Table des Matières
Il n'y a pas de prix unique. Le coût d'un projet d'IA industrielle est surtout du temps humain : cadrage, préparation des données, intégration aux systèmes de l'usine et maintien de la précision du modèle après la mise en service. Matériel, frais cloud et licences pèsent souvent moins. Budgétez par phases, chacune close par une décision go/no-go, et chiffrez trois ans d'exploitation avant de commencer.
Points clés
- Le code du modèle n'est qu'une petite partie d'un système de machine learning en production ; la collecte et la vérification des données, l'infrastructure de service et la surveillance en constituent l'essentiel (Google Cloud).
- Dans l'enquête Anaconda de 2020, les data scientists déclaraient consacrer environ 45 % de leur temps au chargement et au nettoyage des données (InfoWorld). Faites de la préparation des données un poste budgétaire à part.
- Le calcul nécessaire à un pilote coûte souvent peu. Un serveur LLM sur site représente environ 48 000 $ de matériel, hors droits de douane, transport et TVA (Thunder Compute, Exxact).
- Gartner prévoyait qu'au moins 30 % des projets d'IA générative seraient abandonnés après la preuve de concept d'ici fin 2025, notamment à cause de coûts croissants (Intelligent CIO).
- En Algérie, la loi 23-12 impose de fixer le besoin total avant la procédure et interdit de le fractionner, mais autorise les tranches fermes et conditionnelles.
Que paye-t-on réellement ?
Le devis d'un fournisseur affiche en général les licences et le matériel. Le coût complet comporte d'autres postes. Le guide MLOps de Google Cloud énumère, autour du code ML, la configuration, l'automatisation, la collecte des données, la vérification des données, les tests et le débogage, la gestion des ressources, l'analyse des modèles, la gestion des métadonnées, l'infrastructure de service et la surveillance. Il précise que le vrai défi n'est pas de construire un modèle de ML, mais de construire un système de ML intégré et de l'exploiter en continu en production (Google Cloud).
| Poste de coût | Ce qu'il couvre | Ce qui le fait varier | Prix public de référence (novembre 2026) |
|---|---|---|---|
| Cadrage et évaluation de maturité | Choix du cas d'usage, audit des données, situation de référence, business case | Nombre de sites et de systèmes concernés | Chiffré en jours-homme |
| Préparation des données | Extraction, nettoyage, annotation, alignement temporel | Qualité des données, lacunes des historiques de maintenance ou de laboratoire, documents scannés | Chiffré en jours-homme |
| Capteurs et acquisition de données | Instruments, passerelles, réseau, là où les données n'existent pas encore | Nombre d'équipements | Capteur de vibration triaxial sans fil affiché à 399,95 $ (Erbessd) |
| Développement du modèle | Variables, entraînement, test face à une référence | Degré de nouveauté du problème | GPU loué à 3,03 $ de l'heure en médiane (Thunder Compute) |
| Calcul pour LLM | Frais d'API ou GPU sur site | Utilisateurs, tokens par question, règles sur les données | 2 $ en entrée / 10 $ en sortie par million de tokens pour gpt-6.1-sol (OpenAI) |
| Intégration | Historian, SCADA, ERP, gestion documentaire, authentification unique | Nombre de systèmes, règles de sécurité OT | Chiffré en jours-homme |
| Appropriation | Formation des exploitants et des ingénieurs, procédures | Nombre d'utilisateurs et de postes | Chiffré en jours-homme |
| Exploitation | Surveillance, réentraînement, support, garantie matérielle | Évolutions du procédé, mises à jour des modèles | Annuel |
La moitié de ces postes n'a pas de prix catalogue. Il s'agit du temps de votre personnel et des jours-homme du fournisseur, et c'est là que les estimations dérapent. Dans l'enquête Anaconda de 2020, les data scientists déclaraient passer 19 % de leur temps à charger les données et 26 % à les nettoyer, contre environ 11 % chacun pour le choix du modèle, l'entraînement et le déploiement (InfoWorld). Ce sont des chiffres déclaratifs portant sur les data scientists en général, pas sur des projets industriels, mais les données industrielles raccourcissent rarement ce travail.
Quelles phases le budget doit-il suivre ?
Découpez le budget pour que la dépense n'augmente qu'avec les preuves :
- Cadrage et évaluation de maturité. Choisir un cas d'usage, mesurer la situation de référence et vérifier que les données existent. Notre guide d'évaluation de la maturité IA liste les points à contrôler.
