Selon Gartner, les dépenses mondiales en modèles d’IA générative devraient frôler 14,2 milliards de dollars en 2025, mais de nombreuses entreprises peinent encore à en tirer une réelle valeur. Pour Iria Saleiro, RVP Europe du Sud chez Apptio, cette difficulté tient souvent à un même problème : un manque de visibilité sur les coûts et leur lien avec la valeur métier.
Disséquer les coûts invisibles de l’IA : ce qu’il faut savoir
« Les entreprises voient souvent les dépenses d’IA comme des licences ou de l’infrastructure, mais elles sous-estiment tout le reste », souligne Iria Saleiro.
Parmi ces coûts “cachés”, on trouve notamment la main-d’œuvre nécessaire au développement et à la supervision des modèles, les formations et le temps de coordination entre les départements, ou encore les projets menés en silos, sans alignement global avec la stratégie de l’entreprise.
Résultat : les directions financières, les DSI et les métiers travaillent souvent à partir de données différentes, sans « langage commun ». Cette fragmentation empêche une lecture claire du retour sur investissement et rend difficile l’arbitrage entre les projets.
Avant d’investir : cadrer la valeur attendue
L’erreur la plus fréquente ? « Se lancer sans savoir ce qu’on veut faire et sans mesurer la valeur qu’on souhaite créer », tranche l’experte.
Avant tout projet IA, les organisations devraient structurer leur démarche : identifier le problème à résoudre, le bénéfice métier attendu, et la rentabilité visée.
« L’IA est devenue un mot à la mode. Tout le monde veut en faire, mais sans réflexion sur la valeur, on risque d’ajouter des gadgets coûteux sans impact réel sur la performance. »
Pour Iria Saleiro, la clé réside dans une approche rigoureuse : l’entreprise doit savoir quelle valeur elle veut produire avant d’investir, et comment mesurer cette valeur dans la durée.
Mettre en place une gouvernance financière dédiée à l’IA
Pour reprendre le contrôle, Apptio préconise une gouvernance spécifique à l’IA, au-delà du FinOps traditionnel souvent limité au cloud.
« L’IA recouvre des réalités bien plus larges : on-premise, SaaS, données, formation… Elle nécessite une vision financière globale et des outils capables d’unifier les informations issues de la finance, de l’IT et du business », explique Iria Saleiro.
La clé n’est donc pas de multiplier les outils, mais de structurer la gouvernance. Gérer les coûts de l’IA revient d’abord à mieux aligner les directions – financières, informatiques et métiers – autour d’un langage commun et de données partagées.
L’objectif : sortir d’une logique de projets isolés pour faire de l’intelligence artificielle un levier mesurable de création de valeur.
