Comment faire la distinction entre les dépenses utiles en matière d'IA et celles qui constituent un gaspillage ?

Pour distinguer les dépenses utiles en IA du gaspillage en matière d’IA, il suffit de se poser une question : cette initiative en IA produit-elle un résultat mesurable qui justifie son coût ? Les investissements utiles en IA réduisent les heures de travail, accélèrent la prise de décision, améliorent les résultats pour les clients ou génèrent du chiffre d’affaires. Le gaspillage en matière d’IA, en revanche, consiste à consacrer des budgets à des outils qui fonctionnent en arrière-plan, font double emploi avec des capacités existantes ou fournissent des résultats dont personne ne tient compte. Les sections ci-dessous expliquent comment identifier le gaspillage, suivre les dépenses, mesurer le retour sur investissement et élaborer une analyse de rentabilité afin de prendre des décisions d’investissement plus judicieuses en matière d’IA.

Qu'est-ce qui fait qu'un investissement dans l'IA est véritablement rentable plutôt que inutile ?

Un investissement dans l'IA n'est véritablement rentable que s'il génère un résultat commercial quantifiable supérieur à son coût total, qui inclut les frais de licence, d'intégration, de ressources informatiques, de maintenance et les efforts humains nécessaires à son exploitation. On parle de dépenses inutiles en matière d'IA lorsque des outils sont déployés sans cas d'utilisation défini, sans être adoptés, ou sans que personne ne vérifie si les résultats obtenus modifient les comportements ou les résultats.

La distinction ne porte pas sur la technologie en soi, mais sur la gouvernance et l'intention. Un outil d'IA générative qui résume des rapports est utile s'il permet aux décideurs de gagner un temps considérable et si ce temps est réaffecté à des tâches à plus forte valeur ajoutée. Ce même outil est inutile si les analystes produisent des résumés que personne ne lit.

Trois critères permettent de distinguer de manière fiable ce qui a de la valeur de ce qui est inutile :

• Un responsable du problème clairement désigné. Une personne au sein de l'entreprise s'est engagée à utiliser les résultats générés par l'IA pour prendre une décision ou mener à bien une tâche plus rapidement et plus efficacement.
• Une référence à laquelle se comparer. Vous connaissez le coût ou la durée du processus avant la mise en place de l'IA, ce qui vous permet de mesurer la différence.
• Une boucle de rétroaction. L'équipe qui utilise cet outil vérifie régulièrement s'il reste performant et peut, le cas échéant, le faire remonter à un niveau supérieur ou le mettre hors service s'il ne l'est plus.

Sans ces trois éléments, les dépenses consacrées à l'IA risquent, au mieux, de n'avoir qu'un caractère exploratoire et, au pire, d'être un gaspillage.

Quels sont les signes les plus courants d'un gaspillage lié à l'IA dans les services informatiques des entreprises ?

Les signes les plus courants d'un gaspillage lié à l'IA dans les services informatiques des entreprises sont les faibles taux d'adoption, la duplication des outils, les coûts non affectés et les résultats de l'IA qui ne sont intégrés à aucune prise de décision ni à aucun flux de travail. Ces phénomènes passent souvent inaperçus, car les coûts liés à l'IA sont dispersés entre les factures de cloud, les abonnements logiciels et les budgets d'ingénierie internes, au lieu d'être regroupés en un seul endroit.

Soyez attentifs à ces signes avant-coureurs spécifiques :

• Prolifération de l'IA « fantôme ». Certaines équipes ou certains services acquièrent des outils d'IA de leur propre chef, ce qui entraîne des chevauchements de fonctionnalités sans supervision centrale.
• Coûts liés aux ressources de calcul IA non identifiées ou non affectées. Les dépenses liées au cloud pour les charges de travail d'IA ne peuvent pas être attribuées à une équipe, un produit ou un résultat commercial spécifique.
• Paralysie du pilote. Les projets pilotes d'IA se prolongent pendant des mois sans qu'aucune décision claire ne soit prise, grignotant ainsi le budget et le temps des ingénieurs sans aboutir à une mise en production ni être abandonnés.
• Licences inutilisées. Les abonnements aux logiciels d'IA sont actifs, mais le taux d'utilisation des licences est faible, souvent parce que ces outils ont été achetés à titre spéculatif ou sans que la gestion du changement ait été correctement mise en place.
• Absence de structure de responsabilité. Il n'y a pas de responsable désigné chargé de vérifier si un investissement dans l'IA porte ses fruits ; par conséquent, personne ne signale le problème lorsque ce n'est pas le cas.

Ces problèmes reflètent les défis plus généraux liés à la gestion des coûts du cloud. Les coûts apparaissent bien sur une facture, mais en l'absence de responsabilité et de gouvernance, cette simple visibilité ne suffit pas à susciter une réaction.