- Preuve de concept sur données historiques. Travailler hors ligne pour répondre à une seule question : les données contiennent-elles le signal ? Le livrable est un indicateur comparé à la situation de référence.
- Pilote en conditions réelles. Se connecter aux données en temps réel et à de vrais utilisateurs, sans laisser le modèle agir seul. Fixer le seuil de réussite par écrit avant le démarrage.
- Industrialisation et déploiement. Intégration, revue de sécurité, matériel de production, formation et documentation. L'essentiel des postes matériel et intégration se situe ici.
- Exploitation. Surveillance, réentraînement et support, budgétés par année sur au moins trois ans.
Chaque phase se termine par une décision go/no-go. C'est important, car beaucoup de projets s'arrêtent après la preuve de concept. Gartner prévoyait qu'au moins 30 % des projets d'IA générative seraient abandonnés après la preuve de concept d'ici fin 2025, en citant la mauvaise qualité des données, des contrôles des risques insuffisants, des coûts croissants ou une valeur métier peu claire. Son analyste Rita Sallam ajoutait que les coûts de l'IA générative sont moins prévisibles que ceux d'autres technologies (Intelligent CIO). Nous examinons les autres causes d'échec dans pourquoi les projets d'IA industrielle échouent.
Comment les coûts varient-ils selon le type de projet ?
| Type de projet | Principal facteur de coût | Matériel | Surprise fréquente |
|---|---|---|---|
| Assistant documentaire (LLM avec recherche documentaire) | Nettoyage des documents, droits d'accès, test des réponses | Serveur GPU sur site, ou frais d'API | Les documents scannés et obsolètes, pas le calcul |
| Maintenance prédictive | Capteurs là où il n'y en a pas ; historique des pannes | Capteurs, passerelles, serveurs standard | Trop peu de pannes enregistrées pour apprendre |
| Capteur logiciel ou modèle de procédé | Alignement des données procédé et laboratoire | Historian existant et un serveur | Horodatages laboratoire qui ne correspondent pas à l'heure de prélèvement |
| Contrôle qualité par vision | Acquisition d'images et annotation des défauts | Caméras, éclairage, calculateur en périphérie | Des défauts rares rendent l'annotation lente |
| Optimisation de formulations | Structuration des formulations et résultats d'essais passés | Serveur | Savoir dispersé entre fichiers et cahiers de laboratoire |
Pour un assistant documentaire, voir notre guide du RAG sur les manuels de maintenance. Pour les modèles de procédé, l'article sur les capteurs logiciels explique pourquoi l'alignement des données de laboratoire demande autant d'effort.
À quoi ressemblent les prix réels ? Trois exemples chiffrés
Les exemples ci-dessous utilisent des prix publiés, vérifiés en novembre 2026, et des hypothèses explicites. Ils donnent des ordres de grandeur, pas un devis.
1. Frais d'API pour un pilote d'assistant documentaire. Hypothèse : 50 utilisateurs posant 20 questions par jour ouvré sur 22 jours, soit 22 000 questions par mois. Avec 6 000 tokens en entrée et 500 en sortie par question, les mêmes hypothèses que notre comparatif de coût LLM sur site et API cloud, gpt-6.1-sol à 2 $ / 10 $ par million de tokens (OpenAI) coûte 0,017 $ par question, soit environ 374 $ par mois. Indexer 10 000 pages, à raison de 500 tokens par page (hypothèse), avec text-embedding-3-small à 0,02 $ par million de tokens, coûte environ 0,10 $. Ce n'est pas le calcul qui rend ce pilote coûteux. Et si vos documents ne peuvent pas quitter le site, l'API n'est de toute façon pas envisageable.
2. Matériel pour un LLM sur site. Le modèle open-weight gpt-oss-120b d'OpenAI est publié sous licence Apache 2.0 et documenté comme fonctionnant sur un seul GPU de 80 Go (Hugging Face). Deux cartes RTX PRO 6000 Blackwell de 96 Go au prix de 16 000 $ de la marketplace NVIDIA (Thunder Compute), plus un serveur hôte 4U de référence affiché à 16 005 $ sans GPU, avec une garantie pièces et main-d'œuvre de trois ans (Exxact), font environ 48 000 $. Ajoutez 19 % de TVA si vous ne pouvez pas la récupérer, plus les droits de douane et le transport. Notre guide de dimensionnement GPU explique comment dimensionner le serveur selon vos utilisateurs.
