Les organisations devraient passer en revue les applications d'IA inactives au moins une fois par trimestre, les applications coûteuses ou à haut risque faisant l'objet d'un examen mensuel. Plus les outils d'IA génèrent rapidement des frais d'abonnement, des coûts de calcul et des frais de licence, plus vous devez évaluer fréquemment s'ils justifient toujours ces dépenses. Nous abordons ci-dessous tous les aspects de la question, depuis la définition de l'inactivité jusqu'à la désignation du responsable du processus d'examen, en passant par les moyens d'éviter dès le départ l'accumulation de coûts inutiles.
Qu'est-ce qui est considéré comme une demande d'IA inactive ?
Une application d'IA est considérée comme inactive lorsqu'elle ne bénéficie plus d'une utilisation régulière de la part des utilisateurs, ne produit aucun résultat significatif ou a été remplacée sur le plan fonctionnel par un autre outil, mais continue néanmoins à grèver le budget. Dans la pratique, l’inactivité n’est pas toujours un état binaire. La plupart des organisations ont intérêt à définir des seuils clairs : par exemple, aucun utilisateur actif au cours des 30 derniers jours, aucun appel d’API au cours des 60 derniers jours ou aucun résultat opérationnel généré au cours d’une période définie.
L'inactivité peut prendre plusieurs formes :
- Pilotes abandonnés : Les outils d'IA testés au cours d'une phase de validation de principe et qui n'ont jamais été officiellement mis hors service à l'issue du projet
- Abonnements à Shadow AI : Abonnements collectifs ou individuels qui ont été pris en charge mais qui n'ont jamais été enregistrés ni évalués au niveau central
- Outils remplacés : Applications qui ont été remplacées par une plateforme plus récente, mais dont les licences n'ont pas été résiliées
- Intégrations inactives : Des services d'IA intégrés à des flux de travail qui ont depuis évolué, laissant l'intégration en place mais sans qu'elle ne remplisse plus aucune fonction active
Définir ce qui est considéré comme « inactif » au sein de votre organisation constitue la première étape vers une gouvernance efficace des coûts liés à l'IA. En l'absence d'une définition commune, chaque équipe appliquera ses propres critères, et les coûts continueront de s'accumuler sans que personne n'en rende compte.
À quelle fréquence faut-il procéder à un audit de l'utilisation des applications d'IA ?
L'utilisation des applications d'IA devrait faire l'objet d'un audit au moins une fois par trimestre, avec des réévaluations mensuelles pour les applications générant des coûts importants en termes de ressources informatiques, de licences ou d'abonnements. La fréquence appropriée dépend de la rapidité avec laquelle votre portefeuille d'IA évolue et de l'impact financier que représentent les outils inactifs.
Un calendrier d'évaluation par paliers convient à la plupart des organisations :
- Mensuel : Services d'IA onéreux, charges de travail d'IA hébergées dans le cloud à consommation variable, et toute application se trouvant en phase pilote ou d'évaluation active
- Trimestriel : Abonnements SaaS classiques à des solutions d'IA, outils départementaux et intégrations d'IA au sein de plateformes existantes
- Chaque année : Des outils peu coûteux et peu risqués, dont les modes d'utilisation sont stables et documentés
De nombreuses organisations considèrent les audits des applications d'IA comme un sous-ensemble d'un domaine plus large gestion des coûts du cloud analyses. Il s'agit là d'une approche pratique, car une part importante des dépenses liées à l'IA transite par les fournisseurs de cloud sous forme de ressources de calcul, d'utilisation d'API ou de services d'IA gérés. L'intégration de contrôles de l'utilisation de l'IA dans votre processus existant d'analyse des coûts du cloud permet de réduire la charge opérationnelle liée à la mise en place d'un processus distinct.
Le principal risque lié à des audits peu fréquents réside dans l'accumulation des coûts. Un seul abonnement à une solution d'IA oublié peut sembler anodin, mais au sein d'une grande entreprise comptant des dizaines d'équipes menant des expériences de manière indépendante, le montant total peut atteindre des sommes considérables avant que quiconque ne s'en aperçoive.
Quels sont généralement les coûts générés par les applications d'IA inactives ?
Les applications d'IA inactives engendrent des coûts dans plusieurs domaines, même lorsqu'elles ne sont pas activement utilisées. Les plus courantes sont les suivantes : frais d'abonnement récurrents, frais liés à l'inactivité des ressources de calcul, et coûts liés à la capacité réservée qui se poursuivent indépendamment de l'utilisation effective.
