Combien coûte vraiment une IA générative interne ?

Précision de méthode avant de commencer : cet article donne une structure de calcul, pas une grille tarifaire. Les montants dépendent trop du contexte : nombre d'utilisateurs, volume documentaire, exigences de disponibilité, hébergement, pour qu'un prix affiché ait le moindre sens. Ce qui est transposable, en revanche, c'est la liste des postes à ne pas oublier et la logique qui fait basculer l'arbitrage.

Les cinq postes de coût réels

Un projet d'IA générative interne se décompose en cinq lignes, et l'expérience montre que les trois dernières sont systématiquement sous-estimées dans les premiers chiffrages.

Les postes à budgéter

Poste	Nature	Ce qui le fait varier
Calcul GPU	Achat ou location	Taille du modèle, nombre d'utilisateurs simultanés, longueur de contexte
Hébergement	Récurrent	Salle interne ou datacentre, électricité, refroidissement, redondance
Licences logicielles	Récurrent	Nulles si la pile est open source, c'est le poste qui disparaît
Exploitation	Récurrent	Supervision, sauvegardes, mises à jour de modèles, support utilisateurs
Accompagnement	Ponctuel puis récurrent	Formation, cas d'usage, conduite du changement, gouvernance

Le calcul GPU

C'est le seul poste réellement calculable à l'avance, et c'est heureux : il dépend de la taille du modèle, de la quantification retenue, de la longueur de contexte et du nombre de requêtes simultanées. C'est exactement ce que fait notre calculateur de VRAM. Point important : il faut dimensionner sur la concurrence réelle, pas sur l'effectif total. Sur un déploiement de plusieurs centaines de collaborateurs, seuls quelques-uns interrogent le modèle à la même seconde.

L'exploitation, le poste oublié

Un serveur d'inférence n'est pas un logiciel qu'on installe et qu'on oublie. Il faut le superviser, sauvegarder l'index documentaire, appliquer les correctifs, faire évoluer le modèle quand une meilleure version sort, gérer les comptes et répondre aux utilisateurs. Sur la durée d'amortissement, ce poste peut peser autant que le matériel, selon le niveau de service attendu.

C'est précisément ce qui distingue une infrastructure « installée » d'une infrastructure « opérée ». Un chiffrage qui ne fait pas apparaître cette ligne est un chiffrage incomplet, la charge existera de toute façon, elle sera simplement supportée par votre DSI sans avoir été budgétée.

L'accompagnement

Une IA que personne n'utilise coûte exactement son prix d'achat pour un bénéfice nul. Le déterminant du retour sur investissement n'est pas la performance du modèle mais le taux d'adoption : identifier les cas d'usage par métier, former, outiller, mesurer. C'est l'objet de notre audit d'automatisation par département, qui traduit les processus existants en heures potentiellement libérées.

Le point de bascule

La différence de nature entre les deux modèles est la clé de l'arbitrage :

• Une licence par utilisateur est un coût linéaire : doubler le nombre de collaborateurs équipés double la facture, indéfiniment.
• Une infrastructure interne est un coût par palier : le même serveur absorbe des utilisateurs supplémentaires sans surcoût, jusqu'au moment où la charge simultanée impose d'ajouter une carte.

Le point de bascule s'écrit donc simplement :

seuil = coût annuel complet de l'infrastructure ÷ (prix par utilisateur et par mois × 12)

Pour fixer l'ordre de grandeur du dénominateur, voici les prix publics relevés en octobre 2026 sur les pages officielles des éditeurs. Microsoft 365 Copilot est affiché à 26,00 € HT par utilisateur et par mois en paiement annuel (27,30 € HT en paiement mensuel, avec engagement annuel), en plus d'une licence Microsoft 365 éligible. L'offre Microsoft 365 Copilot Business, réservée aux clients d'un abonnement Microsoft 365 Business éligible et limitée à 300 utilisateurs, est affichée à 18,20 € HT en paiement annuel, ramenés à 15,60 € HT la première année par une offre promotionnelle sur abonnement annuel, valable du 1^er juillet au 31 décembre 2026. Chez OpenAI, le poste Standard de ChatGPT Business coûte 20 dollars par utilisateur et par mois en facturation annuelle, 25 dollars en facturation mensuelle, un tarif valable dans la plupart des pays mais qui peut varier selon le pays et la devise ; ChatGPT Enterprise est sur devis. Ces prix évoluent : relevez-les le jour de votre calcul.

Au-delà de ce nombre d'utilisateurs, l'infrastructure interne devient moins chère, et l'écart se creuse ensuite à chaque nouvel utilisateur, puisqu'il est gratuit. En dessous, l'abonnement reste plus rationnel : c'est une réponse honnête, et elle vaut pour beaucoup de petites structures.

