FAQ DAF — Justifier, mesurer et piloter le coût d'un projet IA en 2026

Trois angles concrets, jamais le buzzword. L’angle productivité : “X collaborateurs passent Y heures/semaine sur cette tâche, l’IA en libère Z %, donc N ETP réaffectés vers de la valeur ajoutée”. L’angle qualité : “On rate N % des opportunités/cas/contrôles aujourd’hui, l’IA en récupère X %, soit Y € de chiffre d’affaires ou de pertes évitées par an”. L’angle conformité/risque : “Sans IA on ne peut pas suivre la doctrine fiscale/RH/juridique, le coût d’un manquement est de Z €”. Toujours chiffrer avec une fourchette honnête, jamais un point unique. Fixez avant validation un délai de retour sur investissement cible, puis relisez-le après mise en production.

Le délai de retour dépend du cas d’usage, du volume traité et de la part de travail réellement évitée ou accélérée. Il n’existe pas de chiffre universel : mesurez une baseline avant/après sur le cas précis (temps par tâche, taux de correction humaine, coût mensuel total). Méfiez-vous des « 10x ROI en 3 mois » annoncés par les vendors — ils calculent sur un cas isolé sans coûts cachés. Notre calculateur ROI structure le calcul pour votre cas.

Le coût LLM est variable, donc il dérape si on ne le pilote pas. Trois mesures utiles. Budget par agent et par mois : chaque agent IA a une enveloppe, avec coupure automatique au-delà du plafond. Routing intelligent : les petits modèles (Haiku, Mistral Small) pour les appels simples, les modèles plus gros (Sonnet, Mistral Large, Opus) réservés aux cas qui l’exigent. Caching : prompt caching natif — la lecture du cache est facturée 0,30 $ par million de tokens contre 3 $ en entrée standard pour Sonnet 4.5, soit 10 fois moins sur les tokens relus (tarif public lu le 24/10/2026 sur claude.com/pricing) — plus plan caching pour les agents répétitifs. Reporting mensuel : € par agent, € par cas d’usage, dérives vs budget, top 5 prompts les plus chers. Outils : Helicone, Langfuse, Portkey ou tableau Postgres maison.

Le piège classique en 2026 : un SaaS IA vous facture par utilisateur et par mois ce qu’on appelle un “wrapper” — une couche fine au-dessus de l’API OpenAI ou Claude. Le coût sous-jacent se calcule à partir du tarif public par million de tokens et de l’usage réel ; l’écart avec le prix par siège est ce que vous payez pour l’UX et le marketing. Ce n’est pas forcément un mauvais deal si l’UX est excellente et que vous n’avez pas l’IT pour faire vous-même. Mais quand le nombre d’utilisateurs et la durée d’usage augmentent, comparez le prix par siège au coût API calculé sur votre volume réel : internaliser peut devenir rentable. Posez systématiquement la question : “qu’est-ce que vous m’apportez que je ne peux pas faire avec l’API directe ?”. Voir notre comparatif tarifs.

Le coût total d’un projet IA se compose de plusieurs blocs, tous variables. Investissement initial : il dépend du périmètre, du nombre d’intégrations, de la qualité des données et des exigences de sécurité. Coût récurrent LLM : volume de tokens par mois multiplié par le tarif public du modèle, à budgéter explicitement. Exemple de calcul : 10 millions de tokens en entrée et 2 millions en sortie par mois avec Sonnet 4.5 : 10 × 3 $ + 2 × 15 $ = 60 $ (notre calcul, à partir du tarif public lu le 24/10/2026 sur claude.com/pricing : 3 $ en entrée et 15 $ en sortie par million de tokens). Maintenance : évolutions, retraining, monitoring. Coûts cachés : formation des utilisateurs, conduite du changement, refonte des process. Prévoyez enfin une provision pour imprévus. Voir combien coûte un projet IA en 2026.

Question fréquente et sensible. La règle générale en France : si le projet IA est un logiciel sur mesure développé en interne ou par un prestataire pour usage interne, et qu’il répond aux critères du PCG applicables aux immobilisations incorporelles, il peut être immobilisé en immobilisations incorporelles et amorti sur sa durée d’utilisation prévue. Si c’est un abonnement SaaS, c’est en charge. Si c’est un POC qui n’aboutit pas, c’est en charge. Validez systématiquement avec votre expert-comptable et votre commissaire aux comptes. Le traitement comptable affecte directement votre EBITDA et la perception du projet.

Cinq clauses non négociables en 2026. Zéro rétention des données envoyées au LLM (vendor ne peut pas réutiliser pour entraîner). Localisation des données précisée (région UE pour conformité). SLA mesurable (uptime, latence p95, taux d’erreur) avec pénalités. Clause de réversibilité : à la sortie, vous récupérez les prompts, les évals, les fine-tunes éventuels. Audit log : vendor doit fournir un log immutable de chaque appel (utilisé en cas d’incident ou contrôle). Évitez les contrats “lockés” 3 ans avec engagement minimum — l’écosystème change vite, restez agile.

