Combien coûte un agent IA ?
La réponse honnête : cela dépend de cinq postes, et ils ne pèsent pas tous pareil. Avant de comparer des devis, il faut savoir lequel chaque offre inclut, et lequel elle laisse de côté.
Un ordre de grandeur publié, pour fixer les idées sur le coût d’usage : chez OOTI, l’agent qui répond aux questions chiffrées sur les données de l’ERP coûte moins de 0,10 $ par question. Ce chiffre est mesuré, il est sur la fiche client. Il ne dit rien du coût de construction, qui est un autre poste.
Construire soi-même ou partir d’une plateforme ?
C’est le premier poste, et le plus variable. Un agent qui fait vraiment le travail demande des briques que personne ne voit : le graphe des étapes, la connaissance du métier, la cartographie du logiciel, les droits par rôle, l’évaluation, le compteur de crédits.
Construire ces briques en interne représente, chez nous, douze mois de R&D. C’est le travail qu’une plateforme évite de refaire. Ce qui reste à faire pour chaque projet, c’est la configuration métier : décrire l’activité, les outils, les règles et le jeu de test.
Un piège fréquent : chiffrer le prototype. Un agent qui fait une bonne démonstration se monte vite. Un agent qu’on laisse agir sur une base de production demande l’évaluation, les seuils et le journal, et c’est là que se trouve l’essentiel du temps.
Que coûtent les appels au modèle ?
Chaque action de l’agent consomme des appels au modèle, des recherches documentaires et des appels d’outils. Ce coût dépend de trois choix :
- le modèle retenu pour chaque tâche : une classification simple n’a pas besoin du même modèle qu’un raisonnement sur plusieurs documents ;
- la longueur du contexte envoyé à chaque appel, qu’un bon graphe réduit en ne chargeant que ce qui sert à l’étape ;
- le nombre d’étapes du chemin, qui se règle en concevant le workflow.
Un agent conçu en graphe a un avantage ici : chaque étape a son modèle et son contexte, au lieu d’un gros appel qui fait tout.
Combien coûtent l’évaluation et la maintenance ?
L’évaluation est le poste qu’on oublie dans les devis, et celui qui décide si l’agent passera en production. Il faut un jeu de cas réels, produit avec vos experts métier, et une mesure à chaque changement : de modèle, de prompt, de version du logiciel.
La maintenance suit le même principe. Votre logiciel évolue, les modèles changent, les cas d’usage s’élargissent. Un agent sans jeu de test se dégrade sans que personne ne le voie. Un agent avec jeu de test se re-mesure en quelques minutes. La page mesurer l’efficacité d’un agent IA détaille ce qu’on mesure.
Où l’héberger, et qu’est-ce que ça change ?
Chez vous, sur votre cloud, ou chez nous. L’hébergement chez vous rassure vos clients sur leurs données et vous laisse le choix du modèle. Il fait aussi passer la consommation du modèle sur votre compte. Les enjeux de localisation sont traités dans souveraineté de l’IA.
Comment un éditeur facture-t-il un agent à ses clients ?
Trois formules existent, et elles ne se valent pas :
| Formule | Ce que paie votre client | Limite |
|---|---|---|
| Option premium | Un forfait de plus sur l’abonnement | Le prix ne suit ni l’usage ni le gain |
| Crédits au coût | Chaque action, au coût plus votre marge | Vous laissez de la valeur sur la table |
| Crédits au résultat | Chaque action réussie, au prix du travail évité | Il faut mesurer le gain une fois |
Notre recommandation : des packs de crédits prépayés, un prix fixé au résultat, et le coût comme plancher. Une règle simple pour le prix : votre client garde 90 % du gain, vous facturez le reste. Le détail est dans le modèle à crédits.
Pour voir ce que ça donne sur votre base installée, le calculateur Mon ARR IA fait l’estimation à partir de votre nombre de clients et d’utilisateurs.
Combien de temps avant le premier revenu ?
De l’atelier à la production, six à huit semaines sur une activité connue avec un accès API. Lemon Learning a généré son premier revenu IA trois mois après la première discussion. La façon dont nous menons ces semaines est décrite dans comment on travaille.
