Acheter de l’IA : cadrer l’ambition, piloter les coûts, prouver le ROI
Comment acheter de l’IA de façon éclairée, quels coûts additionnels anticiper, et comment objectiver le ROI en performance, précision et temps ? Ce sujet a été débattu dans le cadre des ateliers-débats des HA Days Achats indirects et sauvages le 17 octobre avec le précieux éclairage de Louis-Alexandre Colin, directeur des achats de Vertice. Un débat co-animé par Louis-Alexandre Colin, directeur achats de Vertice.
Les trois points clé à retenir
Cadrer l’achat par cas d’usage, preuves d’impact, gouvernance et propriété intellectuelle.
Anticiper les coûts cachés (cloud, intégration, change) et verrouiller le modèle économique au contrat.
Mesurer le ROI sur données propres, indicateurs observables et décisions managériales cohérentes.
On n’achète pas de l’IA comme n’importe quel software
En filigrane, la gouvernance des données et la propriété intellectuelle reviennent comme prérequis d’achat
« On n’achète pas de l’IA en bloc : on achète un cas d’usage priorisé, quantifié et aligné avec l’IT. »
« Demander au fournisseur d’ouvrir la boîte noire : quelles données, quel entraînement du modèle, quelles références prouvées ? »
« L’éditeur sérieux commence par vos données : s’il ne pose aucune question sur la qualité et la structuration, alerte rouge. »
« Éviter l’IA‑washing : exiger des preuves d’impact et des clients comparables, pas des promesses marketing. »
Plusieurs coûts additionnels à anticiper
Reste la question d’architecture : end‑to‑end ou best‑of‑breed ; dans les deux cas, prévoir réversibilité et trajectoire d’intégration.
« Le modèle à l’usage (à l’interaction) parait simple mais il est difficile à budgéter : caper sans étouffer l’adoption. »
« Le bundle +20 % devient courant, sous prétexte d’avoir intégré de l’IA dans sa solution »
« Les coûts cachés explosent vite : stockage des enregistrements, puissance cloud, intégration, accompagnement au changement. »
« Contractuellement, prévoir plafonds/planchers, clauses de juridiction adaptées et exigences de gestion/retention des données. »
Pas de ROI de l’IA sans business case probant
En pratique, les participants situent leurs organisations entre design et premiers tests ; la maturité marché reste hétérogène.
« Le gain existe si l’organisation l’encaisse : coder plus vite ne crée de valeur que si l’on produit plus… ou avec moins. »
« Demander un business case documenté : avant/après, indicateurs, période d’observation, et pas seulement des gains théoriques. »
« Des cas concrets émergent : contrôle des notes de frais et détection de fraude, avec pertes évitées mesurables. »
« Sans qualité de données, pas de ROI : garbage in, garbage out. Mieux vaut une IA close fiable qu’un modèle brillant mais instable. »