Comment calcule-t-on le coût de l'IA par utilisateur, par transaction ou par résultat commercial ?

Pour calculer le coût de l'IA par utilisateur, divisez le total de vos dépenses liées à l'infrastructure et à l'exploitation de l'IA par le nombre d'utilisateurs actifs sur la même période. Pour calculer le coût de l'IA par transaction, divisez le total des dépenses liées à l'IA par le nombre de transactions traitées grâce à l'IA. Pour établir un lien entre ces indicateurs et les résultats commerciaux, il faut mettre en correspondance ces coûts avec les revenus générés, les coûts évités ou les gains de productivité générés par chaque charge de travail liée à l'IA.

Pour les grandes entreprises qui déploient l’IA à grande échelle, aucun de ces calculs n’est simple. Les charges de travail liées à l’IA combinent des coûts de calcul, de stockage, d’appels d’API, de licences de modèles et de supervision humaine d’une manière que la comptabilité traditionnelle des coûts informatiques n’a jamais été conçue pour gérer. Les sections ci-dessous présentent chaque méthode de calcul, leurs différences respectives et la manière de relier les dépenses liées à l’IA aux résultats qui comptent réellement pour l’entreprise.

Quels sont les facteurs qui déterminent le coût réel de l'exploitation de l'IA à grande échelle ?

Le coût réel de l'exploitation de l'IA à grande échelle repose sur quatre niveaux de coûts interdépendants : la puissance de calcul et l'infrastructure, les licences des modèles et l'utilisation des API, le traitement et le stockage des données, ainsi que la supervision humaine. La plupart des entreprises sous-estiment le coût total de l'IA, car elles ne prennent en compte que le niveau le plus visible, généralement les frais de calcul ou d'API, tandis que les autres s'accumulent discrètement en arrière-plan.

En décomposant ces différentes catégories, vous obtenez une vision plus claire de la répartition réelle des dépenses consacrées à l'IA :

• Informatique et infrastructure : L'utilisation de GPU ou de TPU, les heures d'instance cloud et toute capacité réservée pour l'entraînement ou l'inférence des modèles. Ces coûts varient considérablement selon que vous exécutez vos propres modèles ou que vous les utilisez en tant que service.
• Licences des modèles et utilisation des API : Frais d'abonnement, tarification au jeton ou frais par appel pratiqués par des fournisseurs d'IA tels qu'OpenAI, Google ou Microsoft. À grande échelle, les coûts liés à l'utilisation des API peuvent augmenter plus rapidement que le nombre d'utilisateurs.
• Traitement et stockage des données : Le coût lié à l'acquisition, au nettoyage, au stockage et à la récupération des données dont dépendent vos modèles d'IA. Cela inclut les bases de données vectorielles, le stockage des représentations vectorielles et l'infrastructure des pipelines de données.
• Supervision et opérations humaines : Le temps que vos ingénieurs, vos data scientists et votre personnel informatique consacrent à la gestion, à la surveillance et au réglage fin des systèmes d'IA. Cet aspect est souvent omis des calculs de coûts liés à l'IA, ce qui fausse le coût total de possession réel.

La compréhension de ces quatre niveaux constitue le point de départ de tout calcul pertinent des coûts liés à l'IA. Sans cette base, les indicateurs par utilisateur et par transaction sous-estimeront systématiquement vos dépenses réelles en matière d'IA.

Comment calcule-t-on le coût de l'IA par utilisateur ?

Le coût de l'IA par utilisateur est calculé en divisant le montant total de vos dépenses liées à l'IA sur une période donnée par le nombre d'utilisateurs actifs utilisant des fonctionnalités ou des outils basés sur l'IA au cours de cette même période. Le terme “ actif ” est ici essentiel : si vous comptez tous les utilisateurs enregistrés ou titulaires d'une licence plutôt que ceux qui génèrent réellement des charges de travail liées à l'IA, vous obtiendrez un chiffre qui sous-estime votre rentabilité unitaire réelle.

