Coût de l'IA en entreprise : vous ne payez pas l'IA trop cher, vous l'achetez mal.
Le coût de l'IA en entreprise n'est pas une fatalité technique. C'est un choix d'achat, et la plupart des entreprises le font les yeux fermés.
Il y a deux catégories d'entreprises en 2026.
Celles qui ont "fait de l'IA". Elles ont branché ChatGPT sur trois workflows, automatisé deux mails de relance, et mis "IA" dans leur plaquette commerciale.
Le DSI est content parce qu'il a coché la case. Le DG est content parce qu'il peut en parler au dîner du MEDEF. Et le DAF est content parce que… en fait non, le DAF n'est pas content du tout, parce que la facture OpenAI commence à ressembler à un abonnement premium dont personne ne sait exactement ce qu'il couvre.
Et puis il y a celles qui ont compris que l'IA, ce n'est pas un outil. C'est un marché. Avec ses fournisseurs, ses cours, ses marges, ses arbitrages. Et que comme tout marché, celui qui achète sans comparer, sans négocier, sans comprendre la structure de coûts, celui-là se fait tondre.
Devinez dans quelle catégorie vous êtes.
Un token, c'est quoi ? La brique qui détermine le coût de l'IA
Un token est un fragment de mot, l'unité que les modèles d'IA découpent pour lire et écrire. En français, comptez environ 100 tokens pour 75 mots.
C'est aussi l'unité de facturation. Chaque requête envoyée à un modèle consomme des tokens en entrée (votre question, vos documents) et en sortie (la réponse). Vous ne payez pas un abonnement, vous payez au volume. Et plus le modèle est gros, plus le token coûte cher.
Retenez cette phrase, tout le reste en découle.
Le réflexe hyperscaler : pourquoi le coût de l'IA explose sans que personne ne le voie
Aujourd'hui, quand une entreprise veut "faire de l'IA", le parcours est quasi pavlovien : on va chez OpenAI, chez Google, chez Anthropic ou chez Microsoft, on sort la carte bleue, et on branche l'API du plus gros modèle disponible sur tout et n'importe quoi.
Besoin de résumer un mail ? Le modèle frontier. Traduire une notice technique de 3 pages ? Le modèle frontier. Classer des tickets de support en trois catégories ? Le modèle frontier. Générer un accusé de réception ? Le modèle frontier.
C'est comme prendre un Airbus A380 pour faire Lyon-Genève. Ça fonctionne. C'est juste absurde.
Le problème n'est pas que ces modèles soient mauvais, ils sont excellents. Le problème, c'est qu'on utilise un modèle à plusieurs centaines de milliards de paramètres pour des tâches qu'un modèle cinquante fois plus léger ferait aussi bien, en plus vite, et pour une fraction du coût.
Et personne ne pose la question. Parce que personne ne comprend la structure de coûts, ou ne s'y intéresse.
Anatomie d'une facture d'API : comment se calcule le coût de l'IA en entreprise
Petite parenthèse pour ceux qui n'ont jamais ouvert leur facture d'API, c'est-à-dire à peu près tout le monde. Le même réflexe que pour le coût réel d'une démarche de certification : tant qu'on ne détaille pas la ligne, on croit que le prix est le prix.
Le calcul, sur un cas concret
Une entreprise de 500 personnes qui utilise l'IA pour trois cas d'usage classiques : résumer des comptes rendus de réunion, traduire de la documentation technique, et trier des mails de support entrants.
Si elle fait tout passer par un modèle frontier chez un hyperscaler, elle paie de l'ordre de 5 dollars par million de tokens en entrée et 15 en sortie. Sur un volume réaliste de 50 millions de tokens par mois, et c'est modeste pour 500 utilisateurs, ça fait dans les 500 à 800 dollars mensuels. Mettons 8 000 à 10 000 dollars par an.
Pas la mort, me direz-vous.
