Najar.ai publie un observatoire sur le coût IA

L’IA devient un poste de dépense difficile à maîtriser car elle se glisse à la fois dans les abonnements SaaS, les achats directs par les équipes et les modèles facturés à l’usage. Selon l’Observatoire publié par Najar, 93 % des usages IA identifiés échappent aux circuits d’achat classiques, tandis que les renouvellements logiciels intégrant de l’IA augmentent fortement.

Cette évolution est importante car elle transforme l’IA en catégorie d’achat stratégique, au même titre que le cloud ou la cybersécurité. Pour les entrepreneurs, directions financières, achats, IT et innovation, le sujet ne se limite plus à tester ChatGPT, Claude ou Copilot : il s’agit désormais de mesurer le retour sur investissement, de limiter les doublons et de réduire les risques de sécurité. Les marchés concernés sont nombreux : SaaS, CRM, support client, outils collaboratifs, développement logiciel, génération de contenu, automatisation métier, cloud et services de conseil. Dans un contexte de ralentissement budgétaire et de durcissement réglementaire avec le RGPD et l’AI Act européen, l’absence de pilotage peut rapidement créer une facture invisible, peu négociée et difficile à justifier.

Le coût de l’IA en entreprise devient plus diffus, plus variable et moins prévisible

L’adoption de l’intelligence artificielle en entreprise suit rarement une trajectoire centralisée. Les équipes marketing testent des outils de rédaction, les développeurs s’équipent d’assistants de code, les commerciaux activent des copilotes dans leur CRM, les équipes support expérimentent des agents conversationnels, tandis que les directions métiers utilisent des solutions de transcription, de recherche documentaire ou de génération d’images. Cette diffusion rapide crée un paradoxe : l’IA améliore potentiellement la productivité, mais elle complique fortement la lecture des coûts.

Najar, plateforme spécialisée dans l’optimisation des achats technologiques, a analysé les données anonymisées de plus de 250 entreprises européennes, principalement issues de la technologie, de la distribution, du capital-investissement et de secteurs connexes. Son Observatoire met en évidence une fragmentation de la dépense IA autour de quatre sources principales : les achats hors contrat, les renouvellements SaaS enrichis en IA, les consommations variables aux tokens ou crédits, et les redondances entre outils.

Ce phénomène touche directement les entreprises en croissance, qui disposent souvent d’équipes autonomes, de budgets décentralisés et d’une forte culture d’expérimentation. Or, ce qui commence comme un test à quelques dizaines d’euros par mois peut devenir, à l’échelle d’une organisation, une dépense annuelle significative, parfois sans propriétaire budgétaire clairement identifié.

Le shadow AI échappe encore largement aux processus d’achat

L’un des enseignements les plus marquants de l’Observatoire concerne la part des usages IA non encadrés. 93 % des usages IA détectés ne sont associés à aucun contrat formel. Ils proviennent d’inscriptions freemium, d’essais gratuits, de paiements par carte bancaire ou de souscriptions individuelles réalisées directement par des collaborateurs.

Cette situation prolonge le phénomène de shadow IT, mais avec une intensité particulière. Les outils d’IA sont accessibles en quelques minutes, ne nécessitent pas toujours d’intégration technique lourde et répondent à des besoins immédiats : écrire un email, analyser un document, générer du code, résumer une réunion ou créer une présentation. ChatGPT, Cursor et Claude concentrent à eux seuls 95 % des outils IA spécialisés repérés dans ces usages informels.

Le risque n’est pas seulement financier. Lorsqu’un collaborateur téléverse un fichier client, un extrait de code propriétaire, un contrat ou des données RH dans un outil non validé, l’entreprise perd le contrôle sur la localisation, la conservation et le traitement de l’information. Le sujet devient alors juridique et opérationnel, notamment au regard du RGPD, des obligations de confidentialité contractuelle et de l’AI Act européen, dont certaines exigences s’appliquent progressivement depuis 2025 et 2026 selon les catégories de systèmes.

Pour les directions financières, achats et IT, la première difficulté consiste donc à rendre visible ce qui ne l’est pas. Les relevés de carte bancaire, les journaux SSO, les inventaires SaaS, les dépenses cloud et les contrats fournisseurs doivent être rapprochés pour identifier les usages réels.

Les hausses de prix SaaS intègrent de plus en plus l’IA

La dépense IA ne se limite pas aux outils spécialisés. Elle s’intègre désormais dans les logiciels déjà utilisés au quotidien : CRM, suites bureautiques, plateformes de support client, outils de collaboration, logiciels de gestion de projet, solutions RH ou plateformes marketing. Ces produits deviennent des solutions AI-enabled, c’est-à-dire des SaaS traditionnels enrichis de fonctionnalités d’IA.

Le problème est que le coût de ces nouvelles capacités n’apparaît pas toujours comme une ligne distincte. Il se matérialise souvent lors du renouvellement annuel, à travers une hausse globale de l’abonnement. Selon les données observées, l’augmentation moyenne des renouvellements SaaS est passée de 11,5 % en 2024 à 16 % en 2025, avec une projection pouvant atteindre 25 % en 2026.

