les directions informatiques migraient progressivement leurs applications, les investissements matériels diminuaient et le modèle économique semblait particulièrement vertueux.

Quelques années plus tard, le discours avait changé. Les dépenses cloud étaient devenues l'un des principaux postes de coûts IT. Les infrastructures se multipliaient, les environnements de développement étaient rarement supprimés, les données étaient dupliquées et de nombreux services continuaient à fonctionner sans réelle justification. Le problème n'était plus de migrer vers le cloud, mais d'en reprendre le contrôle. Une nouvelle discipline est alors apparue : le FinOps, dont l'objectif est d'optimiser les dépenses cloud en conciliant performance technique et maîtrise des coûts.

L'intelligence artificielle est aujourd'hui à ce même point de bascule. Beaucoup d'entreprises concentrent encore leurs réflexions sur le coût d'une licence ChatGPT Enterprise, Microsoft Copilot ou Gemini. Elles cherchent le meilleur abonnement, négocient les volumes ou comparent les fonctionnalités des différents modèles. Pourtant, cette dépense visible n'est probablement qu'une fraction de la facture qui les attend dans les prochaines années.

Le véritable coût de l'IA ne viendra pas des licences. Il viendra de sa généralisation.

Aujourd'hui, l'IA est un outil. Demain, elle deviendra une infrastructure.

Pour comprendre cette évolution, il faut observer la manière dont les usages changent. Aujourd'hui, un collaborateur ouvre volontairement Copilot lorsqu'il souhaite résumer un document, rédiger un e-mail ou préparer une présentation. Chaque interaction est consciente et relativement ponctuelle. Le coût est donc simple à appréhender : une licence par utilisateur ou quelques appels API.

Mais cette logique disparaît progressivement. Les grands éditeurs ne cherchent plus uniquement à proposer un assistant conversationnel performant. Leur objectif est d'intégrer l'intelligence artificielle directement dans les logiciels utilisés quotidiennement. Microsoft l'intègre dans Office, Salesforce dans son CRM, SAP dans son ERP, Oracle dans ses applications métiers, ServiceNow dans ses workflows, Adobe dans ses outils de création. À terme, les collaborateurs n'auront même plus l'impression d'utiliser une IA. Elle interviendra naturellement à chaque étape de leur travail : pour analyser un contrat, rédiger un compte rendu, classer un document, détecter une anomalie, préparer une réponse client ou suggérer une prochaine action.

Cette évolution est fondamentale, car elle modifie complètement le modèle économique. Demain, la consommation d'intelligence artificielle ne dépendra plus uniquement du nombre d'utilisateurs équipés. Elle dépendra du nombre d'actions réalisées dans toute l'entreprise. Et ce volume est considérable.

Chaque action métier deviendra potentiellement un appel à un modèle d'IA

Prenons un exemple très concret. Imaginons un commercial qui prépare une proposition commerciale. Aujourd'hui, il ouvre son CRM, complète quelques informations, rédige un e-mail puis prépare un devis. Avec les nouvelles générations d'outils, chacune de ces étapes pourra solliciter automatiquement une intelligence artificielle. Le CRM analysera les échanges précédents avec le client, générera une synthèse de la relation commerciale, proposera un argumentaire adapté au secteur d'activité, rédigera le premier brouillon de l'e-mail et calculera les remises les plus pertinentes.

Pour le collaborateur, tout semble instantané. Pour l'entreprise, plusieurs dizaines d'appels à différents modèles auront été exécutés en arrière-plan. Ce phénomène se reproduira dans les ressources humaines, la finance, les achats, le support client, la logistique ou encore la maintenance. L'IA cessera progressivement d'être un outil ponctuel pour devenir une couche permanente du système d'information. C'est précisément ce qui fera évoluer la facture.

Les agents IA vont multiplier la consommation sans que les utilisateurs s'en rendent compte

L'arrivée des agents autonomes accentue encore cette tendance. Contrairement aux assistants actuels qui répondent à une question précise, un agent IA est capable d'enchaîner plusieurs actions avant de produire un résultat. Pour répondre à une simple demande, il peut consulter un CRM, récupérer des informations dans un ERP, rechercher des documents sur SharePoint, interroger une base documentaire, comparer plusieurs contrats, générer une synthèse, planifier une réunion et envoyer un e-mail aux personnes concernées.

Une seule demande utilisateur peut ainsi déclencher plusieurs dizaines d'appels vers différents modèles. Demain, certains workflows mobiliseront plusieurs agents spécialisés qui collaboreront entre eux. L'un analysera les données, un second vérifiera leur cohérence, un troisième préparera une réponse et un quatrième exécutera les actions nécessaires. L'utilisateur n'en verra que le résultat final. L'entreprise, en revanche, paiera chaque étape de cette orchestration. C'est un changement comparable à celui qu'a connu le cloud. Les utilisateurs ne voyaient plus les serveurs tourner, mais ils continuaient pourtant à générer des coûts.

