Coûts de l’IA. Quel est le coût de la mise en œuvre de l’IA dans une entreprise ? | IA en affaires #93

Coûts de l’IA. De quoi dépendent-ils ?

Les coûts associés à la mise en œuvre de l’IA sont divers et dépendent d’une variété de facteurs. Pour comprendre quels éléments ont le plus grand impact sur le prix final, nous avons préparé une liste des plus importants :

• portée de l’implémentation – les organisations qui allouent au moins 20 % de leurs bénéfices avant intérêts et impôts (BAII) à l’adoption de l’IA sont considérées comme des leaders dans l’utilisation de l’IA. Selon le rapport de l’enquête mondiale de McKinsey sur l’IA, elles investissent souvent davantage dans ces technologies. Ainsi, une forte contribution de l’IA aux bénéfices de l’entreprise peut augmenter les coûts d’implémentation.
• accès aux spécialistes – le besoin de postes spécialisés, tels que les ingénieurs de données, les spécialistes de l’apprentissage automatique ou les data scientists, peut avoir un impact significatif sur les coûts de mise en œuvre de l’IA. La disponibilité et le coût de ces spécialistes sur le marché du travail sont des facteurs clés dans le coût de l’IA pour une entreprise.
• coûts d’exploitation autorisés – le choix entre des solutions IA sur mesure et des logiciels prêts à l’emploi affecte les coûts. Les solutions sur mesure peuvent coûter de 6 000 $ à plus de 300 000 $. Alors que les logiciels prêts à l’emploi coûtent jusqu’à 40 000 $ par an.
• l’ampleur et la profondeur de l’adoption de l’IA – les entreprises qui utilisent l’IA dans plusieurs départements peuvent encourir des coûts plus élevés que celles qui se limitent à des applications uniques.
• plans d’investissement futurs – les entreprises qui prévoient d’augmenter leurs investissements dans l’IA dans les années à venir doivent anticiper des dépenses plus élevées pour la mise en œuvre et le développement de cette technologie. Cependant, cet investissement sera probablement essentiel pour la croissance des entreprises. Jusqu’à deux tiers des répondants à l’enquête mondiale de McKinsey sur l’IA s’attendent à une augmentation des investissements dans l’IA au cours des trois prochaines années.

Cette liste souligne que les coûts de l’IA sont complexes et nécessitent une analyse individuelle. Par exemple, une entreprise optant pour la mise en œuvre d’un système d’analyse de données doit prendre en compte à la fois les coûts d’achat du logiciel et l’embauche de spécialistes capables de l’exploiter.

Coûts de formation des modèles d’IA

Un des coûts les plus courants associés à la mise en œuvre de l’intelligence artificielle qui dissuade les gens d’investir est le coût de la formation du modèle d’IA. C’est un processus qui nécessite à la fois une expertise et des ressources financières. Avant tout, cependant, pour former un modèle d’IA, il faut collecter suffisamment de données et effectuer une analyse des données.

Alors, quand la formation d’un modèle a-t-elle du sens ? Seulement lorsqu’une entreprise peut s’attendre à des améliorations significatives en termes d’efficacité ou à une augmentation des bénéfices grâce à l’utilisation de l’IA. Le coût de la formation d’un modèle est l’un des aspects très difficiles à estimer. Il dépend de sa complexité, de l’application du modèle et des exigences de l’entreprise.

Un exemple peut être la mise en œuvre d’un système d’IA pour personnaliser l’offre d’une boutique en ligne, où un modèle précisément formé peut augmenter considérablement les ventes en adaptant les produits aux préférences individuelles des clients. Dans un tel cas, les coûts de formation du modèle sont un investissement qui apporte des bénéfices tangibles.

Une autre mise en œuvre de l’IA qui nécessite une formation de modèle est l’optimisation des processus logistiques. Un modèle correctement formé réduira les coûts de transport, ce qui, avec le temps, conduira à une compétitivité accrue et à une amélioration des délais de livraison.

Plans tarifaires

La souscription est une option populaire pour les entreprises cherchant à tirer parti des technologies avancées sans avoir besoin d’investissements initiaux significatifs. Voici quelques exemples de coûts d’abonnement :

• Chatbots IA – ils sont le plus souvent utilisés pour automatiser certaines tâches du service client ; il vaut la peine d’examiner des solutions telles que Drift (coût mensuel de 400 $ à 1500 $), TARS (de 99 $ à 499 $ par mois), ou Intercom Fin (de 39 $ à 139 $ par mois).
• Systèmes d’analyse de contenu IA pour le SEO – ils peuvent coûter environ 150 $ par mois, par exemple, Contadu (de 79 $ à 297 $ par mois),
• Assistants de codage IA – les prix de l’outil le plus populaire, Github Copilot, basé sur le modèle GPT-4, qui est également la base de la version payante de ChatGPT Plus, commencent à 10 $/40 zł par mois,
• ChatGPT Plus ou Perplexity – cela représente un coût d’environ 20 $ par mois par utilisateur, une alternative gratuite est Google Bard ou Microsoft Bing/Copilot.