Voici à quoi ressemble une formule pratique :

• Étape 1 : Calculez le total des coûts liés à l'IA pour la période, y compris les coûts de calcul, les frais d'API, l'infrastructure de données, les licences et une part proportionnelle des coûts liés aux ressources humaines.
• Étape 2 : Définissez le terme “ utilisateur actif ” de manière cohérente, par exemple comme tout utilisateur ayant déclenché au moins une interaction assistée par l'IA au cours du mois.
• Étape 3 : Divisez le montant total des dépenses consacrées à l'IA par le nombre d'utilisateurs actifs.
• Étape 4 : Segmentez les données par service, gamme de produits ou cas d'utilisation afin d'identifier les domaines dans lesquels le coût de l'IA par utilisateur est élevé par rapport à la valeur générée par ces utilisateurs.

Ce chiffre prend tout son sens lorsqu’on le suit dans le temps et qu’on le compare d’une équipe à l’autre. Un coût de l’IA par utilisateur élevé au sein d’une équipe commerciale qui conclut nettement plus de contrats peut s’avérer tout à fait justifié. En revanche, ce même chiffre, dans un service d’assistance qui ne présente aucune amélioration mesurable de la productivité, indique une opportunité d’optimisation des coûts. Le coût par utilisateur est un indicateur de diagnostic, et non un verdict.

Comment calcule-t-on le coût de l'IA par transaction ?

Le coût de l'IA par transaction est calculé en divisant le montant total des dépenses liées à l'IA sur une période donnée par le nombre de transactions basées sur l'IA effectuées au cours de cette période. Dans ce contexte, une “ transaction ” désigne toute unité distincte et mesurable résultant de l'IA : un document traité, une demande client résolue, un contrôle anti-fraude effectué, une recommandation générée ou une suggestion de code acceptée.

Le défi consiste à définir précisément les limites de chaque transaction avant de procéder aux calculs. Des définitions de transaction ambiguës donnent lieu à des chiffres qui ne peuvent pas être comparés d'une période à l'autre ou d'une équipe à l'autre. Pour calculer avec précision le coût de l'IA par transaction :

• Définissez l'unité de transaction au niveau du cas d'utilisation, et non au niveau du système. Un même système d'IA peut prendre en charge plusieurs types de transactions présentant des profils de coûts très différents.
• Répartir les coûts d'infrastructure partagée de manière proportionnelle entre les différents types de transactions, en fonction de la consommation de ressources de calcul ou du volume d'appels.
• N'incluez les transactions ayant échoué ou ayant été rejetées dans votre dénominateur que si elles continuent à consommer des ressources d'IA, ce qui est généralement le cas.
• Suivez l'évolution du coût par transaction au fil du temps afin de déterminer si l'efficacité s'améliore à mesure que le volume augmente.

Bien structuré Pratiques FinOps vous fournir l'infrastructure de marquage, d'affectation et de reporting dont vous avez besoin pour ventiler les dépenses liées à l'IA par charge de travail, ce qui constitue une condition préalable à tout calcul fiable du coût par transaction.

Quelle est la différence entre le coût par transaction lié à l'IA et le coût par résultat commercial ?

Le coût de l'IA par transaction mesure ce que vous dépensez pour produire une unité de résultat issu de l'IA. Le coût de l'IA par résultat commercial mesure ce que vous dépensez pour obtenir un résultat qui présente un intérêt réel pour l'entreprise. La différence est importante : une transaction est une activité, tandis qu'un résultat commercial est une conséquence qui présente une valeur financière ou stratégique.

Par exemple, un modèle d’IA peut traiter 10 000 transactions de service client par mois, à un coût de deux euros chacune. Mais si seules 60% de ces transactions aboutissent à une résolution du problème sans intervention humaine, votre coût par résolution réussie est considérablement plus élevé que ne le laisse supposer votre coût par transaction. Et si chaque problème résolu permet de faire gagner un temps mesurable aux agents, vous pouvez alors commencer à calculer le coût par unité de valeur fournie plutôt que le coût par unité d’activité.

