Quels sont les coûts indirects liés à l'IA qui sont souvent négligés par les équipes financières ?

Les équipes financières négligent le plus souvent les coûts indirects liés à l’IA, car les dépenses en la matière n’apparaissent pas sous la forme d’un poste budgétaire distinct. Au contraire, ils se répartissent entre l’infrastructure cloud, le stockage des données, les licences logicielles, les outils de sécurité et les coûts de personnel, qui figurent déjà dans d’autres catégories budgétaires. Ces coûts cachés peuvent facilement doubler, voire tripler, le coût apparent d’une initiative d’IA, rendant ainsi presque impossible toute planification budgétaire précise sans une approche structurée du coût total de possession de l’IA.

Les sections ci-dessous passent en revue les angles morts les plus courants, de l'infrastructure de données aux coûts de personnel inter-services, et vous expliquent comment les mettre en évidence avant qu'ils ne compromettent la rentabilité de votre investissement dans l'IA.

Pourquoi les coûts indirects liés à l'IA restent-ils masqués dans les budgets informatiques classiques ?

Les coûts indirects liés à l'IA restent cachés, car les budgets informatiques classiques sont organisés par système ou par service, et non par initiative. Lorsqu'un projet d'IA s'appuie sur des comptes cloud existants, des pipelines de données partagés et du temps de travail du personnel déjà affecté à d'autres tâches, aucune de ces dépenses n'apparaît dans une ligne budgétaire dédiée à l'IA. Le coût est bien réel, mais il est invisible pour quiconque examine le budget de l'extérieur.

Ce problème est structurel. La plupart des organisations établissent leurs budgets en s’appuyant sur des catégories de coûts stables et prévisibles : infrastructure, licences logicielles, effectifs et assistance. Les charges de travail liées à l’IA ne s’inscrivent clairement dans aucune de ces catégories. Elles sont dynamiques, basées sur la consommation et, par nature, transversales. Un seul modèle d’IA en production peut simultanément consommer de la puissance de calcul issue du budget « cloud », de l’espace de stockage issu du budget « plateforme de données » et du temps d’analyse issu du budget « intelligence d’affaires », sans que les responsables de ces budgets ne se rendent compte du lien entre eux.

Il en résulte que les équipes financières ne prennent en compte que les coûts d'acquisition directs des outils ou des plateformes d'IA. La catégorie bien plus vaste des coûts indirects liés à l'IA — à savoir les frais d'infrastructure, d'intégration, de gouvernance et de productivité qui permettent à l'IA de fonctionner — n'est pas prise en compte. Il ne s'agit pas d'un manque de rigueur financière, mais d'une lacune dans la manière dont les dépenses liées à l'IA sont classées et gérées.

Quels sont les coûts indirects liés à l'IA les plus souvent négligés ?

Les coûts indirects liés à l'IA les plus souvent négligés se répartissent en quatre catégories : l'infrastructure de données, l'intégration et les intergiciels, la sécurité et la conformité, ainsi que les ressources humaines. Chacun de ces postes figure déjà dans le budget avant même l'arrivée de l'IA, ce qui explique précisément pourquoi la contribution de l'IA à leur augmentation passe inaperçue.

• Stockage et traitement des données : Les modèles d'IA nécessitent de grands volumes de données propres et structurées. Le coût du stockage, du transfert et du traitement de ces données est pris en charge par les budgets alloués aux plateformes de données existantes, plutôt que d'être imputé à l'IA.
• Coûts d'intégration et d'API : L'intégration d'outils d'IA aux systèmes existants nécessite des intergiciels, des appels d'API et, souvent, un développement sur mesure. Ces coûts sont imputés aux budgets logiciels ou DevOps, et non aux dépenses liées à l'IA.
• Outils de sécurité et de conformité : Les systèmes d'IA imposent de nouvelles exigences en matière de gouvernance des données. Les mesures supplémentaires de surveillance, de contrôle d'accès et de journalisation des audits nécessaires pour répondre à ces exigences sont rarement imputées à l'initiative d'IA à l'origine de ce besoin.
• L'« IA fantôme » et l'adoption d'outils non gérés : Les équipes adoptent de leur propre chef des outils basés sur l'IA, souvent via des abonnements SaaS existants ou des comptes personnels. Ces coûts sont véritablement invisibles pour les services financiers centraux.
• Formation et gestion du changement : La formation du personnel pour lui permettre d'utiliser efficacement les outils d'IA nécessite du temps et des moyens financiers, mais relève généralement de la responsabilité des ressources humaines ou de la formation et du développement, plutôt que du programme d'IA lui-même.