Avant de décider d’un outil IA, les entrepreneurs devraient analyser soigneusement leurs besoins et capacités. Par exemple, une société de conseil pourrait opter pour un abonnement à un outil d’analyse de données pour fournir des informations précieuses à ses clients plus efficacement.

Le coût de l’IA pour l’utilisation d’API populaires

Les interfaces de programmation d’applications, ou API IA, sont des outils qui permettent l’intégration des fonctions d’IA avec des systèmes, applications et services existants. Le coût d’utilisation des API populaires est généralement calculé en fonction du nombre de jetons utilisés et du modèle choisi.

Les frais pour les modèles les plus populaires dans l’API OpenAI :

• GPT-4 Turbo coûtant 0,01 $ par 1K jetons pour l’entrée et 0,03 $ par 1K jetons pour la sortie,
• GPT-3.5 Turbo – le coût du modèle précédent, suffisant pour la plupart des applications commerciales, est d’environ 0,0005 $ par 1K jetons pour l’entrée et 0,0015 $ par 1K jetons pour la sortie.

Source : Martian (https://leaderboard.withmartian.com/)

Les entreprises peuvent également utiliser des modèles d’accès ouvert, tels que mixtral-8x7b ou llama2-70b. Les coûts d’exploitation sont beaucoup plus bas, tandis que les API sont fournies par, entre autres :

• deepinfra (https://deepinfra.com/),
• Abacus (https://abacus.ai/llmapi), et
• Perplexity (https://www.perplexity.ai/).

Mais comment utiliser les API pour mettre en œuvre l’IA dans votre entreprise ? Un excellent exemple serait d’intégrer une API pour générer des descriptions de produits dans une boutique en ligne, ce qui peut accélérer le processus d’ajout de nouveaux articles et améliorer la qualité des informations présentées. Ou créer un outil qui peut générer automatiquement des réponses personnalisées aux e-mails des clients.

Maintenir une équipe IA ou collaborer avec des spécialistes IA externes ?

Qui devrait s’occuper de la mise en œuvre de l’intelligence artificielle dans votre entreprise ? Si vous n’avez pas une équipe de spécialistes ou d’enthousiastes – développeurs citoyens, vous êtes confronté à une décision entre maintenir une équipe IA interne et collaborer avec des spécialistes externes. Cette décision peut avoir un impact décisif sur les coûts et l’efficacité des projets IA.

Maintenir une équipe IA implique les coûts d’embauche de spécialistes coûteux et expérimentés, y compris des programmeurs et des data scientists.

Collaborer avec des spécialistes IA externes peut être moins cher et fournir un accès à des compétences spécialisées. Cependant, cela peut rendre notre solution significativement plus coûteuse à maintenir par la suite, car chaque changement nécessitera de faire appel à des spécialistes pour obtenir de l’aide.

Le choix entre une équipe interne et des spécialistes externes devrait être guidé non seulement par le coût, mais aussi par les objectifs stratégiques de l’entreprise. Par exemple, une petite entreprise peut choisir de travailler avec des spécialistes externes pour mettre rapidement en œuvre des solutions IA sans avoir à constituer une équipe interne. Et ensuite utiliser l’un des employés moins spécialisés pour le soutenir par la suite.

Pas seulement de l’argent – les coûts environnementaux de l’IA

Les coûts environnementaux de l’IA sont un problème qui ne peut être négligé dans la stratégie à long terme d’une entreprise. Heureusement, la plupart des dirigeants d’entreprise répondant à l’enquête mondiale de McKinsey sur l’IA sont conscients des nombreux risques associés à l’IA générative, notamment :

• risques sociaux,
• risques humanitaires, et
• menaces à un développement durable, qui peuvent impliquer des coûts environnementaux associés à l’IA.

Les organisations devraient réfléchir à des moyens de gérer les risques environnementaux associés à l’IA lors de sa mise en œuvre. Par exemple, une entreprise utilisant l’IA pour analyser de grands ensembles de données devrait considérer l’impact de ses opérations sur la consommation d’énergie et chercher des moyens de l’optimiser.

Résumé – Combien coûte l’IA dans une entreprise ?

En résumé, les coûts de l’IA dans une entreprise dépendent de nombreuses variables, telles que la portée de l’implémentation, l’accès aux spécialistes et les plans de développement. Les entreprises qui investissent massivement dans l’IA peuvent encourir des coûts plus élevés mais également en tirer de plus grands bénéfices.

La décision de mettre en œuvre l’IA devrait être précédée d’une analyse approfondie et adaptée aux besoins individuels de l’entreprise. Dans le contexte d’un marché en évolution dynamique, l’IA peut être la clé pour maintenir la compétitivité et la croissance de l’entreprise.

Si vous aimez notre contenu, rejoignez notre communauté de abeilles actives sur Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.