Le coût par résultat commercial est plus difficile à calculer, car il nécessite de définir ce que l’on entend par “ résultat ”, de déterminer si l’IA l’a réellement produit et de lui attribuer une valeur. C’est pourtant cet indicateur qui permet de justifier les décisions d’investissement dans l’IA auprès du conseil d’administration et de la direction financière. Le coût par transaction vous indique si votre IA fonctionne efficacement. Le coût par résultat commercial vous indique s’il vaut la peine de l’exploiter.

Comment établir un lien entre les dépenses consacrées à l'IA et des résultats commerciaux mesurables ?

Vous établissez un lien entre les dépenses consacrées à l'IA et les résultats commerciaux mesurables en mettant en place une chaîne de responsabilité qui s'étend des charges de travail individuelles liées à l'IA aux processus métier qu'elles soutiennent, puis aux résultats financiers ou opérationnels générés par ces processus. Cela nécessite trois éléments : une répartition cohérente des coûts, des indicateurs de résultats bien définis et une structure de gouvernance qui examine ces deux aspects conjointement.

Concrètement, cela signifie :

• Marquer les dépenses liées à l'IA au niveau des charges de travail : Chaque charge de travail liée à l'IA doit être accompagnée de métadonnées permettant d'identifier le processus métier qu'elle soutient, l'équipe responsable et le produit ou service auquel elle contribue. Sans cette rigueur en matière de balisage, il est impossible d'établir un lien entre les dépenses et les résultats, quel que soit le niveau de détail.
• Définir les indicateurs de résultats avant le déploiement : Chaque initiative en matière d'IA devrait s'accompagner d'un ensemble d'indicateurs de résultats définis au préalable, tels que la réduction du temps de traitement, l'augmentation du taux de conversion ou la diminution du taux d'erreur, qui servent de référence pour évaluer les coûts.
• Mettez en place un rythme régulier de révision : Les données relatives aux coûts et aux résultats doivent être examinées conjointement et de manière régulière, et pas uniquement lors des cycles budgétaires. C'est là que se recoupent les pratiques FinOps et de gestion financière des technologies de l'information : les mêmes principes qui permettent d'assurer la gouvernance des dépenses liées au cloud s'appliquent directement à la gestion des dépenses liées à l'IA.
• Intégrer les données de coûts issues de l'IA aux données relatives aux performances de l'entreprise : Le coût de l'IA par résultat n'apparaît clairement que lorsque vos rapports financiers sont reliés aux données opérationnelles. Cela nécessite généralement l'utilisation d'outils communs ou une intégration délibérée des données entre les équipes financières, informatiques et métier.

Le cadre « Technology Business Management » (TBM) offre ici une structure utile. Il établit un lien entre les coûts technologiques et les services et produits qu’ils permettent de fournir, puis, à partir de là, avec les capacités opérationnelles et les résultats qu’ils soutiennent. Appliquer cette même logique aux charges de travail liées à l’IA vous offre une méthode cohérente pour traduire les dépenses en IA en termes de valeur métier.

Quels outils et frameworks permettent de suivre les coûts liés à l'IA ?

Les outils et les cadres les plus utiles pour le suivi des coûts liés à l’IA associent des fonctionnalités de gestion des coûts du cloud à des structures de gouvernance financière capables de gérer le profil de coûts variables de l’IA, basé sur la consommation. Aucun outil ne résout à lui seul l’ensemble du problème, mais une combinaison judicieuse d’outils FinOps, de plateformes de gestion financière informatique et d’outils d’observabilité de l’IA permet de combler les principales lacunes.