Sauf que 70 % de ces requêtes, la traduction, le tri, le résumé basique, n'ont pas besoin d'un modèle frontier. Un petit modèle open source hébergé en interne, ou un modèle intermédiaire via un broker, ferait le même travail pour 10 à 20 fois moins cher sur ces tâches-là. On parle de passer de 8 000 à 1 500 dollars par an pour les mêmes résultats. Sur une ETI de 2 000 personnes, l'écart se chiffre en dizaines de milliers d'euros.
Les trois coûts que la facture ne montre pas
La latence, d'abord : un gros modèle répond plus lentement, et vos utilisateurs le sentent. La dépendance à un fournisseur unique, ensuite. Et le fait que vos données transitent systématiquement par des serveurs américains. On y revient plus bas.
Brokers d'IA : le marché qui peut diviser votre facture par dix
Pendant que vous signez votre contrat enterprise chez OpenAI les yeux fermés, un écosystème entier s'est structuré autour d'une idée simple : tous les usages ne méritent pas le même modèle, et tous les modèles ne méritent pas le même prix.
Bienvenue dans le monde des brokers d'IA.
Le routage intelligent, tâche par tâche
Le concept est limpide : au lieu de vous marier avec un seul fournisseur, vous passez par une plateforme qui vous donne accès à des dizaines de modèles, propriétaires comme open source, et qui route vos requêtes vers le modèle le plus adapté en fonction de la tâche, de la performance attendue et du coût.
Vous avez besoin de raisonnement complexe sur un document juridique de 40 pages ? Le broker envoie ça vers un modèle frontier. Un résumé de mail de 3 lignes ? Un petit modèle open source à 0,10 dollar le million de tokens s'en charge. Classification de tickets ? Un modèle fine-tuné spécialisé qui coûte des clopinettes et qui est plus précis que le généraliste à 200 milliards de paramètres.
C'est du routage intelligent. Et c'est exactement ce que fait n'importe quel acheteur malin dans n'importe quel autre secteur : on ne commande pas le même fournisseur pour des trombones et pour des serveurs.
Le compute réservé, pour en finir avec la facture surprise
Certaines plateformes vont plus loin et proposent d'acheter du temps d'exécution à l'avance, du compute réservé comme on achèterait des instances réservées chez AWS. Vous savez que vous allez consommer un certain volume de tokens par mois ? Vous pré-achetez de la capacité à prix négocié. Ça vous donne de la prévisibilité budgétaire et ça casse la logique du pay-as-you-go où la facture est une surprise chaque fin de mois.
Deuxième bénéfice, moins évident et pourtant décisif : vous cessez de dépendre d'un fournisseur unique.
Le bénéfice que personne ne calcule : sortir du fournisseur unique
Pour un acteur financier soumis au règlement DORA, ce n'est plus une préférence d'architecte, c'est une exigence : le risque de concentration fournisseur y figure noir sur blanc.
Auto-héberger ses modèles : le levier de coût que tout le monde écarte trop vite
Et puis il y a l'option que tout le monde écarte d'un revers de main parce qu'elle fait peur : héberger ses propres modèles.
"Auto-héberger de l'IA ? Mais on n'est pas Google !"
Non. Mais vous n'avez pas besoin d'être Google. Vous avez besoin d'un serveur avec un GPU correct et d'un modèle open source bien choisi. Pas un monstre à 70 milliards de paramètres, un modèle taillé pour votre usage.
Les usages où le petit modèle spécialisé gagne
Vous faites de la traduction technique ? Un modèle de 7 milliards de paramètres fine-tuné sur votre terminologie métier fera mieux qu'un modèle généraliste sur vos documents, parce qu'il connaîtra vos termes, vos abréviations, votre jargon. Et il tournera sur une machine que vous contrôlez, dans vos locaux ou chez un hébergeur français.
Vous classifiez des documents ? Vous extrayez des données de factures ? Vous générez des réponses types pour votre support ? Autant d'usages où un petit modèle spécialisé, hébergé chez vous, surpasse le généraliste du cloud américain. En performance, en coût, et en maîtrise.
