Dépenses IA : la rigueur du capex enfin appliquée

Les dépenses IA se glissent partout aujourd'hui : frais d'usage des modèles, outils SaaS dopés à l'IA, nouveaux postes créés pour piloter les initiatives IA, coûts de calcul noyés dans des contrats fournisseurs. La plupart des équipes finance ne savent pas répondre à une question simple : quel est le retour réel sur ce que nous dépensons en IA, toutes équipes, tous fournisseurs, toutes initiatives confondus ?

Ce n'est pas un problème de données. C'est un problème de pilotage. Les équipes finance ont passé des décennies à structurer des processus rigoureux pour le capex, les effectifs, le marketing. L'investissement IA est arrivé plus vite que ces processus n'ont pu s'adapter, et il se retrouve éclaté dans dix systèmes différents plutôt que rassemblé dans un plan unique. Goldman Sachs projette que la consommation de tokens par les agents IA d'entreprise pourrait être multipliée par 55 d'ici 2040. Quel que soit le chiffre exact qui se vérifiera, la tendance, elle, est actée : la dépense s'accélère plus vite que la gouvernance censée l'encadrer.

Le coût réel de l'IA dépasse largement la facture du fournisseur

Demandez à la plupart des directeurs financiers combien leur entreprise dépense en IA : ils citeront un chiffre issu de leur principal fournisseur de LLM. Ce chiffre est réel, mais il ne représente qu'une fraction du total.

Le coût réel de l'IA inclut l'usage direct des LLM auprès de fournisseurs comme OpenAI ou Anthropic. Il inclut les outils SaaS dont les fonctionnalités IA sont intégrées à l'abonnement, que l'équipe les ait demandées ou non. Il inclut les prestataires qui opèrent des services IA pour le compte de l'entreprise. Il inclut les équipes, souvent plusieurs, qui construisent et maintiennent les workflows IA. Et il inclut le calcul et l'infrastructure qui font tourner tout cela en arrière-plan.

Chacune de ces catégories de coûts vit dans son propre système : l'usage des LLM dans un tableau de bord fournisseur, les dépenses SaaS chez les achats, les coûts d'équipe dans la planification des effectifs, l'infrastructure dans un budget IT. Une équipe finance qui tente aujourd'hui de répondre à "combien dépensons-nous en IA" recompose des exports venus de quatre ou cinq sources différentes, en espérant que les chiffres se recoupent.

C'est le premier changement que le pilotage des dépenses IA impose : traiter l'IA comme une catégorie de dépense unique et connectée, avec une visibilité complète sur chaque source, plutôt que comme un ensemble de lignes budgétaires dispersées qui se trouvent impliquer de l'IA. En pratique, cela veut dire un seul système de référence couvrant les factures des fournisseurs de LLM, les contrats, les abonnements aux outils et les coûts internes des équipes, réconcilié au même rythme que toute autre catégorie de dépense déjà suivie par la finance, et non un tableau reconstruit à la main chaque trimestre.

La gouvernance : un levier, pas un frein

Il existe une version de cette conversation où la gouvernance ressemble à une contrainte : chaînes de validation, plafonds de dépense, friction qui ralentit les équipes dans leur usage de l'IA. C'est le mauvais cadrage, et il coûte aux entreprises de vraies opportunités.

Une gouvernance bien conçue, c'est justement ce qui permet à l'investissement IA de monter en puissance avec confiance plutôt qu'à l'aveugle. Une équipe capable de voir budget, prévisionnel et dépenses réelles au même endroit, avec des alertes automatiques dès qu'une consommation inhabituelle apparaît, est une équipe qui peut dire oui à davantage d'expérimentation IA, pas moins, parce qu'elle n'a pas à craindre une facture surprise trois mois plus tard.

Concrètement, cela prend la forme de chaînes de validation structurées associant métiers, achats, IT, finance et direction, pour qu'une nouvelle initiative IA soit examinée par les bonnes personnes sans que chaque demande ne devienne une négociation de plusieurs semaines. Des alertes automatiques signalent une consommation inhabituelle avant qu'elle ne devienne une crise budgétaire, pas après. Et une responsabilité clairement attribuée garantit que quelqu'un mesure le retour de chaque initiative IA, au lieu de simplement valider la dépense en amont et d'espérer le meilleur.

C'est exactement la logique que la finance applique déjà aux dépenses d'investissement. Personne ne prétend que les processus de validation capex ralentissent les bons investissements ; on considère au contraire que ce processus est ce qui rend l'investissement ambitieux possible en toute sécurité. Les dépenses IA méritent le même traitement, mais les outils n'ont, pour la plupart des équipes, pas encore rattrapé ce besoin.

