Coût par tâche IA en entreprise : la métrique qui rend la qualité documentaire budgétaire

Gartner : 22 % des entreprises seulement ont passé l'IA à l'échelle. Environ 60 % du coût d'une tâche agentique part en reprises — cause documentaire.

Le 1er septembre 2026, Gartner publie un chiffre inconfortable : 22 % seulement des organisations ont réussi à passer l’IA à l’échelle sur plusieurs unités métier, alors que 85 % des dirigeants fonctionnels prévoient d’augmenter leur dépense IA cette année. Trois semaines plus tôt, le même cabinet notait qu’en 2026, pour la première fois, la dépense d’inférence dépasse la dépense d’entraînement.

Ces deux faits, lus ensemble, disent la même chose : la dépense IA quitte le projet pour entrer dans l’exploitation. Et quand une dépense devient de l’exploitation, elle se mesure par unité d’usage — la tâche. Le coût par tâche réussie s’installe donc comme la métrique d’arbitrage des directions générales, et il va être posé sur la table de tous les comités d’investissement des dix-huit prochains mois.

La thèse de cet article est simple : cette métrique n’est pas une métrique de modèle, ni d’infrastructure. C’est une métrique de corpus documentaire. Le poste de coût dominant d’une tâche agentique est le travail de reprise déclenché quand la première réponse ne tient pas. Et dans la majorité des cas que nous rencontrons sur le terrain, ce qui fait échouer une première réponse est une propriété du patrimoine documentaire, non du moteur qui le lit.

Il est écrit pour un lecteur précis : celui qui a déjà un assistant, un chatbot ou un agent en production, ou qui est en train de le passer à l’échelle, et dont la facture d’inférence a dépassé l’estimation du dossier d’investissement. Si votre déploiement est encore un pilote fermé, l’argument tiendra dans six mois ; il ne mord pas encore.

L’ordre de grandeur à retenir avant la démonstration vient d’un cas mesuré, détaillé plus bas : sur un référentiel de documentation client d’environ 500 pages, 19 % des pages entretenaient une ambiguïté ou une contradiction, et 53 % des cas ont été résolus en trois semaines, en priorisant les plus critiques, par un à deux experts métier mobilisés une demi-journée à une journée par semaine. C’est le rapport entre ces deux termes qui intéresse un directeur financier.

Un mot sur le contraste avec notre article du 21 août, qui traitait de la gouvernance d’un corpus qui grossit sous l’effet des contenus générés par l’IA. Le sujet ici est différent : il porte sur ce que ce corpus coûte à chaque exécution, et non sur son volume.

Ce que le coût par tâche mesure réellement

Un ordre de grandeur avant d’entrer dans la mécanique. Les travaux publiés en juillet 2026 par McKinsey QuantumBlack sur l’économie des workflows agentiques situent autour de 60 % la part du coût d’une tâche agentique consacrée à l’affinage de la réponse : vérifications, reprises, re-prompts, boucles de validation déclenchées quand le premier passage ne franchit pas le seuil de qualité attendu. Les estimations du surcoût en jetons d’un workflow agentique par rapport à un simple échange conversationnel varient trop d’un protocole et d’un périmètre à l’autre pour qu’un ordre de grandeur unique soit défendable, et nous nous abstenons d’en citer un. Elles convergent en revanche sur un point : le centre de gravité du coût se trouve dans la reprise. Gartner, de son côté, prévoyait dès le 25 juin 2025 que plus de 40 % des projets d’IA agentique seraient annulés avant fin 2027, en citant les dépassements de coûts au premier rang des causes.

Or une boucle de reprise se déclenche pour des raisons très concrètes. L’agent interroge le corpus, obtient deux réponses également plausibles issues de deux documents également valides, ne parvient pas à trancher, reformule, élargit sa recherche, rappelle un outil, produit une réponse assortie de réserves — ou tranche selon un score de pertinence, ce qui coûte moins cher tout de suite et beaucoup plus cher plus tard. À chaque exécution. Sur chaque question concernée. C’est ce que nous appelons la dette de re-vérification : le surcoût récurrent qu’un système d’IA paie parce que son corpus ne lui permet pas de conclure du premier coup. Elle se compte de la seule façon dont notre métier sait compter, en dénombrant les contradictions du corpus — c’est le même exercice que celui que nous menons sur les référentiels de nos clients, avec une conséquence budgétaire en plus.

