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

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

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

• portée de la mise en œuvre – les organisations qui consacrent au moins 20 % de leurs bénéfices avant déduction des intérêts et des impôts (EBIT) à l’adoption de l’IA sont considérées comme des leaders dans l’utilisation de l’IA. Selon le rapport McKinsey Global Survey on AI, ils investissent souvent davantage dans ces technologies. Ainsi, une contribution élevée de l’IA aux bénéfices de l’entreprise peut augmenter les coûts de mise en œuvre.
• accès à des spécialistes – le besoin de postes spécialisés, tels que des ingénieurs de données, des spécialistes de l’apprentissage automatique ou des 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 admissibles – le choix entre des solutions d’IA personnalisées et des logiciels disponibles dans le commerce affecte les coûts. Les solutions personnalisées peuvent coûter entre 6 000 $ et plus de 300 000 $. Alors que les logiciels disponibles dans le commerce 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 envisagent 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. Toutefois, cet investissement sera probablement essentiel à la croissance des entreprises. Jusqu'à deux tiers des personnes interrogées dans le cadre de l'enquête mondiale 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 place d’un système d’analyse de données doit considérer à la fois les coûts d’achat du logiciel et l’embauche de spécialistes capables de l’exploiter.

Modéliser la formation des coûts de l'IA

L’un des coûts les plus courants associés à la mise en œuvre de l’intelligence artificielle et qui dissuade les gens d’investir est le coût de formation du modèle d’IA. Il s’agit d’un processus qui nécessite à la fois de l’expertise et des ressources financières. Mais avant tout, pour entraîner un modèle d’IA, vous devez 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 de son efficacité ou à une augmentation de ses bénéfices grâce à l’utilisation de l’IA. Le coût de formation d’un modèle est l’un des aspects très difficiles à estimer. Cela 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 formé avec précision peut augmenter considérablement les ventes en adaptant les produits aux préférences individuelles des clients. Dans un tel cas, les coûts de formation du modèle constituent un investissement qui apporte des bénéfices tangibles.

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

Plans tarifaires

L'abonnement est une option populaire pour les entreprises qui cherchent à tirer parti des technologies avancées sans avoir besoin d'investissements initiaux importants. Voici quelques exemples de frais d’abonnement :

• Chatbots IA – ils sont le plus souvent utilisés pour automatiser certaines tâches du service client ; cela vaut la peine d'examiner des solutions telles que Drift (coût mensuel de 400 $ à 1 500 $), TARS (99 $ à 499 $ par mois) ou Intercom Fin (de 39 $ à 139 $ par mois).
• Systèmes d'analyse de contenu IA pour le référencement – ​​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 zl par mois,
• ChatGPT Plus ou Perplexity – cela représente un coût d'environ 20 $ par mois et par utilisateur, une alternative gratuite est Google Bard ou Microsoft Bing/Copilot.

Avant de choisir un outil d’IA, les entrepreneurs doivent analyser soigneusement leurs besoins et leurs capacités. Par exemple, un cabinet de conseil peut opter pour un abonnement à un outil d’analyse de données pour fournir plus efficacement des informations précieuses aux clients.

Le coût de l'IA lié à l'utilisation d'API populaires

L'interface de programmation d'application, ou API AI, est des outils qui permettent l'intégration de fonctions d'IA avec les 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 1 000 jetons pour l'entrée et 0,03 $ par 1 000 jetons pour la sortie,
• GPT-3.5 Turbo – le coût du modèle précédent, suffisant pour la plupart des applications professionnelles, est d'environ 0,0005 $ par 1 000 jetons pour l'entrée et 0,0015 $ par 1 000 jetons pour la sortie.

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

Les entreprises peuvent également utiliser des modèles en libre accès, tels que mixtral-8x7b ou llama2-70b. Les coûts d'exploitation sont bien inférieurs, tandis que les API sont fournies, entre autres :

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

Mais comment utiliser les API pour mettre en œuvre l’IA dans votre entreprise ? Un bon exemple serait l'intégration d'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 capable de générer automatiquement des réponses personnalisées aux e-mails des clients.

Maintenir une équipe d’IA ou collaborer avec des spécialistes externes en IA ?

Qui doit gérer la mise en œuvre de l’intelligence artificielle dans votre entreprise ? Si vous ne disposez pas d'une équipe de spécialistes ou de passionnés – des développeurs citoyens, vous êtes confronté à un choix entre maintenir une équipe d'IA interne et collaborer avec des spécialistes externes. Cette décision peut avoir un impact décisif sur les coûts et l’efficacité des projets d’IA.