Faire du ROI le critère de décision, pas une réflexion après coup

L'erreur la plus fréquente aujourd'hui dans l'investissement IA consiste à mesurer l'activité plutôt que le retour. Les équipes rapportent combien d'outils IA elles ont déployés, combien de workflows ont été automatisés, combien de personnes utilisent un copilote. Rien de tout cela ne dit si l'investissement porte ses fruits.

Les décisions de portefeuille pilotées par le ROI partent d'une autre question : parmi tout ce que nous pourrions financer en IA, où le prochain euro produit-il le plus de valeur ? Cela suppose de comparer les initiatives entre elles, sur une base cohérente, exactement comme la finance compare déjà des projets d'investissement avant d'en valider le budget.

En pratique, cela signifie :

• Prévoir le ROI attendu de chaque cas d'usage IA avant d'engager la dépense
• Comparer les initiatives entre elles sur le coût, le retour attendu et le risque
• Confronter les résultats réels aux prévisions et réallouer le financement vers ce qui fonctionne
• Arrêter ou réduire les initiatives qui ne produisent pas de retour mesurable, même si elles ont été populaires à leur lancement

C'est le niveau d'exigence auquel le pilotage des dépenses IA doit être tenu : pas "avons-nous adopté l'IA", mais "cette dépense IA a-t-elle produit un résultat que nous pouvons démontrer".

Vous ne savez pas par où commencer ? Découvrez comment mesurer le ROI de l'IA dans la planification financière, des bases de référence aux indicateurs qui comptent vraiment.

Là où la gouvernance des dépenses IA craque en silence

La plupart des équipes finance ne perdent pas le contrôle des dépenses IA d'un coup. Cela s'érode à travers quelques schémas d'échec récurrents :

• Personne ne porte le chiffre. La dépense est bien réelle, mais aucune personne n'est responsable de sa rentabilité, donc personne n'a le mandat, ni l'inconfort nécessaire, pour arrêter une initiative qui ne fonctionne pas.
• La validation a lieu une fois, la revue jamais. Un pilote reçoit le feu vert, puis tourne sans être réexaminé pendant un an, alors que l'usage et la tarification évoluent en dessous.
• Les achats et la finance ne lisent pas le même document. Les conditions contractuelles vivent dans un système, la consommation réelle dans un autre, et personne ne réconcilie les deux avant que la facture ne devienne une surprise.
• Les outils au niveau équipe ne remontent nulle part. L'abonnement SaaS dopé à l'IA d'une équipe marketing et la clé d'API LLM d'une équipe ingénierie n'apparaissent jamais côte à côte, donc le total à l'échelle de l'entreprise reste toujours une estimation, jamais un fait.
• Le ROI se mesure en adoption, pas en résultats. Les tableaux de bord d'usage ont fière allure dans une présentation au board et ne disent rien sur si l'investissement valait le coup.

Aucun de ces schémas n'est un problème technologique. Ce sont des défaillances de responsabilité, et elles apparaissent quels que soient les outils déjà achetés par l'entreprise.

Un plan connecté, pas un portefeuille de silos

La raison pour laquelle c'est difficile aujourd'hui n'est pas un manque de données. C'est qu'aucune équipe n'est responsable de la vue d'ensemble. La finance possède le budget. Les achats possèdent les contrats fournisseurs. L'IT possède l'infrastructure et les dépenses de plateforme. Chaque équipe possède ses propres abonnements aux outils. Chaque fonction peut défendre sa part, mais personne n'est positionné pour voir, ni agir sur, l'ensemble du portefeuille.

Un plan connecté rassemble ces morceaux pour que prévision, gouvernance et mesure du ROI s'appuient sur les mêmes chiffres, mis à jour au même rythme, visibles par tous ceux qui en ont besoin. C'est ce qui transforme quatre responsables séparés en un seul portefeuille dont on rend compte.

Cela compte de plus en plus à mesure que les initiatives IA se multiplient. Une entreprise qui pilote trois expérimentations IA peut suivre la dépense de façon informelle. Une entreprise qui en pilote trente, à travers le produit, le marketing, le support, la finance et l'ingénierie, ne le peut plus. Le volume d'initiatives dépasse ce qu'un seul responsable peut suivre, et le temps que la finance s'en aperçoive, la conversation budgétaire est déjà réactive plutôt que proactive.

Ce que cela implique pour chaque équipe

Le pilotage des dépenses IA n'est pas qu'un exercice financier. Il fonctionne parce que finance, IT, achats et métiers travaillent sur le même plan, chacun avec son rôle.

