# Structures de tarification de l’IA et calculs de ROI

Les trois structures de tarification de l’IA que nomme l’AIB-C01, les remises liées à l’engagement et quand elles détruisent de la valeur, des prix Bedrock vérifiés avec des coûts mensuels détaillés, Pricing Calculator vs Cost Explorer vs Marketplace, une feuille de calcul de ROI complète avec un cas travaillé sur trois ans, l’économie unitaire, et les quatre façons dont les dossiers métier IA surestiment le bénéfice.

import { Tabs, TabItem } from '@prosefly/astro-components';

Voici la référence pour le volet financier de l’examen [AWS Certified AI Business Strategist (AIB-C01)](/fr/aws/aib-c01/) : comment l’IA est tarifée, comment bâtir un dossier de ROI, et comment repérer un dossier qui vous trompe. Chaque prix est vérifié par rapport à la tarification Bedrock publiée par AWS au **15 septembre 2026**, et **chaque somme de cette page est recalculée à partir de ces chiffres**. L’examen ne vous demande pas de retenir un tarif par token ; il vous demande de raisonner sur les *inducteurs de coût, les engagements, le ROI et l’économie unitaire* — c’est donc ce que cette page entraîne.

## Les trois structures de tarification

AWS nomme trois structures. L’examen teste si vous savez identifier une structure à partir d’un scénario et nommer son mode de défaillance.

| Structure | Inducteur de coût | Prévisibilité | Mode de défaillance | La question à poser |
| --- | --- | --- | --- | --- |
| **Consumption-based** (à la consommation) | Usage : par token, par requête, par page, par image | Faible — croît avec l’usage, sans plancher | Un pic viral ou un agent emballé produit une facture emballée | « Quel est le coût par unité de travail, et qu’est-ce qui plafonne un usage emballé ? » |
| **Instance-based** (à l’instance) | Heures de compute provisionné | Moyenne — prévisible tant que ça tourne | Vous payez la capacité **inactive** ; les endpoints laissés en marche brûlent de l’argent | « Quelle est l’utilisation, et l’arrêtons-nous quand c’est inactif ? » |
| **Seat-based** (par siège) | Utilisateurs sous licence (par utilisateur par mois) | Élevée — plate et prévisible | Vous payez des sièges que personne n’utilise ; le coût est **découplé de la valeur** | « Combien de sièges délivrent une vraie valeur, et comment mesurons-nous la valeur par siège ? » |

```text
  spend ▲
        │ consumption   ╱  (rises with every request — no ceiling)
        │             ╱
        │ instance   ────────  (flat while running, waste when idle)
        │ seat       ════════  (flat per licensed user, value may be zero)
        └──────────────────────────────────────────▶ usage volume
  match the structure to the traffic shape: spiky → consumption risk;
  steady high volume → commitment; people-hours → seats
```

:::tip[Signal d’examen]
« Pics imprévisibles » / « par requête » → consommation. « Payer tant que ça tourne » / « inactif » → à l’instance. « Par utilisateur par mois » / « licences » → par siège. La bonne réponse nomme généralement le *mode de défaillance* de la structure de l’énoncé, pas un fournisseur moins cher.
:::

## Remises liées à l’engagement — et quand elles détruisent de la valeur

Vous pouvez échanger de la flexibilité contre un tarif plus bas : **Savings Plans** (plans d’économies), **engagements de Provisioned Throughput** (1 ou 6 mois, achetés en model units) et le niveau Bedrock **Reserved**. Tous suivent la même logique — s’engager sur une base d’usage, payer moins par unité.

```text
  a commitment pays off only above a break-even utilisation:

  total cost │  on-demand  ╱
             │           ╱
             │         ╱
   committed │────────●───────  commitment (fixed) + overage
             │       ╱ break-even
             └──────────────────────▶ actual usage
   below the ● you paid for capacity you never used —
   the commitment destroyed value
```

Un engagement **détruit de la valeur** quand l’usage réel se situe sous le point d’équilibre : vous avez converti un coût variable que vous auriez pu éviter en un coût fixe que vous ne pouvez pas. Le piège à l’examen est un énoncé où l’usage est *incertain, nouveau ou saisonnier* et où une option recommande un engagement de 6 mois « pour économiser » — la réponse du stratège est de rester en on-demand jusqu’à ce que le volume soit prouvé, puis de s’engager.