Toutes les tâches ne nécessitent pas la même intelligence

Une autre source de dérive proviendra du choix des modèles. Aujourd'hui, de nombreuses entreprises utilisent les modèles les plus avancés pour toutes les tâches, quelle que soit leur complexité. Pourtant, demander à un modèle de raisonnement très sophistiqué de reformuler un e-mail ou de résumer une réunion n'a souvent aucun intérêt économique. C'est un peu comme mobiliser un cabinet de conseil stratégique pour corriger une faute d'orthographe.

À mesure que les usages se multiplieront, les entreprises devront apprendre à adapter le niveau d'intelligence au besoin réel. Certaines tâches nécessiteront effectivement des modèles puissants capables de raisonner sur de grandes quantités d'informations. D'autres pourront être exécutées par des modèles beaucoup plus légers, plus rapides et surtout beaucoup moins coûteux. Cette capacité à arbitrer intelligemment les modèles deviendra un véritable levier d'optimisation.

Le risque n'est plus technologique. Il devient organisationnel.

Beaucoup d'entreprises pensent encore que leur principal défi consiste à choisir entre ChatGPT, Gemini, Claude ou Copilot. En réalité, cette question perdra progressivement de son importance. Les modèles continueront à progresser, leurs performances convergeront sur de nombreux usages et la concurrence fera naturellement évoluer les prix. Le véritable enjeu sera ailleurs : comment gouverner l'ensemble de ces usages ? Qui peut utiliser quel modèle ? Pour quelles données ? Avec quelles règles de confidentialité ? Quel niveau de qualité est réellement nécessaire ? Quels processus justifient un raisonnement complexe et lesquels peuvent être automatisés plus simplement ?

Ces questions relèvent davantage de l'organisation que de la technologie. Et c'est précisément ce qui rend le sujet complexe.

Les coûts les plus importants seront souvent invisibles

Lorsqu'on parle du coût de l'IA, on pense immédiatement aux licences ou aux appels API. Pourtant, les dépenses les plus importantes seront souvent indirectes. Une intelligence artificielle mal intégrée peut générer des réponses qu'il faudra systématiquement vérifier. Elle peut produire des contenus inutilisés, déclencher des workflows redondants ou solliciter plusieurs modèles là où un seul aurait suffi. À l'inverse, une IA bien intégrée peut supprimer des heures de recherche documentaire, accélérer des décisions, réduire les erreurs de saisie ou limiter les ressaisies entre plusieurs systèmes.

Deux entreprises équipées exactement des mêmes outils pourront ainsi obtenir des coûts d'exploitation radicalement différents. La différence ne viendra pas de la technologie. Elle viendra de la manière dont celle-ci aura été pensée.

Une nouvelle discipline va émerger

Comme le cloud a fait naître le FinOps, l'intelligence artificielle fera probablement émerger une nouvelle discipline dédiée à la maîtrise des coûts et des usages. Les entreprises ne se contenteront plus de suivre le nombre de licences déployées. Elles mesureront le volume de requêtes, le coût moyen par processus, la consommation par département, le modèle utilisé pour chaque tâche ou encore le retour sur investissement de chaque cas d'usage. Elles arbitreront automatiquement entre plusieurs modèles en fonction du coût, du délai de réponse et du niveau de qualité attendu.

L'objectif ne sera plus seulement de déployer l'IA. Il sera de l'exploiter de manière économiquement soutenable.

Comment éviter cette explosion des coûts ?

La première erreur serait de croire que la solution consiste simplement à limiter le nombre de licences. La véritable maîtrise des coûts commence bien avant le choix d'un modèle. Elle passe par une réflexion sur les usages. Toutes les tâches ne méritent pas une intelligence artificielle. Tous les processus ne gagnent pas à être augmentés. Certaines automatisations créent davantage de consommation qu'elles ne produisent de valeur. Les entreprises les plus performantes seront probablement celles qui commenceront par identifier les tâches répétitives à forte valeur ajoutée, définiront précisément le rôle de chaque agent IA et choisiront le niveau d'intelligence réellement nécessaire pour chaque situation.

L'objectif ne sera pas d'utiliser davantage d'IA. L'objectif sera d'utiliser la bonne IA, au bon endroit, au bon coût.

Conclusion

L'intelligence artificielle est en train de devenir une infrastructure invisible, présente dans chaque logiciel, chaque workflow et chaque interaction métier. Cette évolution ouvre des perspectives considérables en matière de productivité, mais elle transforme également la nature des dépenses informatiques. Le coût de l'IA ne se résumera bientôt plus à une ligne "licences" dans un budget. Il dépendra du nombre d'usages, de la qualité des processus, de la gouvernance des modèles et de la capacité de l'entreprise à faire les bons arbitrages.

L'histoire du cloud nous a appris qu'une technologie promettant des économies peut rapidement devenir un poste de dépenses majeur lorsqu'elle est adoptée à grande échelle. L'intelligence artificielle suivra probablement la même trajectoire. La bonne question n'est donc plus de savoir combien coûte Copilot aujourd'hui.

La vraie question est de savoir si votre organisation est prête à piloter une technologie qui, demain, sera sollicitée des millions de fois… sans que personne ne s'en rende compte.

‍