Deux réflexes vont apparaître en comité, et il faut les nommer tout de suite. Le premier est de traiter le sujet comme un problème de pilotage : on plafonne les jetons, on met en place un suivi de consommation, on facture la dépense aux métiers. Le second est de considérer que l’outil déjà acheté couvre le périmètre — une plateforme d’observabilité IA, une brique FinOps, ou le catalogue de données déjà en place. Ces outils font correctement ce pour quoi ils sont conçus : ils vous disent combien vous dépensez, où, et par qui. Aucun ne vous dit pourquoi la tâche a coûté davantage que prévu, parce que la cause n’est pas dans la télémétrie : elle est dans les documents.

Un test, sans outil et sans projet, tient en une demi-journée. Prenez les vingt questions les plus fréquemment adressées à votre assistant interne. Pour chacune, comptez combien de documents du référentiel prétendent y répondre, et combien d’entre eux font autorité. Toute question à laquelle plus d’un document fait autorité est une boucle de re-vérification que vous payez à chaque exécution, tous les jours, sans ligne budgétaire à son nom.

Pourquoi la qualité documentaire change de nature dans l’argumentaire

Jusqu’ici, la qualité documentaire se défendait en comité avec deux arguments : la fiabilité des réponses et la conformité. Deux arguments solides, mais tous les deux hors budget d’exploitation. Ils relèvent du risque, donc de la provision, donc de l’arbitrage lent.

Le coût par tâche déplace l’argument dans une colonne différente. Une contradiction dans le corpus devient une consommation d’inférence récurrente, en plus du risque de réponse fausse qu’elle portait déjà. Elle a une périodicité — chaque exécution — et un volume — le nombre d’appels concernés. Autrement dit, elle devient une ligne de coût variable, et le nettoyage documentaire devient un investissement à retour calculable plutôt qu’une police d’assurance.

Encore faut-il pouvoir l’imputer, et un directeur financier posera la question dans ces termes : que me montrez-vous qui baisse ? Le calcul se fait en trois termes disponibles dans n’importe quel déploiement. Un, la fréquence d’appel de chaque intention, que vos journaux d’usage contiennent déjà. Deux, le nombre de sources concurrentes faisant autorité sur cette intention, que produit l’audit du corpus. Trois, le coût moyen observé d’une exécution avec reprise comparé à une exécution sans reprise, que votre plateforme d’inférence facture ligne à ligne. Le produit des deux premiers termes donne le volume de reprises imputable au corpus ; le troisième le convertit en euros. Aucun de ces trois termes n’exige un outil nouveau. Ce qui manque presque toujours, c’est le deuxième.

C’est un changement de registre important pour un CDO qui doit défendre un budget. Gartner note dans son enquête du 1er septembre qu’environ 11 % des organisations ignorent entièrement ce que leur fonction a dépensé en IA en 2025, et que les organisations les plus performantes sont précisément celles qui suivent le retour de chaque initiative par catégorie de résultat. Le corpus est l’un des rares postes où la relation entre une correction et une économie unitaire s’observe directement, parce que la correction est datée et le volume d’appels connu.

Une précision de frontière, pour éviter le contresens. Une couche de qualité et de gouvernance documentaire se vend sur la fiabilité et la défendabilité des réponses, pas sur l’optimisation de coût, et la qualité documentaire ne devient pas pour autant un sujet de FinOps. Le coût par tâche est le canal par lequel un problème ancien devient visible cette année, dans une colonne budgétaire que le comité regarde chaque mois. L’économie d’inférence en est la conséquence chiffrable.

Cette position ne dépend d’aucun artefact d’analyste. Elle ne se redéfinit pas au rythme des Magic Quadrants, des Hype Cycles ou des classements de benchmark : la couche documentaire précède le moteur, quel que soit le moteur et quel que soit le trimestre.

Ce que dit une mesure terrain

TotalEnergies Retail Power & Gas exploite un chatbot client en production, adressant particuliers, professionnels, entreprises et collectivités, alimenté par environ 500 pages de documentation web officielle. Lors du diagnostic mené avec K-AI, 19 % de ces pages se sont révélées à corriger — dont des cas de contradiction impossibles à repérer à l’œil à cette échelle. 53 % des cas ont été résolus en trois semaines, en priorisant les plus critiques, avec des ressources volontairement limitées : un à deux experts métier, une demi-journée à une journée par semaine. Le taux d’exactitude du chatbot a été mesuré avant et après fiabilisation. Ces chiffres portent sur ce périmètre précis, à ce moment précis, et ne se généralisent pas.

