De la preuve de concept à la facture réelle : ce que l'IA propriétaire coûte vraiment aux ETI européennes

# De la preuve de concept à la facture réelle : ce que l'IA propriétaire coûte vraiment aux ETI européennes

Il y a quelque chose d'un peu cruel dans le cycle du POC IA tel qu'il s'est imposé dans les entreprises européennes ces trois dernières années. On commence par une démonstration bluffante, un usage case parfaitement calibré, des équipes qui s'enthousiasment. Et puis vient le moment où il faut passer à l'échelle. C'est là que la réalité budgétaire rattrape tout le monde — et que les questions de souveraineté cessent d'être abstraites pour devenir très concrètes, très vite.

Je vais vous raconter une situation que j'ai eu l'occasion d'observer de près. Une ETI industrielle de 800 salariés, implantée en France avec des filiales en Allemagne et en Pologne. Fabrication de composants mécaniques de précision, un secteur où la donnée technique est à la fois critique et très sensible sur le plan concurrentiel. Appelons cette entreprise Mécanex — ce n'est évidemment pas son vrai nom.

Le piège du POC bien vendu

En 2024, la DSI de Mécanex, sous pression de la direction générale, lance plusieurs expérimentations IA en parallèle. L'objectif affiché : automatiser une partie du contrôle qualité, améliorer la maintenance prédictive sur les lignes de production, et accélérer le traitement des appels d'offres entrants. Trois cas d'usage distincts, trois petites équipes projet, trois budgets expérimentaux.

Pour les deux premiers chantiers, l'entreprise s'appuie sur les briques d'un acteur américain dominant — celui dont les services cloud sont déjà en place pour une partie de l'infrastructure. C'est logique, c'est rapide, les API sont là, les équipes connaissent l'environnement. Le troisième chantier, plus orienté traitement documentaire, est confié à un éditeur européen spécialisé dans l'IA appliquée aux processus métier, dont je tairai le nom pour ne pas faire de publicité non plus — mais qui existe, et qui travaille bien.

Les POC durent six mois. Résultats : les trois démontrent une valeur réelle. Les équipes veulent industrialiser.

C'est là que les ennuis commencent.

Quand le ROI se heurte à la réalité tarifaire

Mécanex fait ses calculs de passage à l'échelle. Et là, le DSI découvre quelque chose que beaucoup de ses homologues ont découvert avant lui, souvent trop tard : le modèle de tarification des acteurs américains n'est pas celui du POC. Les prix à l'usage semblaient raisonnables sur un périmètre limité. Dupliqués sur l'ensemble des lignes de production, intégrés dans les flux quotidiens, ils créent une dépense récurrente dont la trajectoire est difficile à maîtriser — et surtout, difficile à anticiper.

Pourquoi difficile à anticiper ? Parce que les conditions tarifaires changent. Pas brutalement, pas du jour au lendemain, mais régulièrement. Les hyperscalers américains ont une longue tradition de révisions de grilles tarifaires, de modifications de quotas d'utilisation, d'évolutions des conditions contractuelles qui passent dans des mises à jour de CGU que personne ne lit vraiment. Et surtout, une fois que l'usage est industrialisé, que les processus métier dépendent du service, que les équipes ont été formées, que les interfaces ont été développées — vous n'êtes plus vraiment en position de négocier. Vous êtes captif.

Je pense que c'est le vrai problème que les DSI d'ETI sous-estiment au moment du choix initial. On compare les coûts du POC. On devrait comparer les coûts de la dépendance.

La donnée industrielle : une vulnérabilité qu'on n'a pas vue venir

Mais il y a un second problème, que le DSI de Mécanex a commencé à formuler clairement seulement en 2025, quand les clients grands comptes de l'entreprise ont commencé à poser des questions sur la localisation des données traitées par les outils IA.

