Comment les projets d’IA non encadrés alourdissent les dépenses

La consolidation des plateformes d’IA commence par des règles de fonctionnement

L’achat d’une plateforme d’IA partagée laisse une question de gestion en suspens : comment les équipes doivent-elles développer et gouverner l’IA ? Une norme d’IA partagée, c’est-à-dire l’ensemble des règles convenues par l’organisation pour le développement, le déploiement et la supervision, donne un objectif à cet achat. Pour les directeurs des systèmes d’information (DSI) qui craignent qu’une collection croissante de plateformes d’IA n’affaiblisse le rendement des investissements, la première question est de savoir sur quoi l’entreprise a besoin que tout le monde s’accorde.

Zoldi recommande de définir cette norme avant de la mettre en pratique au moyen d’une plateforme unifiée, soutenue par une direction coordonnée et des dépenses rigoureusement maîtrisées. FICO a un intérêt commercial à formuler cette recommandation, car l’entreprise vend des technologies de plateforme d’IA. La question de gestion est de savoir comment une plateforme mettra en œuvre les décisions de l’organisation, car le choix de la technologie ne peut pas trancher les désaccords sur la manière dont l’IA doit être utilisée ou contrôlée.

Les rendements déclarés de l’IA laissent une marge d’amélioration sur les coûts d’exploitation

Le rapport FICO donne aux dirigeants un point de départ pour cette discussion sur les dépenses : la plupart des résultats rapportés cités ici ont répondu aux attentes ou les ont dépassées. Seules 5 % des organisations interrogées ont déclaré que l’IA avait largement dépassé leurs attentes en matière de retour sur investissement, ou ROI. Plus de 37 % ont indiqué que l’IA avait répondu à leurs attentes, tandis qu’environ 43 % ont déclaré qu’elle les avait quelque peu dépassées. Améliorer un investissement déjà utile constitue donc un objectif de gestion pertinent.

Des résultats utiles peuvent néanmoins s’accompagner de coûts évitables, car une organisation peut atteindre ses objectifs métier tout en finançant des activités qui y contribuent peu. Réduire ces dépenses améliore l’économie du travail lié à l’IA, même lorsque la direction est satisfaite du rendement global. La recommandation de Zoldi répond à cette question : comment des règles partagées et un déploiement coordonné peuvent-ils encadrer des activités qui augmentent les coûts sans ajouter de valeur métier ?

Définir la norme avant de choisir la plateforme

Pour maîtriser les coûts d’exploitation au moyen d’une plateforme partagée, l’organisation doit d’abord définir le travail qu’elle entend soutenir. Zoldi affirme que la norme doit préciser quels algorithmes, c’est-à-dire les méthodes de calcul utilisées par les systèmes d’IA, l’organisation prévoit d’utiliser. Prendre cette décision avant de sélectionner la plateforme donne aux équipes une approche de développement commune à partir de laquelle évaluer les technologies disponibles.

Cette approche doit aussi inclure des pratiques partagées en matière d’explicabilité et de supervision, deux éléments que Zoldi intègre à la norme. L’explicabilité consiste à expliquer le comportement ou les résultats d’un système d’IA ; la supervision consiste à observer son fonctionnement dans le temps. Des pratiques convenues donnent aux équipes une base commune pour expliquer les résultats et suivre le comportement du système après le déploiement.

Ces pratiques doivent également tenir compte des exigences réglementaires. Zoldi indique que les entreprises doivent décrire dans la norme comment elles respecteront ces exigences, en reliant la planification de la conformité au développement et au déploiement. Une fois cette approche définie, la direction peut évaluer si la plateforme proposée la prend en charge.

Une plateforme unifiée devient alors le moyen de mettre cet accord en pratique. « C’est à ce moment-là que nous voyons le ROI se développer », a déclaré Zoldi. Il associe les rendements à la mise en œuvre d’une norme partagée ; ainsi, l’accord sur la manière dont l’IA doit fonctionner sous-tend sa recommandation en faveur d’une plateforme.

La direction doit traduire la norme en décisions d’achat

Mettre la norme en pratique exige le soutien de la direction ; Zoldi conseille donc aux DSI de la promouvoir et de construire un accord entre les dirigeants. Les DSI doivent expliquer en quoi des décisions partagées sur le développement, la supervision et la conformité servent l’entreprise. Avec cet accord, le choix technologique a un objectif clair, et les équipes disposent d’une base commune pour utiliser la plateforme retenue.

L’accord de la direction soutient également une discipline d’achat. Zoldi appelle les DSI à faire preuve de sobriété et de responsabilité dans l’achat de technologies, car des achats supplémentaires peuvent contribuer à la prolifération des plateformes, c’est-à-dire à la multiplication de plateformes d’IA distinctes au sein d’une organisation. Pour chaque ajout proposé, les dirigeants peuvent se demander quelle partie de l’approche convenue il soutient et quelle valeur métier il apporte.

Les achats s’inscrivent dans une responsabilité plus large en matière d’efficacité de l’infrastructure. Zoldi soutient que les DSI doivent expliquer comment la coordination et une infrastructure efficace contribuent à la valeur de l’entreprise, afin d’aider les dirigeants à évaluer les dépenses au-delà de l’attrait d’outils pris individuellement.