Voici une liste des différents types de frais que vous êtes le plus susceptible de rencontrer :
- Frais d'abonnement et de licence : Frais mensuels ou annuels fixes qui s'appliquent jusqu'à résiliation expresse, que l'outil soit utilisé ou non
- Ressources informatiques inutilisées : Les modèles d'IA et les points de terminaison d'inférence qui restent provisionnés et en fonctionnement même lorsqu'aucune requête n'est en cours de traitement
- Frais liés aux instances réservées : Capacité cloud prépayée destinée aux charges de travail d'IA, qui ne peut être récupérée si la charge de travail n'est plus active
- Coûts de stockage des données : Données d'entraînement, artefacts de modèles et journaux de sortie stockés dans des environnements cloud, ce qui entraîne des coûts récurrents
- Coûts liés à l'intégration et à la maintenance : Temps consacré par les ingénieurs au maintien des connexions avec des systèmes que l'application d'IA ne dessert plus activement
La combinaison de ces différents types de coûts signifie qu’une application d’IA inactive ne coûte presque jamais rien. Même un outil inactif, sans utilisateur actif, peut générer des dépenses mensuelles mesurables liées au stockage, à la capacité réservée et aux frais d’abonnement. Identifier et éliminer ces coûts constitue une forme directe d’optimisation des coûts liés à l’IA qui ne nécessite aucun compromis en termes de fonctionnalités ou de performances.
Quels sont les signes indiquant qu'une application d'IA devrait être mise hors service ?
Il convient d'envisager la mise hors service d'une application d'IA lorsque les données d'utilisation, le contexte métier et les éléments chiffrés relatifs aux coûts indiquent, dans leur ensemble, que l'outil n'apporte plus de valeur ajoutée. Le signe le plus évident est une utilisation active nulle ou quasi nulle pendant une période prolongée (généralement entre 60 et 90 jours), sans qu'aucun projet de reprise de l'utilisation n'ait été documenté.
Parmi les autres éléments justifiant une décision de mise hors service, on peut citer :
- Aucun propriétaire ni aucune équipe responsable n'est désigné(e) pour cette demande
- Le processus métier ou le flux de travail pris en charge par l'outil a été modifié ou supprimé
- Un outil de remplacement a été mis en place et est désormais largement utilisé
- Cette candidature s'inscrivait dans le cadre d'un projet pilote qui s'est achevé sans qu'une décision officielle de poursuite ou d'abandon ait été prise.
- La date de renouvellement approche et aucun des acteurs concernés n'est en mesure d'exposer clairement la justification économique actuelle du projet.
- Cet outil engendre des coûts, mais n'apparaît dans le budget actif ni dans la feuille de route d'aucune équipe.
Lorsque plusieurs signaux coexistent, les arguments en faveur d'une mise hors service sont solides. L'objectif n'est pas d'éliminer l'expérimentation (les projets pilotes d'IA et les démonstrations de faisabilité ont une réelle valeur), mais de s'assurer que chaque outil mobilisant des ressources budgétaires dispose d'un responsable clairement identifié et d'un objectif documenté. Si ces deux éléments font défaut, l'application est susceptible d'être supprimée.
À qui devrait incomber la responsabilité du processus d'évaluation des applications d'IA ?
La responsabilité du processus d'évaluation des applications d'IA devrait incomber à une équipe pluridisciplinaire composée notamment de La gestion financière informatique, les opérations informatiques et les unités opérationnelles concernées. Aucun service ne dispose à lui seul d'une vue d'ensemble : le service financier se concentre sur les coûts, le service informatique sur l'empreinte technique, et les équipes opérationnelles évaluent si un outil continue d'apporter de la valeur ajoutée.
Dans la pratique, le processus d'évaluation fonctionne mieux lorsque les rôles sont clairement définis :
- Équipe de gestion financière informatique ou FinOps : Il assure le suivi des dépenses par application, signale les anomalies et met à jour la base de référence des coûts pour le portefeuille d'IA
- Équipe chargée des opérations informatiques ou de la plateforme : Fournit des données d'utilisation, surveille la consommation de ressources de calcul et gère le processus technique de mise hors service
- Responsables d'applications métier : Vérifier si un outil est toujours activement utilisé, évaluer sa valeur pour l'entreprise et prendre la décision finale quant à son renouvellement ou à sa mise hors service.