Ce que coûte vraiment un serveur GPU
Le coût d'une infrastructure d'inférence dédiée pour une PME, c'est de l'ordre de 500 à 1 500 euros par mois pour un serveur GPU capable de faire tourner un modèle 7B en production. Sur un an, vous êtes à 10 000 ou 18 000 euros, mais avec des coûts marginaux quasi nuls une fois le serveur en place. Chaque requête supplémentaire ne vous coûte que de l'électricité. Comparez ça au modèle au token des hyperscalers, où pour chaque requête additionnelle vous sortez la CB.
Ce raisonnement, nous l'avons tenu pour nous-mêmes. Notre plateforme GRC HUBSIO est hébergée en France, et ce n'était pas un argument marketing au départ, c'était une contrainte de cohérence.
Souveraineté des données : le coût caché que votre DPO finira par payer
On en arrive au sujet qui fâche. Ou plutôt au sujet qu'on évite soigneusement en réunion parce qu'il est "compliqué" et qu'il "ralentit les projets".
La souveraineté des données.
Quand Suzie, oui, elle revient (voir notre article sur la sécurité mobile en entreprise), envoie un compte rendu de réunion client à l'API d'un hyperscaler pour le résumer, ce document traverse l'Atlantique, atterrit sur des serveurs américains, et est soumis au Cloud Act. Ça veut dire que le gouvernement américain peut théoriquement y accéder. Et si vous êtes dans un secteur régulé, santé, finance, défense, juridique, "théoriquement" n'est pas un mot qui rassure votre DPO.
Le réflexe "on envoie tout chez l'hyperscaler" pose un problème de gouvernance qu'aucune checkbox RGPD ne résout vraiment. C'est précisément le rôle d'un cadre structuré comme le SMIA de la norme ISO 42001 : décider en amont ce qui part et ce qui reste, plutôt que de le découvrir en audit.
Classer ses données avant de router ses requêtes
La bonne approche, c'est de traiter l'IA comme on traite, ou comme on devrait traiter, n'importe quelle brique de son SI : avec une classification des données et un routage en conséquence.
Les données sensibles, contrats clients, données RH, documents financiers, ne devraient jamais quitter votre périmètre. Elles se traitent en local, sur un modèle hébergé chez vous ou chez un hébergeur souverain. Les données non sensibles, traduction d'un article de blog, génération d'un brouillon de post LinkedIn, peuvent partir vers l'API d'un hyperscaler sans que personne ne perde le sommeil.
C'est du bon sens. C'est exactement ce qu'on fait, ou qu'on devrait faire, avec le stockage cloud. Mais avec l'IA, on a oublié de se poser la question. Parce que l'IA c'est "nouveau", c'est "stratégique", c'est "urgent", et l'urgence est l'ennemie de la gouvernance.
C'est aussi la raison pour laquelle nous accompagnons nos clients sur la gouvernance de l'IA, AI Act et ISO 42001 : le sujet arrive toujours par la porte du coût, et repart par celle de la conformité.
Les vrais gains de l'IA : arrêtez de parler de transformation, parlez de marge
On va faire simple. Les gains de l'IA pour une entreprise, ce n'est pas de la "transformation digitale". C'est de la marge.
L'exercice à faire faire à votre comité de direction
Prenez vos 10 tâches les plus consommatrices de temps humain sur des activités à faible valeur ajoutée. Traduction, résumé, tri, classification, extraction de données, reformulation, réponses types, mise en forme. Chiffrez le coût humain annuel de ces tâches. Puis chiffrez le coût IA pour les accomplir.
Dans la grande majorité des cas, le ratio est de 1 à 10. Pas parce que l'IA est magique, mais parce que ces tâches sont répétitives, normées, et ne nécessitent pas de jugement humain. Elles nécessitent du traitement de texte à grande échelle. Et ça, c'est exactement ce que l'IA fait de mieux.
Un cas chiffré : 150 000 euros de marge récupérés
Un cabinet de 80 personnes qui traduit et reformule des documents réglementaires. Trois personnes à temps plein sur cette tâche, coût chargé : environ 180 000 euros par an.