Pris dans leur ensemble, ces coûts indirects dépassent souvent le coût direct de la plateforme ou du modèle d'IA lui-même. Les considérer comme des coûts liés à l'IA, plutôt que comme une augmentation générale des frais généraux, constitue la première étape vers une planification budgétaire précise en matière d'IA.

En quoi l'infrastructure de données gonfle-t-elle le coût réel de l'IA ?

L'infrastructure de données fait grimper le coût réel de l'IA, car les modèles d'IA sont, par nature, très gourmands en données. Chaque modèle nécessite que les données soient collectées, nettoyées, stockées, gérées par version et rendues accessibles rapidement. Chacune de ces étapes engendre un coût qui augmente proportionnellement à l'ambition de votre programme d'IA, et la majeure partie de ce coût est imputée à des budgets antérieurs à l'initiative d'IA.

Considérons ce qui se passe lorsqu’une organisation met en production une charge de travail d’IA. La consommation de stockage augmente, car le modèle a besoin de données d’entraînement, de données de validation et de journaux d’inférence continus. Les coûts de calcul augmentent, car le prétraitement des données et l’inférence du modèle s’exécutent en continu. Les frais de trafic sortant augmentent, car les données circulent entre les couches de stockage, les environnements de traitement et le point de terminaison du modèle. Aucun de ces postes ne porte la mention “ IA ” sur la facture.

La qualité des données constitue un autre facteur de coût caché. Les modèles d’IA produisent des résultats médiocres lorsqu’ils sont alimentés par des données incohérentes ou incomplètes. Pour remédier à cela, un travail d’ingénierie des données est nécessaire, ce qui implique du personnel supplémentaire ou du temps de travail de prestataires, de meilleurs outils et des délais de projet plus longs. Les équipes financières considèrent rarement ces coûts comme des coûts liés à l’IA, car ce travail est effectué par les équipes chargées des données, dont les budgets existaient bien avant le lancement du programme d’IA.

C'est là que Pratiques FinOps aller au-delà de la simple gestion des coûts du cloud. En appliquant à votre infrastructure de données d'IA la même visibilité au niveau de la consommation que celle apportée par le FinOps aux dépenses liées au cloud, vous pouvez identifier précisément quelles charges de travail sont à l'origine de la croissance des besoins en stockage et en puissance de calcul, et attribuer ces coûts à l'initiative correspondante.

Quels sont les coûts cachés liés au personnel et à la productivité qui découlent de l'adoption de l'IA ?

Les coûts liés au personnel et à la productivité comptent parmi les composantes les plus importantes et les moins visibles du coût total de possession de l'IA. Ils englobent le temps que le personnel consacre à l'apprentissage de nouveaux outils, à l'adaptation des flux de travail, à la validation des résultats générés par l'IA et à la gestion des exigences de gouvernance qu'implique l'IA. Ces coûts sont bien réels, mais apparaissent rarement dans la planification budgétaire consacrée à l'IA, car ils sont absorbés par les capacités existantes des équipes.

Plusieurs catégories de coûts liés au personnel ne font systématiquement l'objet d'aucun suivi :

• Durée de la validation des résultats : Les outils d'IA ne remplacent pas le contrôle humain. Dans les secteurs réglementés en particulier, le personnel doit vérifier les résultats générés par l'IA avant qu'ils ne soient mis en œuvre. Cela prend du temps, qui n'est pas pris en compte dans le coût de l'IA.
• Conception rapide et configuration des outils : Pour obtenir des résultats utiles à partir des outils d'IA, il faut faire preuve de compétences et procéder par itérations. Le temps que les employés consacrent à l'acquisition de ces compétences constitue un investissement dans le programme d'IA, mais il se traduit par une baisse de productivité dans d'autres domaines.
• Rôles en matière de gouvernance et de contrôle : À mesure que l'utilisation de l'IA prend de l'ampleur, les organisations ont besoin de personnel pour gérer les performances des modèles, surveiller les biais ou les dérives et tenir à jour les pistes d'audit. Ces responsabilités incombent souvent au personnel existant, sans qu'aucune dotation budgétaire officielle ne soit prévue à cet effet.
• Gestion du changement et accompagnement à l'adoption : Le déploiement d'outils d'IA sans accompagnement structuré à la mise en œuvre entraîne une faible utilisation et un gaspillage des investissements. Le coût d'une mise en œuvre adéquate (communication, formation et accompagnement) n'est presque jamais imputé au programme d'IA.

L'impact sur la productivité est à double tranchant. L'adoption de l'IA peut entraîner des baisses de productivité à court terme, le temps que les équipes s'adaptent, tandis que les gains escomptés mettent du temps à se concrétiser. Les équipes financières qui ne tiennent pas compte de cette période de transition verront leurs calculs de retour sur investissement (ROI) liés à l'IA s'avérer moins bons que prévu dès la première année, même si le programme est en bonne voie.

