Quand une entreprise budgète un projet IA, elle pense presque toujours au développement : construire l’assistant, connecter le modèle, livrer l’outil. C’est logique, c’est la partie visible. Mais dans les projets que nous accompagnons, le développement n’est qu’une partie du coût total, et rarement celle qui réserve les mauvaises surprises.

Cet article passe en revue les postes de coût qu’il faut anticiper, puis propose une méthode simple pour estimer le retour sur investissement avant de se lancer. L’objectif n’est pas de faire peur : un projet bien budgété est un projet qui a toutes les chances d’aller jusqu’au bout.

1. La préparation des données

C’est le poste le plus souvent sous-estimé. Un assistant documentaire n’est bon que si les documents le sont : versions obsolètes à écarter, doublons, informations contradictoires, fichiers mal structurés, droits d’accès à clarifier. Un projet d’automatisation dépend de la qualité des référentiels : fournisseurs, clients, produits.

Ce travail est souvent fait en partie par les équipes métier, ce qui en fait un coût caché : il ne figure pas dans le devis, mais il mobilise du temps interne. Il faut le prévoir explicitement, avec des personnes identifiées et disponibles.

2. L’intégration dans les outils existants

Un modèle qui fonctionne dans une démonstration ne crée pas encore de valeur. Il en crée quand il est branché sur le CRM, l’ERP, la messagerie, l’intranet, et qu’il s’insère dans la façon de travailler des équipes. Cette intégration demande des connecteurs, des droits d’accès, parfois des évolutions des outils existants, et des tests avec les vrais flux.

C’est souvent la différence entre un prototype convaincant et un outil réellement utilisé.

3. L’usage des modèles

Les modèles de langage sont facturés à l’usage, en général selon le volume de texte traité en entrée et en sortie. Pour un usage modéré, ce coût est faible. Il peut devenir significatif quand le volume augmente, quand on envoie systématiquement de longs documents en contexte, ou quand un agent enchaîne de nombreux appels pour une seule tâche.

Quelques choix de conception changent fortement la facture : n’envoyer que les passages utiles, utiliser un modèle plus léger pour les tâches simples, mettre en cache ce qui peut l’être. Le bon réflexe est d’estimer ce coût dès le prototype, à partir du volume réel attendu, plutôt que de le découvrir en production.

4. L’infrastructure et la sécurité

Hébergement, base vectorielle pour un système RAG, journaux, supervision, sauvegardes, gestion des accès. Si les données sont sensibles et imposent un hébergement européen ou un modèle déployé dans votre propre infrastructure, ce poste augmente. C’est un coût justifié, mais il doit être connu dès le départ, car il influence les choix d’architecture.

Le coût d’un projet IA ne s’arrête pas à la mise en production. C’est là que commence la partie la plus longue de sa vie.

5. La maintenance et l’évolution

Un système IA n’est pas un logiciel qu’on livre une fois pour toutes. Les documents changent, les processus évoluent, les fournisseurs de modèles publient de nouvelles versions et en retirent d’anciennes. Il faut surveiller la qualité des réponses, mettre à jour l’index, ajuster les consignes, traiter les retours des utilisateurs.

Ce poste récurrent est rarement chiffré au moment de la décision. Pourtant, un système qui n’est pas entretenu se dégrade, et les utilisateurs l’abandonnent.

6. L’adoption par les équipes

Un outil que personne n’utilise a un retour sur investissement nul, quelle que soit sa qualité technique. La formation, l’accompagnement des premières semaines, l’ajustement de l’outil aux retours du terrain et la communication interne font partie du projet. C’est souvent le poste le plus rentable : un peu d’effort sur l’adoption change complètement le résultat.

Estimer le retour sur investissement

Pour décider, il faut mettre en face de ces coûts une estimation honnête des gains. Voici la méthode que nous utilisons avec nos clients.

  • Mesurer la situation actuelle : combien de fois la tâche est réalisée par mois, combien de temps elle prend, qui la réalise, combien d’erreurs ou de reprises elle génère. Sans cette mesure de départ, aucun gain ne pourra être démontré.
  • Estimer un gain réaliste, pas maximal : l’IA ne supprime presque jamais une tâche entière. Elle en réduit la durée, en traite une partie, en améliore la qualité. Une hypothèse prudente vaut mieux qu’une promesse spectaculaire.
  • Compter tous les gains : le temps économisé, mais aussi les erreurs évitées, les délais raccourcis, la satisfaction client, la capacité à absorber plus de volume sans recruter.
  • Mettre en regard le coût total sur plusieurs années : développement, mais aussi usage des modèles, infrastructure, maintenance et adoption. Comparer un gain annuel à un coût de développement seul donne une image faussée.
  • Définir le seuil de réussite avant de commencer : par exemple, « le projet est un succès si le temps de traitement baisse de moitié sur ce périmètre ». Ce seuil évite les débats sans fin après coup.

Un exemple concret

Une équipe support envisage un assistant pour aider ses conseillers à répondre plus vite. Le premier budget ne comprend que la construction de l’outil. En reprenant la liste, plusieurs postes apparaissent : le nettoyage de la base de connaissances, qui contient de nombreux articles obsolètes ; l’intégration dans l’outil de ticketing, sans laquelle les conseillers devraient jongler entre deux fenêtres ; le coût d’usage du modèle, estimé à partir du volume réel de tickets ; et quelques heures par mois pour mettre à jour l’index et suivre la qualité.

Côté gains, l’équipe mesure le temps moyen de traitement d’un ticket et le nombre de tickets escaladés. Le seuil de réussite est fixé avant le lancement. Le budget final est plus élevé que prévu au départ, mais il est complet, et la décision est prise en connaissance de cause. Surtout, trois mois après le lancement, il est possible de dire précisément si le projet a tenu ses promesses.

Notre recommandation

Avant de demander « combien coûte ce projet ? », demandez « combien coûte ce projet sur toute sa durée de vie, et que doit-il rapporter pour en valoir la peine ? ». Commencez par un périmètre restreint et mesurable, qui permet de valider à la fois les coûts réels et les gains réels avant d’investir plus largement. C’est la meilleure protection contre les projets qui dérivent, et le meilleur argument pour obtenir les moyens d’aller plus loin.