Les budgets de projets IA surprennent dans les deux sens : le modèle coûte moins cher qu'on ne l'imagine, et tout le reste coûte plus. Comprendre la répartition évite les deux erreurs classiques — sous-financer l'intégration, et surpayer la partie « intelligente ».
La répartition réelle
Sur nos projets des trois dernières années, la structure revient avec une régularité frappante :
- 20 % — le cœur IA. Choix ou entraînement du modèle, prompts, évaluation. C'est la partie la plus visible et la plus courte.
- 30 % — les données. Accès, pipelines, nettoyage orienté par l'usage, annotation. Incompressible, et c'est là que les devis optimistes mentent.
- 30 % — l'intégration. Connexion aux systèmes existants, gestion des erreurs, interface, sécurité, droits d'accès. Un système IA sans intégration est une démo.
- 20 % — l'industrialisation. Supervision, alertes de dérive, tests de charge, documentation, formation. C'est ce qui sépare un système qui tourne deux ans d'un système qui meurt au premier incident.
Pourquoi c'est une bonne nouvelle
Cette répartition signifie que la majorité du budget va dans des compétences d'ingénierie classiques, prévisibles, estimables. Le risque technologique réel — « est-ce que l'IA sait faire ça ? » — se lève dans les premières semaines, sur la tranche la moins chère.
D'où notre insistance sur le prototypage court : quelques semaines et une fraction du budget suffisent à savoir si le cœur fonctionne. Si oui, le reste est de l'exécution. Si non, vous avez dépensé 15 % pour éviter d'en perdre 100.
Les coûts récurrents qu'on oublie
Un système en production coûte ensuite entre 15 et 25 % de son coût de construction par an : inférence, réentraînements, maintenance des intégrations, revue des cas escaladés. Un budget qui n'inclut pas cette ligne n'est pas un budget de système — c'est un budget de démonstration.
Demandez ce chiffre à chaque prestataire. Son absence dans une proposition en dit long sur ce qui sera livré.