**Point d’équilibre travaillé.** Supposons qu’une charge on-demand coûte environ $10,000/mois et qu’un engagement de Provisioned Throughput de 6 mois coûte $48,000 pour les six mois (l’équivalent d’un forfait de $8,000/mois) mais ne couvre qu’une capacité fixe. Sur six mois, l’on-demand à volume régulier = 6 × $10,000 = **$60,000** ; l’engagement = **$48,000** — une économie de $12,000 *si* l’usage se maintient. Mais si une réorganisation réduit l’usage au tiers après le mois deux, vous devez toujours l’intégralité des $48,000 tandis que votre coût on-demand serait tombé à environ $10,000 + $10,000 + 4 × $3,333 ≈ **$33,333**. L’engagement coûte alors **$14,667 de plus** que rester flexible. Même levier, résultat opposé — entièrement piloté par l’hypothèse d’utilisation.

## Prix Bedrock avec coûts mensuels travaillés

Chaque chiffre ci-dessous provient de la tarification Bedrock publiée par AWS ; les totaux mensuels sont calculés pour le volume indiqué. Une **text unit** pour Guardrails va jusqu’à 1 000 caractères, et Guardrails est tarifé par **1 000 text units**.

<Tabs>
<TabItem label="Guardrails">

| Composant | Prix (par 1 000 text units) |
| --- | --- |
| Content filters | $0.15 |
| Denied topics | $0.15 |
| Sensitive-information filter (PII) | $0.10 |
| Contextual grounding check | $0.10 |
| Automated Reasoning check | $0.17 par politique |
| Regex and word filters | Gratuit |
| Contenu image | $0.00075 par image |

AWS indique que Guardrails bloque jusqu’à **88 % du contenu nuisible**.

**Coût mensuel travaillé.** Un assistant de support traite **2 000 000 text units/mois** et applique content filters + sensitive-information filter + contextual grounding :

- Tarif par 1 000 unités = $0.15 + $0.10 + $0.10 = **$0.35**
- Unités, en milliers = 2 000 000 / 1 000 = **2 000**
- Coût mensuel = 2 000 × $0.35 = **$700/mois**

Ajoutez les word filters et cela reste $700 (les word filters sont gratuits). Ajoutez une politique Automated Reasoning sur le même volume : 2 000 × $0.17 = **$340**, soit **$1,040/mois** au total.

</TabItem>
<TabItem label="Knowledge Bases">

| Composant | Prix |
| --- | --- |
| Stockage d’index | $5.00 par Go de données brutes par mois |
| Standard Retrieval | $1.00 par 1 000 appels d’API |
| Agentic Retrieval | $4.00 par 1 000 appels **plus** $1.00 par 1 000 appels retrieve sous-jacents |

Le parsing, les embeddings et le re-ranking managés sont inclus sans frais supplémentaires.

**Coût mensuel travaillé.** Une knowledge base contient **20 Go** de données brutes et sert **500 000 appels Standard Retrieval/mois** :

- Stockage = 20 × $5.00 = **$100**
- Retrieval = (500 000 / 1 000) × $1.00 = 500 × $1.00 = **$500**
- Coût mensuel = **$600/mois**

Si ces 500 000 appels étaient de l’**Agentic Retrieval** avec un appel retrieve sous-jacent chacun : (500 × $4.00) + (500 × $1.00) = $2,000 + $500 = **$2,500** + $100 de stockage = **$2,600/mois**. L’agentic retrieval est nettement plus cher — un stratège le réserve à un usage réellement agentique, pas aux recherches de routine.