Deux nuances qui déplacent ce seuil, toujours dans le même sens :

• Le palier est large. Un même serveur dessert l'ensemble des utilisateurs équipés, car seule une partie d'entre eux l'interroge au même instant : tant que la charge simultanée tient sur la carte, chaque utilisateur supplémentaire ne coûte rien de plus. La mutualisation est le vrai levier économique de l'IA interne.
• L'infrastructure sert plusieurs usages. Dans la limite de sa capacité, le même serveur héberge l'assistant conversationnel, la recherche documentaire, la synthèse de comptes rendus, l'aide à la rédaction. En modèle par licence, l'usage qui dépasse les limites incluses se paie en supplément : chez ChatGPT Business, par exemple, sous forme de crédits d'espace de travail ou de postes Premium à 100 dollars par utilisateur et par mois en facturation annuelle.

Le dimensionnement dépend des requêtes réellement simultanées, du contexte et du modèle. Un nombre d'utilisateurs équipés ne constitue pas un benchmark d'inférence ; un test daté doit préciser débit, latence médiane/p95 et taux d'échec.

Notre simulateur de retour sur investissement pose ce calcul avec vos propres hypothèses : dépenses réellement supprimées, coût d'infrastructure, temps gagné et risque de données évité, ces deux derniers étant évalués séparément du budget.

Trois erreurs de calcul fréquentes

1. Comparer un achat à un abonnement

Mettre en regard le prix d'achat d'un serveur et une facture mensuelle fausse mécaniquement la comparaison. Il faut ramener les deux à la même unité : un coût annuel complet, calculé sur le même horizon pour les deux options, le matériel étant amorti sur une durée explicite. Retenez celle de votre propre plan d'amortissement plutôt qu'une convention générique ; notre simulateur raisonne par défaut sur un horizon de cinq ans, modifiable, sans valeur résiduelle.

2. Dimensionner sur le pic absolu

Prévoir l'infrastructure pour le cas où tous les collaborateurs interrogeraient l'IA simultanément conduit à surdimensionner d'un facteur considérable. Le dimensionnement se fait sur la charge réellement observée aux heures pleines, avec une marge, pas sur un scénario théorique.

Dans le même esprit, une IA interne n'a aucune raison de consommer la nuit et le week-end. Nos déploiements intègrent une extinction programmée du serveur GPU du modèle en dehors des heures ouvrées : sur une plage 8h–18h en semaine, comptée comme dans notre simulateur sur 52 semaines de 5 jours, la machine tourne 2 600 heures sur les 8 760 d'une année et reste à l'arrêt environ 70 % du temps. En location à l'heure, ces heures d'arrêt ne sont pas facturées, sous réserve des conditions de l'hébergeur (facturation minimale, ressources conservées pendant l'arrêt, temps de redémarrage) ; la consommation électrique associée disparaît, à la veille près.

3. Oublier le coût de ne rien faire

C'est l'erreur la plus coûteuse, parce qu'elle est invisible dans le tableur. En l'absence d'outil interne, les collaborateurs utilisent déjà des IA grand public depuis leur navigateur, avec des documents de travail. Ce n'est pas une hypothèse : c'est l'observation que nous faisons dans la quasi-totalité des organisations rencontrées.

Ce coût-là ne se lit pas sur une facture mais sur une exposition : données qui sortent du périmètre, absence de traçabilité, et un risque de sanction que le RGPD et le règlement européen sur l'IA rendent concret. La méthode que nous employons pour le chiffrer est publiée sur notre page méthode de calcul du risque évité, et l'analyse réglementaire complète est sur nos pages IA & RGPD et AI Act.

La réversibilité est aussi un argument économique

Un dernier poste n'apparaît jamais dans les comparatifs : le coût de sortie. Une solution propriétaire dont les données, les index et les historiques de conversation vivent chez l'éditeur crée une dépendance qui se paie au renouvellement du contrat, c'est le moment où le prix par utilisateur augmente.

Une pile open source et open weight, hébergée chez vous, supprime cette asymétrie : les modèles sont interchangeables, l'index vous appartient, et changer de prestataire ne signifie pas repartir de zéro. Cette liberté n'a pas de ligne dans le budget de la première année. Elle en a une dans celui de la quatrième.

Ce qu'il faut retenir

Le bon réflexe n'est pas de demander « combien ça coûte » mais « à partir de combien d'utilisateurs et sur quelle durée ». Une IA interne est un investissement à palier qui devient de plus en plus avantageux à mesure qu'il est utilisé, l'inverse exact d'un abonnement par siège. Et ce seuil ne se devine pas, il se calcule : avec vos effectifs réels, les tarifs du jour et un coût d'infrastructure complet, exploitation comprise.