Ce que ce cas montre sur la question du coût tient dans l’asymétrie annoncée en introduction : un à deux experts métier, une demi-journée à une journée par semaine pendant trois semaines, face à un système qui payait cette ambiguïté à chaque conversation client. C’est dans cet écart que se loge la marge de manœuvre du CDO.

Un point de méthode qui compte autant que le résultat : les experts métier restent maîtres de la décision. K-AI produit le diagnostic, hiérarchise les cas et indique vers quel expert router chaque anomalie ; ce sont les propriétaires documentaires qui tranchent. Le procédé technique n’ingère que du contenu documentaire — ni transcriptions de conversations, ni journaux d’usage, ni télémétrie — sur un périmètre d’ingestion défini contractuellement, sans réutilisation des contenus pour l’entraînement de modèles.

Trois décisions à prendre si vos systèmes sont déjà en production

Trois arbitrages concrets se présentent ici au lecteur décrit en introduction, celui dont la facture d’inférence a dépassé l’estimation.

Votre prochain dossier d’investissement documente l’état du corpus, ou il ne défend pas son estimation. Un dossier d’IA documente aujourd’hui le cas d’usage, l’architecture, le fournisseur et la conformité. Il ne documente presque jamais l’état du patrimoine documentaire sur lequel le système va s’exécuter. C’est pourtant la variable qui décide si votre coût par tâche prévu ressemblera au coût par tâche constaté. Ajoutez-y une ligne : nombre d’intentions à sources concurrentes sur le périmètre exposé.

Votre comparaison entre fournisseurs doit se faire à corpus constant, sinon elle ne mesure rien d’utile. L’enjeu financier est désormais explicite : Gartner estimait le 1er juillet 2026 que 234 milliards de dollars de dépense en logiciels applicatifs d’entreprise sont exposés au basculement agentique. Sur un patrimoine qui se contredit, l’écart de coût unitaire entre deux plateformes raconte surtout la façon dont chacune réagit au bruit, et non la valeur qu’elle vous apportera. Les benchmarks de coût par tâche auto-publiés par les éditeurs sont, à date, non reproductibles en externe : ils ne remplacent pas une mesure faite sur votre propre corpus.

Votre correction doit être récurrente, parce que la dépense qu’elle réduit l’est. Un nettoyage ponctuel abaisse le coût par tâche pendant un trimestre. Le corpus, lui, continue de vivre : nouvelles versions, nouvelles procédures, contenus générés. La facture d’inférence arrive chaque mois. Opposer une correction unique à un coût récurrent est un mauvais échange, et c’est l’erreur la plus fréquente que nous voyons après un premier diagnostic réussi.

C’est la logique d’une Document Knowledge Platform (DKP) : gouverner le patrimoine documentaire (Govern — propriété, autorité, cycle de vie), détecter et traiter anomalies, doublons, obsolescence et contradictions (Clean), puis n’activer le corpus auprès des systèmes d’IA qu’une fois ces deux étapes tenues (Activate). Une DKP ne remplace ni un catalogue de données, ni une plateforme de gouvernance data et IA, ni un ECM, ni un moteur de recherche d’entreprise, ni une couche de connaissance agentique, ni une brique FinOps. Elle s’exécute en amont, sur le patrimoine que tous ces outils consomment, et de façon continue.

Sur le plan réglementaire, un mot pour éviter un contresens fréquent. Comme l’analysent les cabinets qui suivent le texte, dont White & Case, le règlement (UE) 2026/1744, dit Digital Omnibus, entré en vigueur le 27 juillet 2026, a reporté l’application de plusieurs obligations : Annexe III et article 6(2) au 2 décembre 2027, Annexe I et article 6(1) au 2 août 2028. Ce report ne suspend rien de ce qui est déjà exigible sur le périmètre en vigueur : les obligations de transparence, la gouvernance des données d’entraînement et de contexte, et la supervision humaine des systèmes déjà en production restent opposables. Un calendrier qui recule n’est pas une autorisation de déprioriser.

