L’IA a démontré sa capacité à automatiser les processus, à améliorer la productivité et à accélérer la prise de décision des entreprises. Sans embargo, alors que les entreprises ont l’intention d’augmenter l’IA et d’étendre leur utilisation à une grande échelle, une nouvelle question surgit : est-ce que cela est rentable ? Oui, le principal obstacle à la suppression de l’IA de forme massive n’est pas technologique, mais économique.
L’information 2025 State of AI Cost Management, élaborée par Mavvrik et Benchmarkit, indique que 80 % des entreprises reconnaissent des dépenses supérieures à 25 % dans leurs prévisions de coûts d’IA, alors que le cas 1 de chaque mois 4 subissait le gaspillage à plus de 50 %. De plus, selon un studio de l’initiative NANDA du MIT, les 95 % des pilotes d’IA génératifs ne peuvent pas générer des bénéfices commerciaux tangibles et quantifiables.
Malgré cette difficulté à augmenter l’IA de forme louable, vous répéterez les trois erreurs qui s’exposent à la suite.
Erreur d’amorce : utiliser les modèles les plus puissants de ce dont vous avez besoin
De nombreuses organisations utilisent les modèles les plus avancés pour pratiquement toute tâche, y compris lorsque la grande partie du travail peut résoudre des systèmes plus légers et plus efficaces. Le résultat est une automatisation sobredimensionnée qui affecte directement la rentabilité des projets. Afin d’augmenter le volume d’utilisation, les coûts d’infrastructure augmentent et, dans certains cas, la valeur est générée plus rapidement par la technologie propre. Au cours des années, nous sommes obsédés par l’idée de disposer de modèles tous les plus puissants, mais le vrai retour est utilisé de manière intelligente.
Deuxième erreur : tenter d’augmenter les pilotes conçus pour les éléments contrôlés
De nombreux projets d’IA ont des résultats prometteurs au cours des essais initiaux, mais ils rencontrent des difficultés lorsqu’ils accumulent le moment de désengagement dans l’ensemble de l’organisation. La raison est qu’un pilote fonctionne dans un environnement contrôlé, avec quelques utilisateurs et coûte apparemment à la charge. Cependant, lorsque l’IA commence à utiliser une forme généralisée, des exceptions, des réintentions, de multiples étapes de raisonnement et un volume d’opérations bien supérieur à la prévision.
De plus, à la différence des logiciels traditionnels, les coûts de l’IA génératrice sont des variables. Un autre processus peut nécessiter des recours très distincts en fonction de la complexité de chaque consultation, en modifiant la planification financière et l’estimation du retour sur investissement.
En conséquence, certaines organisations limitent l’accès aux outils déterminés pour contenir le gasto, réduisant précisément l’impact du transformateur qui doit être utilisé.
Troisième erreur : construire des processus entrants sur un modèle unique
La grande partie du marché reste concentrée sur ses revenus en sélectionnant les meilleurs modèles ou en recherchant des alternatives plus économiques. Sans embargo, le véritable potentiel d’optimisation se trouve dans la forme qui est conçue et exécutée le travail.
De nombreuses organisations ont délégué des processus complets dans un modèle unique d’IA. Cela vous oblige à utiliser une technologie avancée pendant tout le processus, y compris dans les tâches répétitives ou les étapes qui peuvent résoudre les systèmes les plus efficaces et les plus économiques. En conséquence, les entreprises finissent par payer des capacités de raisonnement complètes dans des étapes qui n’apportent vraiment pas de différence de valeur, ce qui fait que les coûts augmentent à mesure que le volume d’utilisation augmente.
Optimiser les processus avant que les modèles ne soient utilisés comme grande solution
La clé pour augmenter l’IA de forme louable pasa pour commencer à réfléchir uniquement sur les modèles et à concevoir des architectures centrées sur l’efficacité de chaque processus. Cela implique de diviser les flux de travail en tâches spécifiques et de les attribuer à chaque technologie la plus appropriée. De cette manière, les modèles les plus avancés sont réservés à toutes les activités qui apportent réellement de la valeur, alors que le reste du processus peut être exécuté par des modèles spécialisés les plus petits, des automatisations traditionnelles ou des systèmes basés sur un code, avec des coûts significativement inférieurs.
De nombreuses organisations ont délégué des processus complets dans un modèle unique d’IA.
Lorsque chaque personne utilise uniquement les ressources nécessaires, les coûts doivent créer le même rythme que le volume d’utilisation, ce qui peut augmenter l’IA de forme durable. De plus, cette étude apporte une plus grande flexibilité : pour développer les processus d’un modèle concret, les entreprises peuvent incorporer de nouvelles technologies, combiner différents modèles ou remplacer les solutions existantes sans nécessité de repenser complètement leurs opérations.
Analyse de David Villalón, PDG et cofondateur de Maisa