- Achats : Gère les conditions contractuelles, les dates de renouvellement et les négociations avec les fournisseurs afin de garantir, dans la mesure du possible, le recouvrement des coûts
L'une des raisons les plus courantes pour lesquelles des coûts inutiles liés aux applications d'IA persistent est l'absence d'un responsable clairement désigné. Lorsque la responsabilité est répartie entre plusieurs équipes sans processus défini, personne n'assume la responsabilité de la décision d'agir. La désignation d'un responsable pour chaque application d'IA, ainsi que la mise en place d'un rythme de révision régulier, permettent de combler cette lacune.
Comment les entreprises peuvent-elles éviter que des coûts liés à l'IA ne s'accumulent inutilement ?
Les entreprises évitent les coûts superflus liés à l'utilisation de l'IA en combinant une gouvernance transparente avec une visibilité permanente. Cela implique d'exiger que chaque outil d'IA dispose d'un propriétaire enregistré, d'un dossier d'analyse de rentabilité bien défini et d'une date de révision prévue avant que son utilisation ne soit approuvée, et non après que les coûts se sont déjà accumulés.
Parmi les mesures de prévention concrètes, on peut citer :
- Registre des applications d'IA : Un inventaire centralisé de tous les outils d'IA utilisés, comprenant notamment le responsable, le coût, les indicateurs d'utilisation et la date de la prochaine révision
- Procédure d'agrément et d'admission : Une procédure de gouvernance simple à mettre en place avant l'acquisition de tout nouvel outil d'IA ou le lancement d'un projet pilote, garantissant que les responsabilités sont clairement définies dès le premier jour.
- Alertes d'utilisation automatisées : Une surveillance qui signale les applications n'ayant pas dépassé un seuil d'activité défini, ce qui déclenche un examen plutôt que d'attendre le prochain audit prévu
- Étapes clés du renouvellement : Examen proactif de tous les abonnements liés à l'IA entre 60 et 90 jours avant leur renouvellement, afin de laisser aux équipes le temps de prendre une décision mûrement réfléchie plutôt que de procéder à un renouvellement automatique par défaut
- Normes de marquage et d'affectation : Un système cohérent d'étiquetage des coûts pour les charges de travail d'IA dans les environnements cloud, permettant d'imputer les coûts avec précision et d'identifier les ressources orphelines
La prévention est plus rentable que la correction. Identifier et supprimer a posteriori les applications d’IA inactives permet de récupérer une partie de la valeur, mais la solution la plus durable consiste à mettre en place des pratiques de gouvernance qui empêchent les dépenses inutiles avant même qu’elles ne surviennent. Cela est d’autant plus pertinent que l’adoption de l’IA s’accélère et que le nombre d’outils utilisés au sein d’une organisation augmente plus rapidement que ne peut le suivre la supervision centrale.
Comment nous vous aidons à gérer les coûts liés aux applications d'IA
La gestion des coûts liés aux applications d'IA inactives exige la même discipline financière que celle qui régit tout investissement technologique : visibilité, responsabilité et processus décisionnel structuré. Nous aidons les organisations à développer précisément cette capacité grâce à notre Services FinOps, conçu pour assurer la gouvernance financière des dépenses liées au cloud et à l'IA.
Voici ce que vous apporte une collaboration avec nous :
- Visibilité totale sur les coûts : Nous attribuons vos dépenses liées à l'IA et au cloud à des applications, des équipes et des divisions spécifiques, afin que vous puissiez voir exactement où va votre budget et identifier les outils inactifs ou sous-utilisés.
- Rythme structuré des révisions : Nous vous aidons à mettre en place un processus récurrent d'analyse des coûts liés à l'IA, avec une responsabilité clairement définie, des seuils précis et des procédures d'escalade pour les décisions de mise hors service.
- Une gouvernance évolutive : Nous concevons des modèles opérationnels FinOps qui intègrent la gouvernance des coûts liés à l'IA dans vos processus existants de gestion financière informatique, afin que le contrôle s'adapte à l'évolution de votre portefeuille d'IA.
- Alignement interfonctionnel : Nous réunissons les acteurs des services financiers, informatiques et opérationnels au sein d'un processus commun, ce qui permet d'éliminer les lacunes en matière de responsabilité qui entraînent la persistance de coûts superflus.
- Des informations exploitables pour la prise de décision : Plutôt que de vous proposer des tableaux de bord qui présentent les dépenses hors contexte, nous vous aidons à mettre en place des rapports permettant de prendre des décisions claires et opportunes en matière de renouvellement, de redimensionnement ou de mise hors service.
Si vous souhaitez maîtriser les coûts liés à vos applications d'IA et mettre en place un processus de gouvernance permettant d'éviter l'accumulation de dépenses superflues, contactez-nous pour discuter de la manière de s'y prendre.