Les entreprises développent les FinOps pour gérer les coûts du SaaS et de l’IA.
Les dépenses liées au cloud ont été un trou noir pour de nombreuses entreprises, car elles sont coûteuses, complexes et difficiles à contrôler. Mais le changement est en cours. FinOps, conçu à l’origine pour l’optimisation des coûts du cloud, s’étend désormais au SaaS et à l’IA. Cela signifie qu’il faut rendre les dépenses prévisibles, évolutives et efficaces.
Le SaaS est devenu un écosystème tentaculaire et décentralisé. Les entreprises jonglent avec des centaines d’abonnements dans tous les services, avec de nombreux outils qui se chevauchent et des sièges inutilisés. L’IA est encore plus difficile à gérer : contrairement au SaaS, dont les coûts sont généralement prévisibles, les charges de travail liées à l’IA peuvent augmenter de manière imprévisible en fonction de la demande de calcul. De plus en plus d’entreprises réalisent qu’elles ont besoin d’une approche structurée pour gérer ces dépenses avant qu’elles ne deviennent incontrôlables.
Les chiffres le confirment. Une enquête de la FinOps Foundation menée auprès de 800 entreprises a révélé que près de 66 % d’entre elles intègrent la FinOps dans la gestion des coûts SaaS et que 63 % l’appliquent déjà à l’IA, soit le double du pourcentage de l’année dernière. Il s’agit d’une réponse urgente et nécessaire au chaos financier de l’expansion numérique incontrôlée.
L’optimisation des coûts de l’IA présente des défis uniques
La gestion des coûts liés à l’IA n’est pas la même que celle des dépenses liées au cloud traditionnel. Il s’agit de réduire l’utilisation de l’unité centrale et de la mémoire. L’IA fonctionne à une toute autre échelle, celle des GPU, des cycles d’entraînement et du traitement des inférences en temps réel. Les entreprises qui n’adaptent pas leurs stratégies FinOps à l’IA seront prises au dépourvu par des factures inattendues.
La structure des coûts de l’IA est complexe. Les GPU sont coûteux et les modèles d’IA exigent une puissance de traitement massive. L’entraînement d’un modèle peut prendre des jours ou des semaines, épuisant les ressources informatiques à un rythme imprévisible. L’inférence, c’est-à-dire l’utilisation d’un modèle d’IA entraîné pour générer des résultats, entraîne également des coûts, en particulier lorsqu’elle est exécutée à grande échelle. Enfin, il y a la tarification basée sur les jetons, où les entreprises paient en fonction du volume de données traitées par les modèles d’IA. Cela signifie que les coûts ne sont plus liés à la seule infrastructure, mais à la fréquence et à l’intensité de l’utilisation de l’IA.
Les coûts liés à l’IA d’AWS, de Google et de Microsoft font désormais partie des factures habituelles du cloud. Mais il faut l’optimisation des dépenses d’IA nécessite une approche différente, qui va au-delà des leviers de coûts traditionnels du cloud et creuse de nouveaux domaines tels que l’utilisation des GPU, l’efficacité des charges de travail et l’affinement des stratégies de déploiement des modèles.
L’adoption des FinOps est largement répandue parmi les grandes entreprises
FinOps n’est plus réservé aux adeptes de la première heure. Il s’agit désormais d’une pratique courante dans les grandes entreprises. Les plus grandes entreprises, celles qui gèrent les coûts du cloud depuis le plus longtemps, redoublent d’efforts en matière de FinOps pour apporter une discipline financière à leurs dépenses technologiques. C’est en train de devenir un pilier essentiel du fonctionnement des entreprises.
La FinOps Foundation indique que 93 de ces grandes entreprises sont activement engagées dans des programmes FinOps. C’est un bon indicateur de la direction que prend le secteur. Les entreprises qui n’adoptent pas FinOps risquent de prendre du retard en matière de gestion des coûts, de prévisibilité financière, d’efficacité et de contrôle opérationnel.
« Ce qu’il faut retenir ? Les entreprises qui traitent les FinOps comme une réflexion après coup auront du mal à s’adapter à l’expansion numérique. »
La gouvernance devient une priorité par rapport à la réduction des coûts
La FinOps à un stade précoce ne visait qu’une chose : réduire les coûts. C’était la première étape. Mais les entreprises se rendent compte qu’une fois que vous avez éliminé les inefficacités évidentes, la valeur réelle provient de la gouvernance, de la création de politiques, de l’automatisation et de la discipline financière à long terme.
Les optimisations sont des solutions rapides. La gouvernance est ce qui permet à une organisation de rester financièrement disciplinée à grande échelle. C’est la différence entre réagir aux dépassements de coûts et les prévenir. La gouvernance consiste à définir des politiques sur l’utilisation du cloud, à automatiser le contrôle des dépenses et à s’assurer que la rentabilité est une fonction essentielle de l’entreprise.