</TabItem>
<TabItem label="Évaluation et routage">

| Service | Prix |
| --- | --- |
| Model Evaluation — scores algorithmiques | Sans frais supplémentaires |
| Model Evaluation — évaluation humaine | $0.21 par tâche humaine réalisée (plus l’inférence) |
| Model Evaluation — LLM-as-a-judge / éval RAG | Facturé comme usage de tokens |
| Intelligent Prompt Routing | $1 par 1 000 requêtes (jusqu’à 30 % de réduction de coût annoncée) |
| Prompt Optimization | $0.03 par 1 000 tokens (optimiseur simple) |

**Coûts travaillés.**

- **Évaluation humaine** de 1 200 tâches réalisées = 1 200 × $0.21 = **$252** (plus l’inférence pour générer les réponses évaluées).
- **Intelligent Prompt Routing** sur 3 000 000 de requêtes/mois = (3 000 000 / 1 000) × $1 = 3 000 × $1 = **$3,000/mois** de frais de routage — rentable seulement si le routage économise plus de $3,000 en coût de modèle. L’annonce d’AWS de jusqu’à 30 % sur une facture de modèle de $20,000/mois économiserait ~$6,000, soit un gain net d’~$3,000.
- **Prompt Optimization** sur 10 000 000 de tokens/mois = (10 000 000 / 1 000) × $0.03 = 10 000 × $0.03 = **$300/mois**.

</TabItem>
</Tabs>

:::note[Guardrails, Knowledge Bases et le routage sont des *add-ons* au coût du modèle]
Chaque chiffre ci-dessus s’ajoute *par-dessus* le coût d’inférence du modèle lui-même. Un dossier métier qui ne budgète que les tokens du modèle et oublie les couches guardrail, retrieval et évaluation sous-estime le coût — l’une des quatre façons dont les dossiers déraillent (ci-dessous).
:::

## Trois outils : Pricing Calculator vs Cost Explorer vs Marketplace

| Outil | Ce que c’est | Bon pour | Pas bon pour |
| --- | --- | --- | --- |
| **AWS Pricing Calculator** | Estimateur prévisionnel (`calculator.aws`) | *Avant* de vous engager : modéliser une prévision, comparer des scénarios, dimensionner un budget | Vous dire ce que vous avez réellement dépensé |
| **AWS Cost Explorer** | Réalisés, tendances et investigation d’anomalies | *Après* l’exécution : suivre la dépense réelle, repérer un emballement, attribuer le coût | Estimer une charge que vous n’avez pas encore exécutée |
| **AWS Marketplace** | Catalogue de logiciels et de modèles tiers | Évaluer les options **acheter/s’associer** face à construire soi-même | Estimer votre propre coût de consommation |

```text
  BEFORE build        DURING/AFTER run       BUY-vs-BUILD
  ─────────────       ──────────────────     ────────────
  Pricing Calculator  Cost Explorer          Marketplace
  "what will it cost?" "what did it cost?"    "should we buy instead?"
```

:::tip[Signal d’examen]
« Prévoir le budget » → Pricing Calculator. « Investiguer pourquoi la facture a bondi » / « suivre la dépense réelle » → Cost Explorer. « Évaluer un fournisseur / acheter vs construire » → Marketplace. Les intervertir est un distracteur courant : Cost Explorer ne peut pas prévoir une charge que vous n’avez pas exécutée.
:::

## La feuille de calcul de ROI

Un dossier métier IA défendable a quatre parties : une **référence** (baseline), des **bénéfices**, des **coûts** et un **horizon temporel** sur lequel on les net.

**1. Référence (tâche 2.2.2 — avant la mise en œuvre).** Vous ne pouvez pas revendiquer une amélioration que vous ne pouvez pas mesurer par rapport à un point de départ. Capturez le coût, le temps, le volume et la qualité actuels *avant* de déployer. Pas de référence, pas de revendication de ROI.