Cette inflation pose une question centrale : les entreprises paient-elles pour des fonctionnalités réellement utilisées ? Les taux d’activation restent faibles sur plusieurs offres IA intégrées. HubSpot Breeze AI est observé à 2,4 %, Zendesk AI Copilot à 2 %, tandis qu’Agentforce de Salesforce atteint 10,6 %. Autrement dit, une entreprise peut accepter une hausse tarifaire au nom de l’IA sans que ses équipes exploitent effectivement les fonctionnalités concernées.

Pour un entrepreneur ou un directeur innovation, cela impose de distinguer l’effet d’annonce de l’usage réel. Une fonctionnalité IA n’a de valeur économique que si elle réduit un coût, accélère un processus, améliore la qualité d’un livrable ou augmente le chiffre d’affaires. Sans indicateurs d’adoption et de productivité, elle reste une option coûteuse.

Les doublons fonctionnels alourdissent la facture

La multiplication des outils IA crée aussi des chevauchements. Une même entreprise peut payer plusieurs solutions capables de rédiger des contenus, résumer des réunions, générer des comptes rendus, assister les développeurs ou répondre à des questions internes. Ces doublons apparaissent souvent parce que chaque équipe choisit l’outil le plus adapté à son usage immédiat, sans vision consolidée.

L’Observatoire montre que 50 % des entreprises disposant d’un outil de rédaction IA en possèdent au moins deux, et que 16 % en possèdent trois ou plus. Pour une société de 200 personnes, supprimer un outil de rédaction IA redondant peut représenter 15 000 à 30 000 euros d’économies annuelles. Dans le développement logiciel, toutes les entreprises utilisant Cursor conservent également GitHub Copilot. De même, 77 % des entreprises qui utilisent Notion paient aussi pour des fonctionnalités IA déjà présentes dans Google Workspace ou Microsoft 365.

Ces recouvrements ne signifient pas toujours qu’un outil doit être supprimé. Cursor et GitHub Copilot, par exemple, ne répondent pas exactement aux mêmes habitudes de développement. Mais ils doivent être comparés sur des critères concrets : taux d’utilisation, gain de temps, qualité du code, sécurité, intégration à l’environnement existant, coût par utilisateur actif et valeur produite.

La bonne pratique consiste à organiser une revue régulière des usages avant chaque renouvellement. Cette revue doit associer les métiers, les achats, la DSI, la sécurité et la finance afin d’éviter une décision purement technique ou purement budgétaire.

Le modèle au token transforme la logique économique du logiciel

L’autre rupture vient de la facturation à l’usage. Le SaaS classique reposait sur une logique relativement prévisible : un prix par utilisateur, par mois ou par an. L’IA introduit une mécanique plus proche du cloud : la facture varie selon les volumes consommés, les appels API, les tokens, les crédits, les requêtes ou le nombre d’agents activés.

Un token correspond à une unité de texte traitée par un modèle d’IA. Plus une entreprise soumet de longs documents, multiplie les conversations ou automatise des tâches avec des agents, plus elle consomme de tokens. Selon les modèles utilisés, les écarts de prix peuvent être considérables, avec des tarifs observés chez OpenAI allant de 0,05 dollar à 150 dollars par million de tokens.

Cette variabilité crée un risque budgétaire. À effectifs constants, certaines organisations ont vu leurs dépenses OpenAI progresser de 129 %. Les outils de création comme Midjourney, Runway ou ElevenLabs, ainsi que des environnements de développement comme Cursor, fonctionnent souvent avec des crédits ou des quotas. Lorsque ces enveloppes sont épuisées, les équipes peuvent acheter des crédits supplémentaires, parfois sans validation centralisée.

Les entreprises doivent donc appliquer à l’IA des principes proches du FinOps utilisé pour maîtriser les coûts cloud : suivi des consommations, alertes de dépassement, plafonds contractuels, budgets par équipe, choix du bon modèle selon le cas d’usage et arbitrage entre performance et coût.

Vers une gouvernance financière et opérationnelle de l’IA

La maîtrise des coûts IA ne consiste pas à freiner l’innovation. Elle vise au contraire à permettre un déploiement durable, sécurisé et mesurable. Une entreprise qui ignore ses usages réels ne peut ni négocier correctement avec ses fournisseurs, ni prioriser les cas d’usage à fort impact, ni réduire les risques liés aux données.

La première étape consiste à établir un inventaire des outils IA, qu’ils soient contractés officiellement ou détectés via les dépenses, les connexions SSO et les usages métiers. La deuxième consiste à créer une ligne budgétaire dédiée, afin de distinguer l’IA des dépenses SaaS classiques. La troisième repose sur la définition de règles simples : validation des achats par carte, clauses de confidentialité, plafonds de consommation, mesure du taux d’activation et suppression des doublons avant renouvellement.

Les entreprises les plus matures iront plus loin en créant un comité IA réunissant finance, achats, IT, juridique, cybersécurité et métiers. Ce comité peut évaluer les cas d’usage selon leur retour sur investissement, leur niveau de risque et leur capacité à passer à l’échelle. Dans un marché où les éditeurs cherchent à monétiser rapidement leurs fonctionnalités IA, cette gouvernance devient un avantage compétitif.

L’IA n’est plus seulement une expérimentation technologique. Elle devient une ligne de coût structurante, un sujet de conformité et un levier de productivité. Les entreprises qui sauront mesurer précisément leurs usages, négocier leurs contrats et concentrer leurs investissements sur les cas d’usage les plus rentables éviteront que l’innovation ne se transforme en facture incontrôlée.