Les schémas de pièces, les tolérances, les gammes d'usinage, les données de non-conformité — tout ce qui alimente les modèles IA de contrôle qualité et de maintenance prédictive — ce sont des données de conception industrielle. Certains clients de Mécanex opèrent dans des secteurs sensibles. Aéronautique, défense civile, énergie. Ces clients ont commencé à inclure dans leurs appels d'offres des clauses de localisation des données et de traçabilité des traitements IA.

À ce moment-là, le choix d'architecture du POC devient un risque commercial direct. Pas un risque théorique, pas une question de conformité RGPD qu'on gère avec un DPO — un risque de perdre des marchés.

Le troisième chantier, celui qu'on n'avait pas favorisé

Souvenez-vous du troisième chantier, le traitement documentaire confié à l'éditeur européen. Celui qu'on avait un peu choisi par défaut, parce que les deux autres cas d'usage étaient prioritaires.

Lors du passage à l'échelle, ce chantier est celui qui a posé le moins de problèmes. Contrat cadre négocié. Prix fixes sur trois ans. Données hébergées en Europe, avec des engagements contractuels clairs sur la localisation et la non-utilisation des données pour entraîner des modèles tiers. Interlocuteurs accessibles, réactifs sur les demandes d'évolution. Et surtout : un modèle économique lisible, sans couche de services managés qui font exploser la facture.

Il faut être honnête : les performances brutes du modèle IA utilisé dans ce troisième chantier ne sont pas celles d'un GPT-4 ou d'un Claude Opus. Sur certaines tâches de compréhension sémantique complexe, l'écart se ressent. Mais sur le cas d'usage spécifique — extraction structurée d'informations dans des appels d'offres industriels, classification, résumé — la qualité est suffisante. Et surtout, elle est prévisible, maîtrisée, auditable.

C'est un point que je martèle depuis longtemps : le critère de comparaison ne doit pas être la performance absolue du modèle sur un benchmark généraliste. Il doit être l'adéquation au besoin métier, multipliée par la maîtrise du risque budgétaire et réglementaire sur la durée.

Ce que Mécanex a décidé — et ce que ça nous apprend

Fin 2025, la DSI de Mécanex a arbitré. Le chantier maintenance prédictive reste sur l'infrastructure américaine, avec un périmètre volontairement limité et des données anonymisées en amont du traitement. Ce n'est pas idéal, mais c'est un compromis raisonné : la valeur ajoutée est réelle, le risque est contenu, et une alternative européenne crédible sur ce cas d'usage précis n'a pas encore été identifiée.

En revanche, le chantier contrôle qualité — qui manipule les données les plus sensibles — est en cours de migration vers une solution combinant un modèle open source hébergé on-premise et un accompagnement d'un intégrateur européen spécialisé. La transition coûte quelque chose à court terme. Elle sécurise à moyen terme.

Le troisième chantier, documentaire, est étendu à l'ensemble des filiales.

Ce que cela nous apprend, c'est que l'arbitrage n'est pas binaire. Ce n'est pas « tout souverain » contre « tout hyperscaler ». C'est une cartographie des risques par cas d'usage — sensibilité de la donnée, criticité du service, exposition commerciale — et une allocation budgétaire cohérente avec cette cartographie.

Ce que je pense vraiment

Il faut arrêter de traiter la souveraineté numérique comme un surcoût. C'est un investissement de maîtrise des risques, au même titre qu'une assurance ou qu'une clause contractuelle de réversibilité.

Les acteurs américains ont construit des produits excellents. Ils ont aussi construit des modèles économiques conçus pour maximiser la captation de valeur à mesure que la dépendance du client augmente. Ce n'est pas un jugement moral, c'est une observation stratégique. Et ce n'est pas leur problème — c'est le nôtre.

En 2026, les DSI d'ETI européennes qui n'ont pas encore formalisé leur cartographie de risques IA par rapport à la localisation des données et à la maîtrise tarifaire sont en retard. Pas sur la technologie — sur la gouvernance.

Mécanex a mis deux ans à comprendre ce que le POC ne lui avait pas dit. D'autres peuvent comprendre ça avant de signer.