Principales catégories à prendre en compte :

• Plateformes FinOps : Des outils tels qu’Apptio Cloudability permettent la répartition des coûts, fournissent des recommandations en matière d’optimisation des ressources et assurent la gestion des engagements auprès des différents fournisseurs de cloud. Ces plateformes peuvent être étendues pour suivre les charges de travail spécifiques à l’IA lorsque les politiques de balisage et de répartition sont correctement configurées. A Évaluation de la maturité FinOps constitue un bon point de départ pour identifier les lacunes de vos pratiques actuelles.
• Outils d'observabilité de l'IA : Les plateformes spécialement conçues pour la surveillance des charges de travail liées aux modèles de langage à grande échelle (LLM) et à l'IA, telles que LangSmith ou d'autres outils similaires, suivent l'utilisation des tokens, la latence et les performances des modèles au niveau de chaque appel. Elles fournissent les données détaillées qui servent de base aux calculs du coût par transaction.
• Plateformes de gestion financière informatique : Les plateformes alignées sur le TBM établissent une correspondance entre les coûts technologiques et les services métier ainsi que les résultats. L'intégration des données relatives aux coûts de l'IA dans une taxonomie TBM offre aux dirigeants une vue d'ensemble cohérente des dépenses liées à l'IA, parallèlement au reste du portefeuille informatique.
• Tableaux de bord personnalisés et pipelines de données : De nombreuses entreprises développent des outils internes pour croiser les données d'utilisation de l'IA fournies par les éditeurs avec les données financières issues de leur ERP ou de leurs systèmes comptables. Cela s'avère souvent nécessaire, car les outils prêts à l'emploi ne prennent pas encore entièrement en charge, dès leur installation, la répartition des coûts liés à l'IA.

Le cadre est tout aussi important que les outils. FinOps fournit le modèle opérationnel nécessaire à la gouvernance des coûts liés au cloud et à l'IA : les rôles, les pouvoirs décisionnels, la fréquence des actions et les structures de responsabilité qui permettent de transformer les données en décisions. Sans cette couche de gouvernance, même les meilleurs outils ne produisent que des rapports dont personne ne tient compte. Vous pouvez découvrir comment Mise en œuvre d'outils FinOps permet, dans la pratique, de comprendre à quoi ressemble, de bout en bout, un dispositif de suivi des coûts de l'IA soumis à une gouvernance.

Comment nous vous aidons à gérer et à calculer les coûts liés à l'IA

Nous collaborons avec de grandes entreprises pour mettre en place les structures de gouvernance financière et les outils nécessaires afin que les calculs de coûts liés à l'IA ne soient pas seulement visibles, mais aussi exploitables. Notre approche établit un lien direct entre les dépenses liées à l'IA et les résultats commerciaux grâce à une combinaison de pratiques FinOps, de cadres TBM et d'un accompagnement pratique à la mise en œuvre. Plus précisément, nous vous aidons à :

• Concevoir et mettre en œuvre une taxonomie de répartition des coûts qui prenne en compte les charges de travail liées à l'IA avec le niveau de granularité approprié, en couvrant la puissance de calcul, la consommation d'API, l'infrastructure de données et les frais généraux d'exploitation.
• Définissez des valeurs de référence pour les coûts par utilisateur et par transaction afin de pouvoir suivre l'économie unitaire de l'IA au fil du temps et la comparer entre les équipes et les cas d'utilisation.
• Intégrez les données relatives aux coûts de l'IA à vos rapports financiers généraux sur la gestion informatique, afin que la direction puisse appréhender les dépenses liées à l'IA dans le contexte de l'ensemble du portefeuille technologique.
• Mettre en place un rythme de gouvernance et des structures décisionnelles permettant de transformer la visibilité sur les coûts liés à l'IA en véritables décisions d'optimisation et d'investissement.
• Reliez les dépenses liées à l'IA à des indicateurs de résultats commerciaux bien définis, afin de permettre au service financier et au conseil d'administration de suivre clairement le parcours des investissements technologiques jusqu'à la création d'une valeur commerciale mesurable.

Si vous souhaitez passer d'un suivi des coûts liés à l'IA dans des tableurs à une gestion de ces coûts avec la même rigueur que celle que vous appliquez au reste de votre portefeuille informatique, contactez-nous et nous vous indiquerons par où commencer.