On met en place un modèle spécialisé hébergé en interne, fine-tuné sur leur corpus. Coût annuel tout compris (infra, maintenance, supervision humaine) : 25 000 euros. Les trois personnes ne disparaissent pas, elles montent en compétence sur de la relecture experte et du contrôle qualité. L'entreprise gagne 150 000 euros de marge opérationnelle et améliore la qualité de ses livrables.
Ce n'est pas de la "disruption". C'est de la bonne gestion.
Reprendre la main sur le coût de votre IA : arrêtez de subir, commencez à acheter
Le marché de l'IA n'est plus un marché de pionniers. C'est un marché de commodités en formation. Les modèles se multiplient, les performances convergent, les prix baissent. Et comme dans tout marché qui mature, l'avantage va à ceux qui savent acheter, pas à ceux qui savent cliquer sur "Subscribe".
Ça veut dire quoi concrètement ?
Ça veut dire auditer vos usages avant de sortir la carte bleue, avec la même rigueur qu'un audit de maturité cyber. Ça veut dire dimensionner vos modèles à vos besoins réels. Ça veut dire comparer, arbitrer, mixer les fournisseurs. Ça veut dire envisager l'auto-hébergement là où c'est pertinent. Ça veut dire intégrer l'IA dans votre politique de données, pas à côté.
Pendant que certains vous vendent des "workflows IA révolutionnaires" qui sont en réalité trois appels API collés avec du scotch et un Zapier, d'autres structurent leur approche, maîtrisent leurs coûts et transforment l'IA en avantage compétitif réel.
La question n'est plus "est-ce qu'on fait de l'IA". La question, c'est : est-ce qu'on la subit ou est-ce qu'on l'achète intelligemment ?
Et si la réponse vous semble floue, c'est probablement que vous êtes encore en train de payer vos tokens au prix du caviar.
Coût de l'IA en entreprise : les questions qu'on nous pose
Combien coûte l'IA pour une PME de 100 personnes ?
Entre quelques centaines et quelques milliers d'euros par an selon les usages et le modèle choisi. L'écart de facture entre une PME qui route ses requêtes intelligemment et une PME qui envoie tout vers un modèle frontier va de 1 à 10, pour un résultat identique sur la majorité des tâches.
Comment savoir si on surpaie notre IA ?
Regardez la répartition de vos requêtes. Si plus de la moitié de vos appels sont des tâches simples (résumé, traduction, classification, reformulation) et qu'elles passent toutes par votre modèle le plus puissant, vous surpayez, probablement d'un facteur 5 à 20 sur ces requêtes.
Faut-il auto-héberger ses modèles d'IA ?
Pas pour tout. C'est pertinent quand vous avez un usage récurrent et volumétrique, un besoin métier spécialisé, ou des données que vous ne pouvez pas laisser sortir de votre périmètre. Un serveur GPU capable de faire tourner un modèle 7B en production coûte de l'ordre de 500 à 1 500 euros par mois, avec des coûts marginaux quasi nuls ensuite.
Envoyer ses données à une IA américaine est-il conforme au RGPD ?
Ça dépend entièrement de la nature des données et des garanties contractuelles en place. Le Cloud Act crée un risque d'accès qui n'est pas neutralisé par une simple mention dans une politique de confidentialité. La réponse passe par une classification des données et un routage différencié, pas par une case à cocher.
Pour aller plus loin
Notre charte d'éthique IA conforme à l'ISO 42001, à télécharger et à adapter à votre organisation
Accompagnement à la certification ISO 27001, SOC 2 et HDS, pour les secteurs où la donnée ne peut pas voyager
Mon article : faire une vraie analyse des risques cyber : guide critique d’un professionnel de terrain
Vous voulez structurer votre usage de l'IA avant que la facture ou l'auditeur ne s'en charge ? Nos experts pilotent votre gouvernance au quotidien via notre offre de RSSI externalisé.
Damien Peschet
Commentaires