L’an dernier, les entreprises françaises ont dépensé
4,7 milliards d’euros de plus que prévu en infrastructures technologiques, en
raison de frais facturés par les fournisseurs qui manquent de transparence,
sont imprévisibles ou difficiles à anticiper. Résultat : elles ont dû revoir à
la baisse leurs investissements dans l’intelligence artificielle, le
recrutement et le développement de nouveaux produits.
C’est ce que révèle une
nouvelle étude économique du Centre for Economics and Business Research (Cebr),
commandée par Wasabi Technologies et menée dans huit grandes économies. Ces
dépenses ne découlent pas d’une consommation plus forte que prévu, mais de
frais facturés par les fournisseurs que les entreprises n’avaient pas pu
anticiper.
L’IA et le machine
learning pèsent à eux seuls 3,0 milliards d’euros, soit 64 % de ces
dépassements en France, loin devant les autres postes. C’est aussi le poste le
plus difficile à budgéter : 24 % des entreprises qui y recourent jugent ces
coûts imprévisibles, contre 7 % à 15 % pour les autres postes d’infrastructure.
Le paradoxe est frappant : l’infrastructure nécessaire aux nouvelles
technologies absorbe les budgets censés les développer.
« Notre étude met
au jour le coût caché de l’innovation dans plusieurs des plus grandes économies
mondiales. Une tarification imprévisible ne se traduit pas seulement par une
facture plus lourde,
commente Owen Good, responsable du conseil économique au Cebr. Les
entreprises reportent ou réduisent leurs recrutements et leurs investissements
technologiques pour couvrir des frais inattendus. Et la technologie qui génère
le plus de coûts imprévus figure aussi parmi les investissements sacrifiés pour
les payer. »
Quand les coûts
d’infrastructure dérapent, c’est l’innovation qui paie l’addition
L’étude met en évidence
un fossé grandissant entre les ambitions des entreprises en matière d’IA et la
réalité financière de son déploiement.
À mesure que l’IA passe
de l’expérimentation au déploiement à grande échelle, son coût d’exploitation
devient difficile à maîtriser. Parmi les entreprises françaises qui ont dépassé
leur budget d’infrastructure IA, 47 % mettent en cause les coûts d’intégration,
de déploiement et d’exploitation des modèles, et 44 % des licences de
plateformes, de modèles ou d’outils d’IA plus chères que prévu. La tarification
à l’usage joue un rôle moindre : 20 % citent des frais de tokens, d’inférence
ou d’usage plus élevés que prévu, contre 38 % sur l’ensemble des huit marchés.
Cette imprévisibilité
pèse directement sur les finances des entreprises. En France, près de quatre
entreprises sur cinq (79 %) ont dépensé plus que prévu en infrastructures
technologiques au cours de l’année écoulée : c’est le taux le plus élevé des
huit marchés étudiés. À l’échelle de l’étude, près de trois entreprises sur
quatre (73 %) confrontées à des coûts d’infrastructure imprévisibles déclarent
subir une pression budgétaire modérée ou importante. Parmi elles, 36 % ont déjà
reporté ou réduit des projets d’IA, d’automatisation ou de data science.
Les répercussions
dépassent largement l’IA. Selon l’étude, 90 % des entreprises françaises ont dû
faire au moins un compromis pour des raisons budgétaires au cours de l’année
écoulée. Les postes les plus souvent sacrifiés :
• Les projets d’IA, d’automatisation ou de data
science (39 %)
• La formation et le développement des
compétences (29 %)
• Les investissements technologiques et
logiciels (28 %)
• Le recrutement de profils tech, data et IA
(27 %)
Au-delà
des entreprises, c’est toute l’économie qui en pâtit, car ces sommes sont
détournées de projets porteurs de croissance. Le Cebr a chiffré ce que
l’économie française gagnerait si les entreprises récupéraient ces dépenses.