En quoi la gestion financière informatique permet-elle de suivre les dépenses liées à l'IA ?

La gestion financière des technologies de l'information (ITFM) permet de suivre les dépenses liées à l'IA en créant une taxonomie structurée qui associe chaque coût lié à l'IA — qu'il s'agisse de ressources de calcul dans le cloud, de licences logicielles ou de main-d'œuvre interne — à un service métier, un produit ou un résultat. Sans cette structure, les coûts liés à l'IA sont invisibles au sein des budgets informatiques globaux, ce qui rend impossible l'évaluation de la rentabilité de chaque investissement.

ITFM apporte plusieurs fonctionnalités pratiques au suivi des coûts liés à l'IA. Il répartit les coûts d'infrastructure partagée, tels que la puissance de calcul des GPU ou les API de modèles partagés, entre les équipes et les produits qui les utilisent. Il permet la facturation et la refacturation, afin que les unités opérationnelles puissent comprendre le coût réel des capacités d'IA qu'elles utilisent. Enfin, il établit la base de référence financière nécessaire au calcul du retour sur investissement (ROI) lorsque l’on compare les coûts des processus avant et après la mise en œuvre de l’IA.

Lorsque l'ITFM est intégré à un Pratique FinOps, vous ajoutez une visibilité en temps réel sur les coûts du cloud à la structure financière. Cette combinaison s’avère particulièrement utile pour les charges de travail d’IA exécutées sur une infrastructure cloud, où les coûts de calcul peuvent connaître des pics imprévisibles lors de l’entraînement des modèles ou de l’inférence à grande échelle. Ensemble, l’ITFM et le FinOps fournissent aux responsables informatiques des informations exploitables pour la prise de décision, plutôt qu’un simple rapport sur les dépenses engagées.

Quels indicateurs faut-il utiliser pour mesurer le retour sur investissement de l'IA ?

Pour mesurer le retour sur investissement (ROI) de l'IA, il convient de suivre le rapport entre les avantages commerciaux mesurables et le coût total de possession sur une période donnée. Les indicateurs de bénéfices varient selon les cas d'utilisation, mais les indicateurs de coûts restent les mêmes : ils comprennent les coûts de calcul, les licences, l'intégration, la maintenance, ainsi que le coût imputable au temps de travail consacré à l'exploitation et à la gestion de l'outil.

Du côté des avantages, les indicateurs les plus utiles se répartissent en trois catégories :

• Indicateurs de performance : Gain de temps par processus, réduction des taux d'erreur, diminution de la durée d'exécution d'une tâche ou d'une prise de décision.
• Indicateurs financiers : Chiffre d'affaires influencé par les recommandations basées sur l'IA, économies réalisées grâce à l'automatisation des décisions, réduction des effectifs nécessaires à un processus.
• Indicateurs de qualité : Amélioration de la précision des résultats, des indices de satisfaction client ou de la cohérence des décisions lorsque l'IA vient en renfort au jugement humain.

Une approche pratique consiste à effectuer des mesures au niveau des cas d'utilisation plutôt qu'au niveau des outils. Une même plateforme d'IA peut prendre en charge cinq cas d'utilisation différents présentant des profils de retour sur investissement très variés. Évaluer la plateforme dans son ensemble ne permet pas de distinguer clairement les cas d'utilisation qui sont rentables de ceux qui ne le sont pas. Une mesure granulaire vous fournit les données nécessaires pour miser davantage sur ce qui fonctionne et abandonner ce qui ne fonctionne pas.

Pour assurer un suivi cohérent de ces indicateurs, il est également indispensable que les coûts liés à l'IA soient correctement imputés dès le départ. Si vous ne pouvez pas attribuer les coûts de calcul et de licence à un cas d'utilisation spécifique, vous ne pouvez pas calculer un retour sur investissement pertinent pour ce cas d'utilisation.

Faut-il traiter les coûts liés à l'IA différemment des autres coûts informatiques ?

Les coûts liés à l'IA devraient s'inscrire dans le même cadre de gouvernance financière que les autres coûts informatiques, mais ils nécessitent une attention particulière dans trois domaines : la variabilité de la consommation, la responsabilité interfonctionnelle et le rythme d'évolution des outils et des capacités. Considérer l'IA comme une catégorie à part, hors du cadre standard de la gestion financière informatique, crée des angles morts et rend plus difficile l'établissement des responsabilités.

La question de la variabilité de la consommation est importante. Contrairement à une licence logicielle fixe, les coûts de calcul liés à l’IA, en particulier pour l’IA générative ou l’inférence sur des modèles de grande taille, peuvent fluctuer considérablement en fonction des habitudes d’utilisation. Cela complique les prévisions et rend le suivi des coûts en temps réel d’autant plus important. Les mêmes principes qui une évaluation de la maturité FinOps Ces principes s'appliquent à la gestion des coûts du cloud : le marquage, l'affectation, l'optimisation des ressources et les achats basés sur des engagements.