3. Capteurs pour la maintenance prédictive de 12 machines. Un fabricant affiche un kit de 12 capteurs de vibration triaxiaux sans fil à 5 199,95 $, soit environ 433 $ par capteur, et un modèle triaxial sans fil haut de gamme à 3 699,95 $ (Erbessd). Les deux étaient indiqués en rupture de stock lors de notre vérification. Le matériel est le poste le plus facile à chiffrer. L'installation, les travaux réseau et les mois de collecte de données nécessaires avant qu'un modèle ait de quoi apprendre ne figurent pas dans le prix catalogue.
Pourquoi les coûts d'exploitation comptent-ils plus que le développement ?
Un modèle qui fonctionnait à la réception se dégrade quand la charge, les équipements ou les modes de marche changent. Des chercheurs de Google ont écrit qu'il est courant de subir des coûts de maintenance massifs et permanents dans les systèmes de ML réels (Sculley et al., 2015). Prévoyez chaque année :
- la surveillance de la précision du modèle par rapport à une référence, comme les résultats de laboratoire ou les pannes confirmées ;
- le réentraînement après des modifications du procédé, de nouvelles qualités de produit ou de nouveaux équipements ;
- les mises à jour logicielles et de modèles, et les tests qu'elles exigent ;
- le support matériel après la fin de la garantie ;
- un responsable nommé de votre côté. Notre comparatif de coûts supposait un quart du temps d'un ingénieur pour un serveur LLM.
Demandez à chaque fournisseur un échéancier de prix sur trois à cinq ans, pas seulement le prix de la première année. Notre grille de sélection des fournisseurs inclut cette question.
Quels coûts sont propres à l'Algérie ?
Matériel importé. Le taux normal de TVA est de 19 %, et la TVA est perçue sur les importations comme sur les opérations commerciales (Grant Thornton). S'y ajoutent les droits de douane, le transport, les délais de livraison et le paiement en devises. Consultez votre transitaire et votre direction financière avant d'arrêter le budget.
Données personnelles. La loi 18-07, modifiée par la loi 25-11 du 24 juillet 2025, oblige les responsables de traitement à désigner un délégué à la protection des données et soumet les transferts de données personnelles à l'étranger à l'autorisation préalable de l'autorité nationale, l'ANPDP, sauf exceptions prévues par la loi (Gide). Les rapports de maintenance et les dossiers d'incidents nomment souvent des employés ; une API étrangère peut donc ajouter un travail de conformité. Faites confirmer votre cas par votre conseil juridique.
Commande publique. La loi 23-12 du 5 août 2023 encadre la façon dont un acheteur public peut découper un projet :
- Article 16 : les besoins sont déterminés avant le lancement de toute procédure, le montant total détermine la commission des marchés compétente, et il est interdit de fractionner les besoins pour échapper aux appels à la concurrence ou aux contrôles.
- Article 30 : un marché peut comporter une tranche ferme et une ou plusieurs tranches conditionnelles lorsque des conditions économiques ou financières le justifient. Un pilote suivi d'un déploiement conditionnel s'inscrit dans ce cadre.
- Article 13 : les entreprises publiques économiques ne sont pas soumises aux règles de passation de la loi, mais doivent adopter leurs propres procédures, fondées sur ses principes.
Ceci est un résumé, pas un avis juridique. Vérifiez les textes en vigueur avec votre service des marchés et votre conseil juridique.
Comment garder le budget sous contrôle ?
- Commencer par un seul cas d'usage et un seul indicateur de référence.
- Chiffrer chaque phase séparément, en jours-homme pour votre personnel comme pour celui du fournisseur.
- Faire de la préparation des données et de l'intégration des postes explicites, et non une partie de la « mise en œuvre ».
- Décider tôt si les données peuvent quitter le site ; cela change complètement le poste matériel.
- Conditionner le déblocage du budget de chaque phase à un résultat go/no-go.
- Transformer les résultats en business case avec la méthode de comment construire un business case IA.
Ce que nous avons observé chez KABAS AI
Notre offre de conseil comprend l'évaluation de maturité et l'identification des cas d'usage. Nous recommandons de commencer par là, car la phase la moins chère est celle qui arrête tôt un projet fragile.