Le maintien d’une équipe d’IA implique les coûts d’embauche de spécialistes coûteux et expérimentés, notamment des programmeurs et des data scientists.

Collaborer avec des spécialistes externes en IA peut être moins coûteux et donner accès à des compétences spécialisées. Cependant, cela peut rendre notre solution beaucoup plus coûteuse à maintenir par la suite, car chaque changement nécessitera de faire appel à des spécialistes.

Le choix entre une équipe interne et des spécialistes externes doit être motivé non seulement par le coût mais également par les objectifs stratégiques de l'entreprise. Par exemple, une petite entreprise peut choisir de travailler avec des spécialistes externes pour mettre en œuvre rapidement des solutions d’IA sans avoir à constituer une équipe interne. Et puis faites appel à l’un des employés les moins spécialisés pour le soutenir plus tard.

Pas seulement de l’argent : les coûts de l’IA environnementale

Les coûts environnementaux de l’IA sont un enjeu incontournable dans la stratégie à long terme d’une entreprise. Heureusement, la plupart des chefs d'entreprise ayant répondu à l'enquête mondiale McKinsey sur l'IA sont conscients des nombreux risques associés à l'IA générative, notamment :

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

Les organisations devraient réfléchir aux 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.

En résumé, les coûts de l’IA dans une entreprise dépendent de nombreuses variables, telles que l’étendue de la mise en œuvre, l’accès à des spécialistes et les plans de développement. Les entreprises qui investissent massivement dans l’IA peuvent encourir des coûts plus élevés, mais aussi récolter des bénéfices plus importants.

La décision de mettre en œuvre l’IA doit 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 du maintien de la compétitivité et de la croissance des entreprises.

Si vous aimez notre contenu, rejoignez notre communauté d'abeilles très active sur Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.

Auteur : Robert Whitney

Expert JavaScript et instructeur qui coache les départements informatiques. Son objectif principal est d'améliorer la productivité de l'équipe en apprenant aux autres comment coopérer efficacement lors du codage.

Afficher tous les messages

L'IA en entreprise :