Conclusion : auditer, nettoyer, surveiller

Le coût par tâche réussie est en train de devenir la question que votre comité d’investissement posera avant d’autoriser le prochain déploiement. Y répondre suppose de savoir combien de fois, dans votre patrimoine, deux documents valides prétendent répondre à la même question. Un modèle plus performant ne produit pas cette information.

La séquence est la même que sur tous nos terrains. Auditer : compter les contradictions, les doublons divergents et les obsolescences sur le référentiel réellement exposé aux systèmes d’IA. Nettoyer : faire trancher les cas par les propriétaires documentaires, en commençant par les questions les plus fréquemment posées. Surveiller : mesurer en continu, parce que le corpus continue de bouger et que la dépense d’inférence, elle, ne s’arrête jamais.

Foire aux questions

Le coût par tâche n’est-il pas d’abord un problème de choix de modèle ou d’architecture ?

Le choix du modèle fixe le prix unitaire d’un appel. Le nombre d’appels nécessaires pour aboutir se joue ailleurs : dans la capacité du système à conclure du premier coup, donc dans la clarté du corpus interrogé. Un modèle moins cher sur un corpus qui se contredit peut sortir plus cher par tâche réussie qu’un modèle plus cher sur un corpus net.

Notre directeur financier demandera quelle ligne baisse après le diagnostic. Que lui montre-t-on ?

Le volume de reprises imputable au corpus, calculé sur trois termes que vous possédez déjà : la fréquence d’appel de chaque intention (vos journaux d’usage), le nombre de sources concurrentes faisant autorité sur cette intention (l’audit du corpus), et l’écart de coût entre une exécution avec reprise et une exécution sans (votre facture d’inférence). Le diagnostic produit le deuxième terme, qui est le seul qui manque en général. La baisse se lit ensuite sur la facture d’inférence du périmètre concerné, à volume d’usage comparable.

Comment estimer notre dette de re-vérification sans lancer de projet ?

Prenez les vingt questions les plus fréquentes posées à votre assistant interne, et comptez pour chacune le nombre de documents du référentiel qui prétendent y répondre en faisant autorité. Chaque question à réponses multiples est une boucle payée à chaque exécution. Ce test se mène en une demi-journée, sans outil.

Notre plateforme d’observabilité IA suit déjà nos coûts. Qu’est-ce que cela n’apporte pas ?

Elle apporte la mesure : combien, où, par qui. La cause documentaire, elle, reste hors de portée de la télémétrie, qui observe le comportement du système et non le contenu des documents. Les deux outils sont complémentaires : l’un signale la dérive de coût, l’autre en identifie l’origine dans le patrimoine.

Quel périmètre de documents est ingéré pendant un diagnostic, et avec quelles garanties ?

Du contenu documentaire uniquement — ni transcriptions de conversations, ni journaux d’usage, ni télémétrie — sur un périmètre d’ingestion défini contractuellement, sans réutilisation des contenus pour l’entraînement de modèles. Le cadrage se valide conjointement avec le Document Owner métier et le RSSI ou le DPO, jamais avec la seule DSI.

Le report du calendrier de l’AI Act nous laisse-t-il du temps sur ce sujet ?

Le Digital Omnibus a reporté l’Annexe III au 2 décembre 2027 et l’Annexe I au 2 août 2028. Il ne suspend pas les obligations déjà applicables : transparence, gouvernance des données de contexte et supervision humaine des systèmes en production. Et sur le plan économique, le report ne change rien : la dépense d’inférence court dès aujourd’hui.

Sources

Pour aller plus loin

K-AI Corpus Diagnostic — 10 jours ouvrés, rapport complet des 20 anomalies les plus critiques : contradictions entre documents valides, doublons divergents et obsolescences sur le périmètre réellement exposé à vos systèmes d’IA. Garantie remboursement si aucune anomalie valable n’est détectée. Pour chiffrer votre dette de re-vérification avant le prochain comité d’investissement, contactez l’équipe K-AI : contact@k-ai.ai. Le périmètre de chaque diagnostic est validé conjointement par le Document Owner métier et le RSSI/DPO, jamais par la seule DSI.

K-AI accompagne déjà CMA CGM, Veolia, PwC, BNP Paribas, TotalEnergies et CEVA Logistics. Partenaires : AWS, Snowflake, Microsoft, Wavestone, Devoteam.