**2. Catégories de bénéfices.**

| Bénéfice | Ce que cela signifie | Comment le quantifier |
| --- | --- | --- |
| Gains de temps | Heures rendues au personnel | heures économisées × coût horaire chargé |
| Réduction des coûts | Dépense directe supprimée | ancien coût − nouveau coût |
| Croissance du chiffre d’affaires | Revenu nouveau ou conservé | revenu incrémental attribuable à l’IA |
| Gains de productivité | Plus de production par personne | production supplémentaire × valeur par unité |

Les gains de temps et la réduction des coûts sont *tangibles* ; la satisfaction client et la productivité commencent souvent *intangibles* — quantifiez ce que vous pouvez et étiquetez honnêtement le reste.

**3. Catégories de coûts** — celles que les dossiers oublient sont les quatre dernières :

| Coût | Taille typique | Pourquoi il est manqué |
| --- | --- | --- |
| Plateforme | La facture du modèle/service | Tout le monde le compte |
| Intégration | Connecter l’IA aux systèmes existants | Sous-dimensionné |
| Conduite du changement | Formation, communication, redesign des processus | Traité comme gratuit |
| Supervision | Temps de revue humaine (human-in-the-loop) | Oublié — mais voir governance by design |
| Monitoring continu | Suivi de dérive/biais, évaluation | Supposé ponctuel, en réalité récurrent |

### Cas travaillé sur trois ans — *Northwind Support*

*Northwind Support* traite **200 000 tickets de support par an**. Référence : chaque ticket coûte **$6.00** en temps d’agent (200 000 × $6.00 = **$1,200,000/an**). Un assistant fondé sur Bedrock avec Knowledge Bases et Guardrails est censé **dévier 30 %** des tickets entièrement et réduire le temps de traitement sur le reste.

**Bénéfices par an** (régime établi, dès l’année 1 pour la simplicité de l’illustration) :

- Déviation : 30 % × 200 000 = 60 000 tickets × $6.00 = **$360,000** économisés.
- Traitement plus rapide sur les 140 000 restants : 20 % de réduction de temps × 140 000 × $6.00 = **$168,000** économisés.
- Bénéfice annuel = 360 000 + 168 000 = **$528,000/an**.

**Coûts.**

| Coût | Année 1 | Année 2 | Année 3 |
| --- | --- | --- | --- |
| Plateforme (inférence + Guardrails + Knowledge Bases) | $150,000 | $150,000 | $150,000 |
| Intégration (ponctuel) | $120,000 | $0 | $0 |
| Conduite du changement | $60,000 | $20,000 | $20,000 |
| Supervision (revue humaine) | $50,000 | $50,000 | $50,000 |
| Monitoring continu | $30,000 | $30,000 | $30,000 |
| **Coût total** | **$410,000** | **$250,000** | **$250,000** |

**Bénéfice net par an :** Année 1 = 528 000 − 410 000 = **$118,000** ; Année 2 = 528 000 − 250 000 = **$278,000** ; Année 3 = **$278,000**.

**Bénéfice net cumulé :** Année 1 = $118,000 ; Année 2 = 118 000 + 278 000 = **$396,000** ; Année 3 = 396 000 + 278 000 = **$674,000**.

**Période de payback.** Le bénéfice net cumulé devient positif dès l’**Année 1** (net +$118,000 en fin d’année), donc le payback est inférieur à 12 mois. Au sein de l’année, le bénéfice net mensuel ≈ (528 000 − 410 000)/12 ≈ $9,833, mais le coût d’intégration de $120,000 est concentré en début de période ; en traitant les bénéfices comme s’accumulant uniformément et le coût ponctuel au départ, le cumulé devient positif vers le **mois 9**. ROI sur trois ans = 674 000 / (410 000 + 250 000 + 250 000) = 674 000 / 910 000 ≈ **74 %**.