1. Menaces et opportunités de l’IA en entreprise (partie 1)
2. Menaces et opportunités de l’IA en entreprise (partie 2)
3. Applications de l'IA en entreprise - aperçu
4. Chatbots textuels assistés par l'IA
5. La PNL commerciale aujourd'hui et demain
6. Le rôle de l’IA dans la prise de décision en entreprise
7. Planification des publications sur les réseaux sociaux. Comment l’IA peut-elle aider ?
8. Publications automatisées sur les réseaux sociaux
9. Nouveaux services et produits fonctionnant avec l’IA
10. Quelles sont les faiblesses de mon idée d’entreprise ? Une séance de brainstorming avec ChatGPT
11. Utiliser ChatGPT en entreprise
12. Acteurs synthétiques. Top 3 des générateurs vidéo IA
13. 3 outils de conception graphique IA utiles. L'IA générative en entreprise
14. 3 superbes rédacteurs d'IA que vous devez essayer aujourd'hui
15. Explorer la puissance de l'IA dans la création musicale
16. Naviguer dans de nouvelles opportunités commerciales avec ChatGPT-4
17. Outils d'IA pour le manager
18. 6 superbes plugins ChatGTP qui vous faciliteront la vie
19. 3 graphiques AI. Génération d'intelligence pour l'entreprise
20. Quel est l’avenir de l’IA selon McKinsey Global Institute ?
21. L'intelligence artificielle en entreprise - Introduction
22. Qu'est-ce que la PNL, ou traitement du langage naturel en entreprise
23. Traitement automatique des documents
24. Google Traduction contre DeepL. 5 applications de la traduction automatique pour les entreprises
25. Le fonctionnement et les applications métiers des voicebots
26. La technologie des assistants virtuels, ou comment parler à l’IA ?
27. Qu’est-ce que la Business Intelligence ?
28. L’intelligence artificielle va-t-elle remplacer les analystes commerciaux ?
29. Comment l’intelligence artificielle peut-elle aider avec le BPM ?
30. IA et réseaux sociaux : que disent-ils de nous ?
31. L'intelligence artificielle dans la gestion de contenu
32. L'IA créative d'aujourd'hui et de demain
33. L'IA multimodale et ses applications en entreprise
34. De nouvelles interactions. Comment l’IA change-t-elle la façon dont nous utilisons les appareils ?
35. RPA et API dans une entreprise numérique
36. Le futur marché du travail et les métiers à venir
37. L'IA dans l'EdTech. 3 exemples d’entreprises qui ont utilisé le potentiel de l’intelligence artificielle
38. Intelligence artificielle et environnement. 3 solutions d'IA pour vous aider à bâtir une entreprise durable
39. Détecteurs de contenu IA. En valent-ils la peine ?
40. ChatGPT contre Bard contre Bing. Quel chatbot IA mène la course ?
41. L'IA du chatbot est-elle un concurrent de la recherche Google ?
42. Invites ChatGPT efficaces pour les ressources humaines et le recrutement
43. Ingénierie rapide. Que fait un ingénieur rapide ?
44. Générateur de maquette IA. Les 4 meilleurs outils
45. L'IA et quoi d'autre ? Principales tendances technologiques pour les entreprises en 2024
46. IA et éthique des affaires. Pourquoi devriez-vous investir dans des solutions éthiques
47. Méta-IA. Que devez-vous savoir sur les fonctionnalités prises en charge par l'IA de Facebook et Instagram ?
48. Réglementation de l'IA. Que faut-il savoir en tant qu’entrepreneur ?
49. 5 nouveaux usages de l'IA en entreprise
50. Produits et projets d'IA : en quoi sont-ils différents des autres ?
51. Automatisation des processus assistée par l'IA. Où commencer?
52. Comment adapter une solution d’IA à un problème métier ?
53. L'IA en tant qu'expert dans votre équipe
54. Équipe IA vs répartition des rôles
55. Comment choisir un domaine de carrière en IA ?
56. Cela vaut-il toujours la peine d’ajouter l’intelligence artificielle au processus de développement de produits ?
57. L'IA dans les RH : comment l'automatisation du recrutement affecte les RH et le développement des équipes
58. 6 outils d'IA les plus intéressants en 2023
59. 6 plus gros incidents commerciaux causés par l’IA
60. Quelle est l’analyse de la maturité IA de l’entreprise ?
61. L'IA pour la personnalisation B2B
62. Cas d'utilisation de ChatGPT. 18 exemples de comment améliorer votre entreprise avec ChatGPT en 2024
63. Microapprentissage. Un moyen rapide d'acquérir de nouvelles compétences
64. Les implémentations d'IA les plus intéressantes en entreprise en 2024
65. Que font les spécialistes de l’intelligence artificielle ?
66. Quels défis le projet IA apporte-t-il ?
67. Top 8 des outils d'IA pour les entreprises en 2024
68. L'IA dans le CRM. Qu’est-ce que l’IA change dans les outils CRM ?
69. La loi UE sur l’IA. Comment l’Europe réglemente-t-elle l’utilisation de l’intelligence artificielle
70. Sora. Comment les vidéos réalistes d’OpenAI vont-elles changer le business ?
71. Top 7 des créateurs de sites Web IA
72. Outils sans code et innovations en matière d'IA
73. Dans quelle mesure l’utilisation de l’IA augmente-t-elle la productivité de votre équipe ?
74. Comment utiliser ChatGTP pour des études de marché ?
75. Comment élargir la portée de votre campagne marketing IA ?
76. "Nous sommes tous des développeurs". Comment les développeurs citoyens peuvent-ils aider votre entreprise ?
77. L'IA dans le transport et la logistique
78. Quels problèmes commerciaux l’IA peut-elle résoudre ?
79. L'intelligence artificielle dans les médias
80. L'IA dans la banque et la finance. Stripe, Monzo et Grab
81. L'IA dans l'industrie du voyage
82. Comment l’IA favorise la naissance de nouvelles technologies
83. La révolution de l'IA dans les médias sociaux
84. L'IA dans le commerce électronique. Aperçu des leaders mondiaux
85. Top 4 des outils de création d'images IA
86. Top 5 des outils d'IA pour l'analyse des données
87. Stratégie IA dans votre entreprise – comment la construire ?
88. Meilleurs cours d'IA – 6 recommandations géniales
89. Optimiser l'écoute des médias sociaux avec des outils d'IA
90. IoT + IA, ou comment réduire les coûts énergétiques en entreprise
91. L'IA en logistique. 5 meilleurs outils
92. GPT Store – un aperçu des GPT les plus intéressants pour les entreprises
93. LLM, GPT, RAG... Que signifient les acronymes IA ?
94. Robots IA : futur ou présent de l’entreprise ?
95. Quel est le coût de mise en œuvre de l’IA dans une entreprise ?