Coûts et budget d’un projet IA
Savoir chiffrer un projet IA, budgéter les postes de dépense, calculer le ROI et convaincre un COMEX. Compétence clé pour tout PO IA.
🎯 Objectifs
Connaître les postes de dépense d’un projet IA
Savoir calculer un ROI avec les bons paramètres
Maîtriser les coûts cachés (annotation, infra, conformité)
Présenter un business case IA convaincant en entretien
1. Les 6 postes de dépense d’un projet IA
Un budget IA ne se résume pas à « l’API coûte X ». Voici les 6 postes à budgéter.
💳 1. API / Inférence (20-35% du budget)
Coût par token appelé. Exemples 2026 : GPT-4o = $2.50/1M tokens input, $10/1M output. Claude 4 = $3/1M input, $15/1M output. Mistral Large = $2/1M input, $6/1M output. Pour 10 000 requêtes/jour (2K tokens entrée, 500 sortie) : ~$70-200/jour selon le modèle.
🖥️ 2. Infrastructure (15-25%)
Serveurs GPU (A100/H100 : $1-3/heure), stockage vectoriel (Pinecone : $0.10/GB/h), bande passante, sécurité. Si OnPrem : amortissement des GPU sur 3-5 ans + électricité + maintenance.
👥 3. Équipe (30-40%)
Data Scientist (80-120k€), ML Engineer (70-100k€), Data Engineer (65-90k€), MLOps (75-110k€), PO (60-80k€). Pour un POC de 3 mois : ~80-120k€ d’équipe. Pour un projet en production : équipe permanente de 4-6 personnes.
📚 4. Annotation & données (10-20%)
Labellisation manuelle : 0.50-2€/document. Constitution de dataset d’entraînement. Nettoyage et préparation. Pour 10 000 documents labellisés : 5 000-20 000€. Coût souvent sous-estimé.
⚖️ 5. Conformité & gouvernance (5-15%)
AIA (assessment d’impact) : 10-30k€ si externalisé. Registre IA : temps PO. Tests de biais et de robustesse. Audit externe pour systèmes haut risque. Budget à prévoir dès le début, pas en fin de projet.
📈 6. Monitoring & maintenance (5-10%)
Coût récurrent après mise en production : surveillance des drift, ré-entraînement périodique, correctifs, évolution du modèle. Budget annuel : 15-25% du coût initial du projet.
2. Exemple de budget : Chatbot réclamation (banque)
| Poste | Montant | % |
|---|---|---|
| POC (6 semaines, équipe 3 pers.) | 40 000€ | 40% |
| API LLM (GPT-4o, 6 mois) | 15 000€ | 15% |
| Infrastructure (vector DB + serveur) | 12 000€ | 12% |
| Annotation & données (5000 docs) | 8 000€ | 8% |
| Conformité (AIA + registre) | 10 000€ | 10% |
| Réserve / imprévus | 15 000€ | 15% |
| Total | 100 000€ | 100% |
💡 Point clé pour l’entretien
Ne donnez jamais un seul chiffre. Détaillez toujours les postes : « Sur 100k€, 40% pour le POC, 15% pour l’API, 10% pour la conformité. » Ça montre que vous avez une vision globale.
3. Calcul du ROI
Formule : ROI = (Bénéfices - Coûts) / Coûts. Un ROI > 1 signifie que le projet est rentable.
Bénéfices directs
- • Temps économisé (heures × taux horaire)
- • Baisse des erreurs / fraudes
- • Réduction des coûts d’externalisation
Bénéfices indirects
- • Satisfaction client (NPS)
- • Rapidité de traitement
- • Image innovative de l’entreprise
Exemple chiffré
Coût total : 100k€. Bénéfices : 200k€/an (2,5 ETP économisés × 80k€). ROI = (200-100)/100 = 1,0 (100%) en 1 an.
4. Les pièges à éviter
⚠️ Piège 1 : Oublier l’annotation
Beaucoup de projets sous-estiment le coût de labellisation des données. Pour un modèle de classification, il faut souvent 5 000-10 000 exemples labellisés par un expert métier. Ça peut représenter 20-30k€ qu’on n’avait pas prévus.
⚠️ Piège 2 : Sous-estimer l’infrastructure
Un LLM en production nécessite des GPU puissants. En cloud : compter 1-3$/heure pour une instance A100. Pour une appli temps réel avec 500 utilisateurs : 3-5 instances = 3-15$/heure = 2 000-10 000€/mois.
⚠️ Piège 3 : Oublier la conformité
L’AIA (Assessment d’Impact) pour un système haut risque peut coûter 10-30k€ si externalisé. Sans budget conformité, le projet peut être bloqué en phase pré-production.
✍️ Exercice
Budget 100k€ : construisez votre budget
Vous devez présenter un budget de 100k€ pour un assistant commercial interne dans une assurance. Détaillez les 6 postes de dépense, calculez le ROI attendu (combien de temps gagné par commercial ? à quel taux horaire ?), et préparez votre pitch pour le COMEX.