L’IA et les investissements multi-cloud compliquent la gestion des coûts.
Les entreprises utilisent un mélange de SaaS, de cloud public, de cloud privé et de centres de données sur site. Cela rend la gestion des coûts beaucoup plus complexe. Les différents fournisseurs de cloud ont des structures de facturation différentes, et les centres de données privés nécessitent des investissements initiaux avec des modèles de coûts entièrement différents. La gestion efficace de ce mélange est l’un des plus grands défis de la finance technologique aujourd’hui.
Les stratégies multi-cloud ajoutent une autre couche de complexité. Le mouvement des données entre les clouds peut déclencher des frais de sortie, qui sont souvent négligés mais peuvent constituer un facteur de coût important. Les charges de travail réparties entre les clouds publics et privés nécessitent un équilibrage minutieux pour éviter la redondance et le gaspillage de capacité. Et l’IA ne fait qu’aggraver le problème, car ses exigences élevées en matière de calcul rendent encore plus difficile le suivi financier dans des environnements multiples.
Une enquête de la FinOps Foundation a révélé que 69 % des entreprises utilisent le SaaS pour les charges de travail d’IA, tandis que 30 % investissent dans le cloud privé et les centres de données. Les chiffres montrent une tendance claire : les entreprises dépassent les déploiements en cloud unique, mais nombre d’entre elles peinent à optimiser les coûts sur plusieurs plateformes.
La gestion des coûts de l’IA implique de regarder au-delà des modèles traditionnels de facturation du cloud. Il s’agit de comprendre modèles de tarification entre les différents fournisseurs et optimiser les charges de travail d’IA en temps réel. Les entreprises qui maîtrisent cela auront un avantage considérable dans le contrôle de leurs dépenses en matière d’IA.
Dernières réflexions
Les FinOps évoluent rapidement. Ce qui a commencé comme une stratégie d’optimisation des coûts du cloud est en train de devenir le fondement de la gestion des dépenses liées au SaaS et à l’IA. Les entreprises qui prennent FinOps au sérieux, notamment en matière de gouvernance et de contrôle des coûts de l’IA, auront un avantage concurrentiel dans la gestion de leur transformation numérique.
Le changement est clair. Les coûts du SaaS sont en train d’être maîtrisés. La gestion des coûts de l’IA devient une priorité majeure. Les entreprises du Fortune 100 font de la FinOps une pratique standard. La gouvernance remplace la réduction des coûts à court terme. Et les investissements dans le multi-cloud et l’IA obligent les entreprises à repenser leur approche de la gestion des coûts.
Les entreprises qui anticipent ces changements seront en bien meilleure position pour évoluer efficacement, innover sans goulots d’étranglement financiers et maintenir une trajectoire de croissance claire et contrôlée. Celles qui ignorent ces tendances ? Elles mèneront une bataille perdue d’avance contre l’imprévisibilité et l’emballement des dépenses technologiques.
Principaux enseignements pour les dirigeants
- FinOps s’étend au-delà du cloud à l’IA et au SaaS : Les entreprises adoptent FinOps pour contrôler les coûts imprévisibles de l’IA et la prolifération des SaaS. Les dirigeants devraient intégrer FinOps dans la planification financière pour éviter les dépenses numériques incontrôlées.
- La gestion des coûts de l’IA nécessite de nouvelles stratégies : Les contrôles traditionnels des coûts du cloud ne fonctionnent pas pour l’IA, qui s’appuie sur des GPU coûteux, une tarification basée sur des jetons et des cycles de formation gourmands en ressources. Les dirigeants doivent mettre en œuvre un suivi des coûts spécifiques à l’IA et une optimisation de la charge de travail pour éviter les dépassements financiers.
- Les FinOps sont en train de devenir la norme dans les grandes entreprises : Avec 93 des 100 entreprises du classement Fortune engagées dans le FinOps, il s’agit désormais d’une fonction centrale de l’entreprise, et non plus d’une tendance. Les entreprises qui sont à la traîne dans l’adoption des FinOps s’exposent à des inefficacités et à des désavantages concurrentiels dans la gestion de l’expansion numérique.
- La gouvernance prend le pas sur la réduction des coûts en tant que priorité : L’optimisation des coûts offre des rendements décroissants, alors que le contrôle des coûts à long terme dépend de la gouvernance, de l’automatisation et de l’application des politiques. Les dirigeants doivent cesser de se focaliser sur les économies à court terme et privilégier une discipline financière durable.
- Les investissements dans le multi-cloud et l’IA favorisent la complexité : Les entreprises déploient l’IA à travers le SaaS, le cloud public et l’infrastructure privée, ce qui rend la gestion des coûts plus difficile. Les décideurs doivent adopter une approche FinOps unifiée dans tous les environnements pour éviter les inefficacités et la hausse des coûts.