Les 4,7 milliards d’euros permettraient de financer :
• 1,5 milliard d’euros de nouveaux
investissements productifs dans la R&D, l’IA et les nouvelles technologies
• 600 millions d’euros d’investissements dans
la formation
• 14 380 emplois supplémentaires
• Un gain de PIB de 1,3 milliard d’euros à long
terme
Transfert de
données et pénurie de matériel : des entreprises prises au piège
Pour reprendre la main
sur leurs dépenses, les entreprises se heurtent à un second obstacle : changer
de fournisseur ou augmenter leurs capacités peut lui-même générer des coûts et
des retards.
Au cours des douze
derniers mois, 83 % des entreprises françaises interrogées ont subi des retards
faute d’avoir accès au matériel ou à la puissance de calcul nécessaires. Sur la
même période, 85 % ont dû supporter des coûts supplémentaires liés à la fragmentation
de leurs environnements de données, et 76 % ont été confrontées au moins une
fois à un accès limité ou retardé aux données nécessaires à la réalisation d’un
projet ou à la prise de décision.
Ces contraintes
freinent la capacité des entreprises à développer et à lancer de nouvelles
technologies. En raison des difficultés d’accès au matériel et aux données, les
répondants déclarent avoir dû :
1. Privilégier les coûts au détriment de la
performance des choix techniques ou architecturaux (30 %)
2. Envisager de réduire en priorité les investissements
technologiques et logiciels en cas de dépassement budgétaire (28 %)
3. Renoncer à adopter une nouvelle technologie
ou plateforme (12 %)
« Les entreprises
ne manquent pas d’ambition, mais des coûts d’infrastructure imprévisibles les
prennent de court et freinent leurs projets d’innovation, déclare Marty Falaro, président et COO de Wasabi
Technologies. La façon dont l’infrastructure technologique est achetée
et facturée pose un problème de fond. Avant de se lancer dans un projet d’IA,
une entreprise doit savoir combien lui coûteront le stockage, l’accès et le
transfert de ses données, et non le découvrir à réception de la facture.
L’innovation doit prendre des risques, la facture d’infrastructure, non. »
Réactions du
secteur
« L’étude reflète
ce que nous vivons au quotidien. Les coûts de l’IA sont difficiles à prévoir,
qu’il s’agisse des licences, du déploiement ou de l’exploitation, et une grande
partie nous échappe , explique
Andy Fletcher, VP Technology and Digital Product de Liverpool FC. En
revanche, nous maîtrisons la manière dont nous gérons les données qui
alimentent l’IA. Nous avons des décennies d’archives vidéo, et chaque match en
apporte de nouvelles : le coût de leur stockage, de leur transfert et de leur
accès compte donc énormément. C’est pourquoi nous nous penchons sur l’AI
Storagemaxxing, qui consiste à stocker les données et à y accéder de la façon
la plus économique possible à chaque étape du pipeline d’IA. L’objectif : mieux
exploiter les contenus dont nous disposons déjà, sans coûts superflus ni
nouveaux silos de données. »
« La dépendance à
un fournisseur freine l’innovation, déclare Michael Reid, CEO de Megaport. Nous
avons intégré Wasabi à notre écosystème de partenaires plus tôt cette année
pour permettre aux entreprises de réduire considérablement leurs coûts
lorsqu’elles déploient du stockage objet, devenu indispensable à toute
organisation. Grâce à une plateforme unique et mondiale, plus efficace et aux
coûts plus prévisibles, les entreprises peuvent prendre en charge de manière
rentable des charges de travail telles que les data lakes, l’analytique, la
cyber-résilience ou la sauvegarde, déployées en un clic partout dans le monde.
»
Michael Reid précise que l’offre de Megaport repose sur deux modèles économiques. Le premier est une consommation à la demande, activée en 60 secondes. Le second porte sur des clusters de calcul, de réseau et de stockage de grande envergure et complexes, sécurisés par des contrats take-or-pay entièrement financés. « Tous les contrats en cours disposent d’une capacité réservée en data center et sont entièrement financés », souligne-t-il.