L'étude de cas ENAD Shymeca publiée montre où va l'effort en pratique. Le déploiement de Virtual Lab a suivi cinq étapes : découverte, configuration de la plateforme, intégration des données avec migration de l'historique des formulations, formation et appropriation, et optimisation continue. Une seule de ces étapes consiste à configurer un logiciel. Chez ADFC, des décennies d'expérience en formulation existaient, mais elles étaient dispersées entre formats et emplacements, et structurer ce savoir faisait partie du travail. Quand vous budgétez, donnez à l'intégration des données et à l'appropriation leurs propres lignes.
Pour les assistants documentaires, DALILE fonctionne sur votre propre infrastructure, ce qui transforme les frais de tokens en coûts de matériel et d'exploitation. Pour une estimation par phases de votre propre cas d'usage, contactez-nous.
Sources
Prix vérifiés en novembre 2026. Ils changent souvent ; revérifiez-les avant de décider.
- Google Cloud, MLOps: Continuous delivery and automation pipelines in machine learning
- Sculley et al., Hidden Technical Debt in Machine Learning Systems, NeurIPS 2015
- InfoWorld, For data scientists, drudgery is still job one (enquête Anaconda 2020 State of Data Science)
- Intelligent CIO, Gartner predicts 30% of generative AI projects will be abandoned after proof of concept by end of 2025
- OpenAI, tarifs de l'API
- Hugging Face, fiche du modèle openai/gpt-oss-120b
- Thunder Compute, NVIDIA RTX PRO 6000 Blackwell pricing
- Exxact, configurateur TensorEX 4U, TWS-173594376
- Boutique Erbessd Instruments, capteurs de vibration sans fil
- Grant Thornton, Indirect tax guide: Algeria
- Gide, Protection of personal data: focus on Algerian regulations
- Loi 23-12 du 5 août 2023 fixant les règles générales relatives aux marchés publics, Journal officiel n° 51 (copie FAOLEX)
Questions fréquentes
Combien coûte une preuve de concept d'IA industrielle ?
Surtout le temps des personnes impliquées : vos ingénieurs, vos équipes IT et OT, et l'équipe du fournisseur. Le calcul coûte souvent peu à ce stade ; dans notre exemple, 50 utilisateurs pilotes d'un assistant documentaire coûtent environ 374 $ par mois en frais d'API. Demandez aux fournisseurs de chiffrer chaque phase en jours-homme et fixez le seuil de réussite avant le début des travaux.
Faut-il acheter des GPU pour un projet d'IA industrielle ?
Pas toujours. Beaucoup de modèles sur données capteurs ou procédé tournent sur des serveurs ordinaires. Un grand modèle de langage exécuté sur votre site a en revanche besoin de GPU : le modèle open-weight gpt-oss-120b d'OpenAI est documenté comme tenant sur un seul GPU de 80 Go, et deux cartes de 96 Go coûtent environ 32 000 $ au prix de la marketplace NVIDIA en novembre 2026.
Quels sont les coûts d'exploitation d'un système d'IA après la mise en service ?
Prévoyez chaque année la surveillance, le réentraînement quand le procédé ou les données changent, les mises à jour logicielles et de modèles, le support matériel et le personnel responsable du système. Des chercheurs de Google ont qualifié les coûts de maintenance des systèmes de machine learning réels de massifs et permanents : chiffrez donc au moins trois ans d'exploitation avant d'approuver le développement.
Vaut-il mieux acheter un produit d'IA ou développer un modèle sur mesure ?
Un produit répartit son coût de développement entre ses clients ; vous payez surtout les licences, l'intégration, la préparation des données et la formation. Un modèle sur mesure convient aux problèmes atypiques, mais vous financez seul tout le développement et la maintenance. Comparez les deux sur un coût total à trois ans, y compris le temps de votre personnel.
Comment une entreprise publique algérienne peut-elle budgéter un projet d'IA par phases ?
La loi 23-12 relative aux marchés publics impose de déterminer les besoins avant le lancement de la procédure et interdit de les fractionner pour échapper aux appels à la concurrence. Elle permet des marchés comportant une tranche ferme et une ou plusieurs tranches conditionnelles, ce qui convient à un pilote suivi d'un déploiement. Les entreprises publiques économiques appliquent leurs propres procédures fondées sur les principes de la loi. Faites confirmer votre cas par votre service des marchés et votre conseil juridique.



