Développer un agent interne, ou acheter un modèle spécialisé ?
Le prototype impressionne en une semaine. C'est la part d'après, l'industrialisation, qui décide du coût, du délai et du risque.
Devons-nous développer notre propre agent IA pour les appels d'offres et la conformité, ou acheter une plateforme spécialisée ?
Développez ce qui vous rend unique, achetez ce qui vous rend efficace. Un développement interne de niveau production est estimé entre 1,4 et 2,2 millions de dollars sur trois ans (analyses de marché), avec six à douze mois avant la première valeur. Le moteur d'IA pèse 15 % de l'effort, l'industrialisation 85 % : c'est cette part qui fait le coût, le délai et le risque.
La règle 15/85
Le prototype du week-end qui a impressionné tout le monde est réel, et il représente environ 15 % du travail : c'est le moteur d'IA. Ce qui le sépare de la production, c'est l'industrialisation, soit les 85 % que personne ne montre en démonstration :
- Droits d'accès. Un agent sur votre corpus interne sans héritage parfait des permissions est une fuite en puissance : imaginez un dossier de fusion-acquisition qui remonte dans une réponse de routine.
- Évaluation. Sans benchmark de précision mesuré, impossible de savoir ce que l'agent a manqué. « Comment savez-vous ce que votre agent n'a pas vu ? » est la question qui met fin à la plupart des projets internes.
- Gouvernance du corpus. Qui possède chaque référentiel, quelle version fait foi ? Un corpus non gouverné plus un agent, cela donne de l'erreur industrialisée.
- Maintenance et support. Les modèles dérivent, les frameworks évoluent, les réglementations changent. Quelqu'un doit maintenir cet assemblage en production, pendant des années.
- Surface d'injection de prompt. Un appel d'offres reçu peut contenir des instructions qui manipulent l'agent qui le lit : un risque connu, contre lequel une équipe interne doit concevoir des défenses.
Les frameworks d'agents s'améliorent réellement : ils déplacent la frontière du 15/85. Ils ne la suppriment pas.
Les chiffres à retenir
Le tableau des coûts sur trois ans
| Développement interne | Plateforme DSLM spécialisée | |
|---|---|---|
| Coût sur 3 ans | 1,4 à 2,2 M$ (4 à 8 ingénieurs : développement, sécurité, évaluation, maintenance, support) | Coût prévisible par abonnement, sans compteur au token ni au crédit |
| Délai de mise en valeur | 6 à 12 mois avant la première utilisation en production | Mise en service en 7 minutes, 0 formation, 0 projet informatique |
| Précision atteinte | Plafonne souvent à 70 à 80 %, sous le seuil d'utilité (~95 %) | Réponses sourcées, scorées de 0 à 100 et validées |
| Corpus réglementaire | À vous de le sélectionner, versionner et surveiller | Curation maintenue, avec mise en correspondance entre référentiels |
| Redevabilité sur la précision | À vous de la mesurer, de la défendre et de la maintenir | Score de confiance par réponse, lacune signalée puis comblée |
| Focalisation des équipes | Les ingénieurs entretiennent la tuyauterie | Les ingénieurs construisent ce qui vous différencie |
Repères de coût et de précision du développement interne : analyses de marché. Le résultat dépend du périmètre, des exigences de sécurité et de la séniorité des équipes. Le constat structurel ne change pas avec les chiffres : le coût est dominé par les 85 % qui viennent après le prototype.
Le coût caché que personne ne budgète : le temps de relecture
La licence n'est pas le coût. Le coût, c'est que sans précision mesurée ni citation des sources pour chaque réponse, un expert doit relire et revérifier 100 % des réponses générées. Le temps de rédaction gagné est dépensé en relecture : la charge s'est déplacée, elle n'a pas diminué. Sous environ 95 % de précision, le seuil d'utilité, le gain net de la génération s'effondre. C'est pourquoi la première question à poser à tout fournisseur, ou à votre propre équipe, doit être : « Quelle est votre précision mesurée, et sur quel benchmark ? »
La concession qui compte. Pour un brouillon ou une synthèse interne, un LLM généraliste (une IA générative grand public) suffit très bien. Dès que la réponse engage votre signature devant un client, un auditeur ou un régulateur, ce n'est plus un sujet de rédaction : c'est un sujet de preuve.
Gardez le contrôle, épargnez-vous le développement : un DSLM privé, dédié par client, vous donne l'argument de souveraineté du développement interne (vos données, votre juridiction, votre modèle) sans l'année de délai ni la facture à sept chiffres. C'est le parti pris de la plateforme Optivalue.ai.
Combien coûte le développement d'un agent IA interne pour la conformité ou les appels d'offres ?
Les analyses de marché situent un développement interne de niveau production entre 1,4 et 2,2 millions de dollars sur trois ans, avec quatre à huit ingénieurs couvrant développement, sécurité, droits d'accès, évaluation, maintenance et support, plus six à douze mois avant la première valeur. Ces projets plafonnent souvent à 70 ou 80 % de précision, sous le seuil d'utilité d'environ 95 %.
Qu'est-ce que la règle 15/85 pour une IA de conformité ?
Le moteur d'IA représente environ 15 % du travail. L'industrialisation représente 85 % : héritage des droits d'accès, benchmarks d'évaluation, supervision, gouvernance du corpus, maintenance et support. Les frameworks d'agents déplacent la frontière entre les deux, ils ne la suppriment pas.
Quel est le coût caché d'un LLM généraliste pour les questionnaires ?
Le temps de relecture. Sans précision mesurée ni citation des sources, chaque réponse générée doit être relue et revérifiée par un expert : le temps gagné à la rédaction est dépensé en relecture. Sous environ 95 % de précision, la relecture intégrale reste obligatoire et le gain net s'effondre.