La maîtrise des dépenses se poursuit après le déploiement

Cette responsabilité se poursuit après le déploiement, car les coûts dépendent de ce que les équipes continuent à faire tourner et à consommer. « Très souvent, cette prolifération signifie qu’il existe des projets shadow menés en parallèle, des éléments laissés actifs qui augmentent vos coûts, ainsi qu’une consommation de tokens chez les hyperscalers qui n’apporte absolument aucune valeur métier », a déclaré Zoldi. Ses exemples couvrent des projets en dehors de la supervision partagée, des ressources laissées actives et des frais facturés à l’usage. Chacun de ces points exige une attention dans l’exploitation quotidienne.

Les projets shadow, c’est-à-dire les travaux menés en dehors de la supervision partagée de l’organisation, compliquent la coordination, car les dirigeants peuvent ne pas avoir une vision commune de l’activité liée à l’IA. Les intégrer dans des pratiques convenues de développement et de gouvernance donne à l’organisation une base pour évaluer leur finalité et leurs coûts. Les ressources laissées en fonctionnement créent un problème connexe : les frais peuvent continuer à s’accumuler même lorsque leur maintien disponible apporte peu de valeur.

Les frais facturés à l’usage donnent aux dirigeants une autre raison d’examiner l’activité en cours. Les hyperscalers sont de grands fournisseurs de services cloud, et les tokens sont les unités de texte traitées par les modèles de langage. Zoldi pointe une consommation de tokens chez les hyperscalers qui ne produit aucune valeur métier ; sa préoccupation porte donc aussi sur la question de savoir si l’usage payant contribue à des résultats utiles. Une liste bien tenue des plateformes achetées peut malgré tout laisser ces coûts d’exploitation sans réponse.

La gouvernance des agents ajoute des exigences de sécurité et de données

La supervision continue s’élargit avec l’IA agentique, c’est-à-dire des systèmes qui exécutent des tâches au moyen de séquences d’actions. Environ 40 % des organisations du rapport FICO ont cité les préoccupations de sécurité comme un obstacle à l’obtention de rendements avec l’IA agentique. Environ 38 % ont cité les difficultés d’intégration et de qualité des données comme principal obstacle. Ces préoccupations ajoutent des exigences de sécurité et de données aux décisions opérationnelles des dirigeants.

Les fournisseurs en concurrence pour les dépenses d’IA en entreprise développent des produits autour de ces besoins de gouvernance. Salesforce et Databricks ont lancé des fonctionnalités de gouvernance des agents d’IA « plus tôt cette année », tandis qu’AWS a présenté Agent Registry, une plateforme destinée à soutenir la création et la gouvernance des agents. Ces entreprises ont un intérêt commercial à faire de la gouvernance un élément de l’achat technologique, tout comme FICO bénéficie de la demande pour des plateformes d’IA partagées.

Pour les acheteurs, la tâche consiste à évaluer dans quelle mesure chaque offre répond aux exigences de gouvernance convenues par l’organisation. La sécurité exige des décisions sur ce à quoi les agents peuvent accéder et ce qu’ils peuvent faire, tandis que l’intégration et la qualité des données influent sur les informations disponibles pour leur travail. Une plateforme partagée peut soutenir ces responsabilités. Mais la direction et les équipes techniques doivent toujours définir les exigences à l’aune desquelles elles évalueront ses capacités.

Points clés

Définir d’abord les règles de fonctionnement : les DSI doivent obtenir l’accord de la direction sur le développement, le déploiement et la supervision de l’IA avant de consolider les plateformes. Cet accord donne au choix technologique un objectif métier clair.
Examiner les coûts en parallèle des rendements : la plupart des organisations interrogées ont déclaré des rendements de l’IA conformes ou supérieurs aux attentes. Les responsables financiers et technologiques peuvent améliorer cette économie en identifiant les dépenses qui apportent peu de valeur métier.
Définir les exigences de la plateforme : les équipes en charge du développement et de la gouvernance de l’IA ont besoin d’algorithmes convenus, de pratiques d’explicabilité, de supervision et d’exigences réglementaires partagées. Utilisez ces normes pour évaluer si une plateforme proposée répond aux besoins de l’organisation.
Relier les achats aux priorités partagées : les DSI doivent rattacher chaque achat technologique proposé à la norme d’IA convenue et à sa valeur métier. Le soutien de la direction donne aux équipes achats une base commune pour maîtriser la prolifération des plateformes.
Suivre les dépenses après le déploiement : les équipes infrastructure et IA ont besoin d’examens continus des projets shadow, des ressources laissées en fonctionnement et de la consommation de tokens. Évaluez si chaque activité justifie son coût continu.
Préciser les exigences de gouvernance des agents : les préoccupations de sécurité ainsi que les difficultés d’intégration et de qualité des données sont signalées comme des obstacles aux rendements de l’IA agentique. Les équipes sécurité et données doivent définir l’accès des agents, les actions autorisées et les exigences en matière de données avant que les acheteurs n’évaluent les produits de gouvernance.