Le défi de la responsabilité transversale est également particulièrement aigu dans le domaine de l’IA. Une équipe de science des données peut développer le modèle, une équipe d’ingénieurs peut le déployer, une unité opérationnelle peut l’utiliser, et le service financier peut en suivre le coût, mais aucun de ces groupes n’a une vision globale de la situation. Établir une responsabilité claire et un rythme décisionnel commun à toutes ces fonctions n’est pas un simple atout. C’est le mécanisme qui permet de transformer les dépenses liées à l’IA d’un centre de coûts en un investissement maîtrisé.

Comment les responsables informatiques peuvent-ils élaborer une analyse de rentabilité visant à réduire le gaspillage lié à l'IA ?

Les responsables informatiques peuvent élaborer une analyse de rentabilité visant à réduire le gaspillage lié à l'IA en quantifiant le coût de ce gaspillage, en identifiant les lacunes de gouvernance qui en sont à l'origine et en proposant une approche structurée pour en assurer le suivi continu. Cette analyse de rentabilité n'a pas besoin d'être complexe, mais elle doit établir un lien entre les dépenses consacrées à l'IA et les résultats opérationnels, dans un langage compréhensible par le conseil d'administration et la direction financière.

Une structure pratique pour l'analyse de rentabilité comprend quatre éléments :

1. État actuel des coûts. Répertoriez toutes les dépenses liées à l'IA, y compris les ressources de calcul dans le cloud, les licences SaaS et le temps de travail des ingénieurs en interne. Déterminez quels coûts peuvent être rattachés à un résultat commercial spécifique et lesquels ne le peuvent pas.
2. Quantification des déchets. Évaluez la valeur des licences inutilisées, des ressources informatiques sous-utilisées et des projets pilotes qui n'ont pas abouti. Même les estimations prudentes s'avèrent souvent importantes lorsque des outils d'IA ont été adoptés sans supervision centrale.
3. Proposition relative à la gouvernance. Définissez le modèle de responsabilité, la fréquence des prises de décision et les pratiques de gestion financière nécessaires pour éviter que le gaspillage ne se reproduise. Cela ne nécessite pas une équipe nombreuse, mais exige des rôles clairement définis et un processus de révision régulier.
4. Résultat attendu. Précisez les économies prévues et le délai dans lequel elles pourront être réalisées. Indiquez que la structure de gouvernance est le mécanisme qui garantit la pérennité de ces économies, et qu'il ne s'agit pas d'une mesure ponctuelle.

Les analyses de rentabilité les plus convaincantes présentent l'optimisation des coûts liés à l'IA non pas comme une réduction des dépenses, mais comme une réaffectation du budget, passant de dépenses à faible valeur ajoutée vers des initiatives à forte valeur ajoutée dans le domaine de l'IA. Cette approche trouve un écho favorable auprès des conseils d'administration et des directeurs financiers, car elle favorise l'innovation plutôt que de la freiner.

Comment nous vous aidons à transformer vos investissements dans l'IA en valeur mesurable

Chez It’s Value, nous aidons les responsables informatiques et les DSI à mettre en place une structure de gouvernance financière qui rend les dépenses liées à l’IA transparentes, justifiables et optimisées. Notre approche associe la gestion financière informatique aux principes du FinOps afin de vous offrir une vision complète de l’affectation de votre budget IA et de vous permettre d’évaluer si celui-ci porte ses fruits.

Plus précisément, nous vous accompagnons dans les domaines suivants :

• Répartition complète des coûts pour les charges de travail liées à l'IA, notamment le calcul dans le cloud, l'infrastructure partagée et les licences logicielles, en lien avec les services métier et les résultats attendus.
• Pratiques FinOps pour le calcul IA, notamment le redimensionnement, la gestion des étiquettes et les achats basés sur des engagements, afin de réduire la variabilité et les dépassements budgétaires.
• Conception d'une gouvernance transversale, harmoniser les équipes financières, informatiques, d'ingénierie et commerciales autour d'une responsabilité partagée dans les décisions d'investissement en matière d'IA.
• Des rapports prêts à servir de base à la prise de décision, afin que les dirigeants puissent évaluer le retour sur investissement de l'IA au niveau des cas d'utilisation et prendre des décisions éclairées quant aux domaines dans lesquels investir, développer ou mettre fin à une initiative.
• Intégration avec Technology Business Management (TBM), intégrer les données relatives aux coûts de l'IA dans votre cadre global de gestion financière informatique afin de prendre des décisions stratégiques concernant votre portefeuille.

Si vous souhaitez savoir où vont vos dépenses en matière d'IA et quels investissements sont réellement rentables, contactez-nous pour discuter de la manière de s'y prendre.