Comment les équipes financières peuvent-elles mettre en évidence les coûts liés à l'IA qui concernent plusieurs services ?

Les équipes financières peuvent mettre en évidence les coûts liés à l'IA à l'échelle de l'entreprise en mettant en place une taxonomie commune des coûts qui identifie les dépenses liées à l'IA au moment de leur engagement, quel que soit le budget auquel elles sont imputées. Cela nécessite une collaboration entre les services financiers, informatiques et les unités opérationnelles menant des initiatives d'IA, ainsi qu'une gouvernance qui fasse de l'imputation des coûts une pratique systématique plutôt qu'un exercice ponctuel.

Voici comment cela se passe concrètement :

1. Définir l'IA comme une catégorie de coûts : Convenir de ce qui est considéré comme une dépense liée à l'IA au sein de l'organisation. Cela inclut les coûts directs liés aux outils, mais aussi l'infrastructure de données, les travaux d'intégration, les frais généraux liés à la sécurité et le temps de travail du personnel directement imputable aux programmes d'IA.
2. Utilisez un système de balisage cohérent : Dans les environnements cloud, utilisez des balises de ressources pour identifier les charges de travail liées à l'IA. Dans les systèmes de gestion de projet et de gestion financière, utilisez un code de coût uniforme pour les initiatives d'IA afin de pouvoir regrouper le temps et les dépenses au niveau inter-services.
3. Assurer une visibilité interfonctionnelle : Créez une vue de reporting partagée qui regroupe les coûts liés au cloud, aux licences logicielles et aux ressources humaines dans le cadre du programme d'IA. Cela nécessite un partage des données entre les systèmes financiers, informatiques et RH, ce qui constitue autant un défi de gouvernance qu'un défi technique.
4. Procédez à des révisions régulières, et pas seulement pendant le cycle budgétaire : Les coûts liés à l'IA sont variables. Les frais liés à la consommation peuvent grimper de manière inattendue. Un rythme de revue mensuel ou trimestriel incluant un suivi des coûts liés à l'IA aide les équipes à détecter la hausse des coûts avant qu'elle ne devienne un problème budgétaire.

Le défi sous-jacent réside dans le fait que les coûts liés à l’IA s’apparentent davantage à ceux du cloud qu’à ceux de l’informatique traditionnelle. Ils sont variables, liés à la consommation et partagés entre les équipes. Le modèle de gouvernance qui fonctionne pour les licences logicielles fixes ne s’applique pas aux coûts d’infrastructure liés à l’IA. Les entreprises qui considèrent la gestion des coûts de l’IA comme un prolongement de leurs pratiques de gestion financière du cloud auront beaucoup plus de facilité à maintenir une bonne visibilité à mesure que leurs programmes d’IA prendront de l’ampleur.

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

Nous aidons les entreprises à passer de la visibilité des coûts à la maîtrise des coûts pour l'ensemble de leurs investissements dans l'IA et le cloud. Grâce à nos services FinOps, nous vous fournissons la structure, les outils et la gouvernance nécessaires pour suivre les dépenses liées à l'IA, quel que soit leur emplacement dans votre budget, et pas uniquement dans la ligne budgétaire dédiée aux outils d'IA.

Plus précisément, nous vous accompagnons dans les domaines suivants :

• Répartition complète des coûts entre les charges de travail cloud et IA, y compris les frais liés au calcul, au stockage, au transfert de données et à l'assistance, qui sont généralement invisibles dans les rapports standard
• Conception du système de balisage et de la taxonomie afin que les dépenses liées à l'IA soient systématiquement identifiées et imputées à l'ensemble des services et des centres de coûts
• Gouvernance transversale qui permet d'aligner les équipes financières, informatiques et d'ingénierie autour d'une responsabilité partagée concernant les coûts et les résultats liés à l'IA
• Intégration avec Technology Business Management (TBM) pour relier les coûts liés à l'infrastructure d'IA aux services et initiatives métier qu'elle soutient, offrant ainsi à la direction une vision claire du coût total de possession de l'IA
• Évaluation du niveau de maturité FinOps comme point de départ concret, afin que vous puissiez évaluer où en est actuellement votre pratique de gestion financière basée sur le cloud et l'IA, et identifier les améliorations les plus pertinentes

Si vous souhaitez connaître le coût réel de vos programmes d'IA pour votre entreprise et mettre en place une gouvernance permettant de maintenir cette visibilité à mesure que l'adoption de l'IA se développe, contactez-nous et nous vous indiquerons par où commencer.