• La finance prévoit la dépense IA avec confiance, contrôle le budget par rapport au réalisé, et mesure le retour de chaque cas d'usage IA. C'est le même travail que la finance a toujours fait pour l'investissement en capital, appliqué à une catégorie plus récente et qui évolue plus vite.
• L'IT et les équipes plateforme IA gouvernent la dépense sur chaque initiative IA, détectent une consommation inhabituelle avant qu'elle ne devienne un problème, et optimisent les coûts de calcul et de plateforme. C'est l'équipe la plus proche du détail technique, et le plan connecté leur donne un moyen de faire remonter ce détail à la finance sans étape de traduction manuelle.
• Les équipes FinOps et achats soumettent et gèrent les demandes d'initiatives IA, suivent la dépense par rapport aux conditions contractuelles négociées, et font respecter la règle qu'aucune initiative n'existe sans responsable. C'est souvent là que la dépense IA fuit aujourd'hui : abonnements fantômes, contrats fournisseurs que personne ne suit par rapport à l'usage réel, outils validés une fois et jamais réexaminés depuis.
• Les dirigeants métiers obtiennent une visibilité sur l'impact des workflows IA sur la productivité et les coûts, avec la certitude que les décisions de financement produisent bien les résultats attendus.

Réunissez ces quatre perspectives sur le même plan, et la conversation sur l'investissement IA cesse d'être une série de demandes déconnectées pour devenir un portefeuille unique, que l'on peut réellement revoir.

Construire le plan : un point de départ concret

Arriver à un plan de pilotage des dépenses IA pleinement connecté ne se fait pas en un seul cycle de planification. Cela commence par la visibilité, puis ajoute la gouvernance, puis place le ROI au centre de chaque décision.

1. ‍Commencez par cartographier l'existant. Listez chaque coût lié à l'IA déjà inscrit dans les comptes : frais directs des fournisseurs de LLM, fonctionnalités IA intégrées aux contrats SaaS existants, outils IA dédiés, et temps interne passé à construire et faire tourner les workflows IA. La plupart des équipes finance sont surprises de l'ampleur de la dépense IA déjà accumulée une fois cet exercice mené sérieusement.‍
2. Attribuez un responsable à chaque initiative. Aucune dépense IA ne devrait exister sans quelqu'un responsable de son résultat. Cette personne porte la prévision, le budget et la revue de ROI, la même structure de responsabilité que la finance exige déjà pour tout projet d'investissement.‍
3. Fixez une chaîne de validation proportionnée à la taille de la demande. Un petit pilote ne devrait pas exiger la même validation qu'un déploiement à l'échelle de l'entreprise. Structurez la chaîne de validation pour qu'elle s'ajuste à la taille et au risque de l'initiative, plutôt que de traiter chaque demande de la même façon.‍
4. Prévoyez le ROI avant de valider la dépense, puis vérifiez-le après. Chaque initiative devrait avoir un retour attendu défini en amont, et une revue planifiée pour confronter cette attente à ce qui s'est réellement passé. Les initiatives qui manquent systématiquement leur prévision sont candidates à une refonte ou à un arrêt, pas à une poursuite indéfinie.‍
5. Rassemblez tout dans un plan unique. L'objectif final est une vue unique où budget, réalisé, statut de gouvernance et ROI coexistent, actualisés régulièrement, visibles simultanément par la finance, l'IT, les achats et la direction métier. C'est ce qui transforme l'investissement IA d'une série de paris dispersés en un portefeuille que la finance peut réellement piloter.

Prêt à transformer la stratégie IA en action ? Découvrez comment les équipes finance passent des pilotes IA à des cas d'usage pilotables et à l'échelle dans notre guide sur l'opérationnalisation de l'IA en finance.

Le niveau d'exigence a changé

Il n'y a pas si longtemps, la plupart des entreprises se demandaient encore si elles devaient investir dans l'IA. Cette question est tranchée. La question aujourd'hui est de savoir si cet investissement est piloté avec la même rigueur que la finance applique à toute autre catégorie de dépense majeure, ou s'il fonctionne encore à l'enthousiasme et à l'espoir.

Les entreprises qui construisent dès maintenant un plan de pilotage des dépenses IA connecté, avec une visibilité complète sur les coûts, une gouvernance réelle et le ROI au centre de chaque décision, seront celles capables de défendre leur budget IA avec assurance lors de la prochaine revue au board. Celles qui en sont encore à réconcilier des tableaux Excel devront expliquer un chiffre qu'elles ne maîtrisent pas totalement.

C'est exactement la discipline derrière le Pigment AI Investment Planner, qui réunit visibilité complète sur les coûts, workflows de gouvernance et suivi du ROI dans un seul plan connecté, pour que finance, IT, achats et direction métier travaillent à partir des mêmes chiffres. Découvrez comment cela fonctionne dans l'annonce de lancement.