Beaucoup de projets IA n’atteignent jamais la production. Les modes d’échec coûteux : POC infini (on relance le POC régulièrement sans jamais déployer), agent en prod sans evals (la qualité se dégrade, l’activité en pâtit), vendor lock-in (impossible de changer de modèle, surcoût récurrent), explosion du coût LLM (boucle d’agent qui consomme, facture mensuelle multipliée). Mitigation : mode POC limité dans le temps avec critères go/no-go écrits, evals continues en prod, multi-vendor au design, budget plafonné avec coupure automatique. Voir pourquoi des projets IA échouent.

La mesure post-prod est rarement faite, et c’est une erreur. Trois indicateurs minimums à tracker mensuellement. Productivité : temps moyen sur la tâche avant/après, nombre de cas traités par ETP, taux de cas auto-résolus. Qualité : taux d’erreur sortie IA, taux de correction humaine, satisfaction utilisateur (NPS interne). Coût : € total mensuel (LLM + maintenance + licences + part des salaires des opérateurs encore impliqués). Comparez aux baselines pré-IA. Faites une revue trimestrielle avec décision continue/pivot/kill. Notre calculateur ROI donne le cadre de calcul.

Le coût par utilisateur se calcule ainsi : tokens d’entrée × tarif d’entrée + tokens de sortie × tarif de sortie, selon l’usage (chatbot interne léger, rédacteur ou développeur intensif, agent autonome sans utilisateur direct). Exemple : 1 million de tokens en entrée et 0,2 million en sortie par mois avec Sonnet 4.5 : 1 × 3 $ + 0,2 × 15 $ = 6 $ (notre calcul, à partir du tarif public lu le 24/10/2026 sur claude.com/pricing : 3 $ en entrée et 15 $ en sortie par million de tokens). Le coût est variable, donc à budgéter avec une marge de sécurité. Routing intelligent et caching peuvent le réduire.

Si le projet répond aux critères du PCG applicables aux immobilisations incorporelles, oui généralement. Mais préparez le dossier : facture du prestataire détaillée par phase (cadrage/dev/intégration/formation), documentation technique du système, planning de mise en exploitation, plan d’amortissement justifié. Le CAC va vérifier que ce n’est pas du “POC déguisé en immo” — donc démontrez l’usage productif effectif. Si le projet est en partie SaaS, séparez clairement la partie immobilisable (dev sur mesure) et la partie en charge (abonnements).

Six KPIs à minima dans le board mensuel. € LLM total vs budget, par agent. € maintenance (heures dev + licences). Économies opérationnelles : ETP libérés x salaire moyen + temps machine économisé. CA additionnel lié à l’IA : leads qualifiés, opportunités traitées, conversion. Taux d’adoption interne : % utilisateurs actifs / cible. Incidents : nombre, sévérité, temps de résolution. Cumul “ROI IA” en € net = (économies + CA) − (LLM + maintenance + licences). Tracker en mensuel cumulé sur 36 mois pour voir la trajectoire vers le payback.

Oui, une provision explicite sur le budget projet. Les imprévus typiques : refactoring non prévu (une intégration qui demande plus de temps que l’estimation), explosion du volume LLM (un agent qui devient populaire), nouvelle réglementation (AI Act qui ajoute des obligations de documentation), pivot fonctionnel (le métier découvre un besoin non vu en spec). Ne pas provisionner = arbitrer dans la douleur en cours d’année. Provisionner explicitement permet de débloquer rapidement quand un vrai imprévu arrive.

Beaucoup de collaborateurs utilisent ChatGPT, Claude ou d’autres outils en perso pour le travail. Risque : fuite de données, non-conformité RGPD, doublon de licences. Trois mesures. Charte d’usage : ce qui est autorisé / interdit, signée par chaque collaborateur. Outil officiel : déployer un accès cadré (ChatGPT Enterprise, Claude pour PME, ou interface custom Mistral) pour absorber la demande légitime. Revue trimestrielle : sondage anonyme sur l’usage, ajustement de l’offre. Bloquer sans donner d’alternative = échec garanti, les gens trouveront un moyen.

ChatGPT Enterprise est cher mais cohérent si : vous avez beaucoup d’utilisateurs réellement actifs, vous voulez la sécurité contractuelle (zéro training), vous valorisez le déploiement clé-en-main (SSO, admin, audit log). Voir les tarifs en vigueur. Si vous n’avez que quelques utilisateurs intensifs, l’API directe Claude/OpenAI avec une UI maison ou un client comme TypingMind/LibreChat peut coûter moins cher pour le même usage réel : calculez-le sur votre volume de tokens. Pour comparer, Claude Team est affiché à 25 $ par siège et par mois en facturation mensuelle, 20 $ en annuel (tarif public lu le 24/10/2026 sur claude.com/pricing). Avec un grand nombre d’utilisateurs, négociez le tarif et étudiez Mistral souverain pour la conformité EU. Voir tarif ChatGPT Enterprise vs alternatives.