**Sensibilité au taux d’adoption.** L’hypothèse de 30 % de déviation est la plus fragile. Recalculons le bénéfice annuel à d’autres taux (l’économie de traitement plus rapide maintenue à $168,000) :

| Taux de déviation | Économie de déviation | Bénéfice annuel | Net année 1 | Net cumulé 3 ans |
| --- | --- | --- | --- | --- |
| 15 % | 30 000 × $6 = $180,000 | $348,000 | −$62,000 | 348 000×3 − 910 000 = **$134,000** |
| 30 % (base) | $360,000 | $528,000 | +$118,000 | **$674,000** |
| 45 % | 90 000 × $6 = $540,000 | $708,000 | +$298,000 | 708 000×3 − 910 000 = **$1,214,000** |

À 15 % d’adoption le dossier passe encore sur trois ans (+$134,000) mais perd de l’argent en année 1 (−$62,000) — ce qui dit au stratège de **phaser l’engagement** et de conditionner la montée en charge à l’atteinte de la cible de déviation, plutôt que de miser toute la dépense sur le chiffre optimiste.

## Économie unitaire — pourquoi le coût unitaire l’emporte sur le coût total

Quand vous décidez de **passer à l’échelle**, le coût total induit en erreur car il bouge avec le volume. Le **coût unitaire** — coût par ticket résolu, par document traité, par lead qualifié — vous dit si passer à l’échelle *améliore ou dégrade* l’économie.

| Métrique | Référence | IA (au volume pilote) | Lecture |
| --- | --- | --- | --- |
| Coût par ticket résolu | $6.00 | $3.90 | 35 % moins cher par unité — passer à l’échelle *aide* |
| Coût par document extrait | $2.50 | $2.80 | *Plus* cher par unité — ne **pas** passer à l’échelle pour l’instant |
| Coût par lead qualifié | $40 | $18 | Moins de la moitié — dossier solide pour passer à l’échelle |

**Coût unitaire travaillé.** L’assistant de Northwind résout 60 000 tickets/an pour un coût plateforme+supervision+monitoring d’environ $230,000/an (la portion récurrente) : $230,000 / 60 000 ≈ **$3.83 par ticket résolu**, contre la référence de $6.00. Parce que le coût unitaire *tombe* sous la référence, plus de volume renforce le dossier — le feu vert pour passer à l’échelle. Si le coût unitaire était ressorti *au-dessus* de la référence, les économies totales d’un pilote plus grand seraient une illusion : vous mettriez à l’échelle une perte.

:::tip[Signal d’examen]
« Devons-nous passer le pilote à l’échelle ? » → regardez le **coût unitaire**, pas la dépense totale. Un énoncé qui montre le coût total croître avec le volume est un piège ; le discriminant est de savoir si le *coût par unité de travail* est sous la référence.
:::

## Les quatre façons dont les dossiers métier IA surestiment le bénéfice

| Surestimation | À quoi cela ressemble | La correction |
| --- | --- | --- |
| **Pas de référence** | « Ça économise 40 % » — de quoi ? | Mesurez d’abord l’état antérieur (tâche 2.2.2) ; un pourcentage sans référence est une supposition |
| **Coûts cachés** | Seule la facture du modèle est comptée | Ajoutez intégration, conduite du changement, supervision et monitoring continu — surtout les récurrents |
| **Adoption optimiste** | 100 % du personnel l’utilise dès le premier jour | Faites une sensibilité au taux d’adoption ; conditionnez la montée en charge à l’atteinte du taux supposé |
| **Dérive d’attribution** | Tout bon résultat crédité à l’IA | Isolez la part attribuable à l’IA ; d’autres initiatives et mouvements de marché bougent aussi les chiffres |

## Points clés

- Trois structures de tarification : **consumption-based** (piloté par l’usage, sans plafond), **instance-based** (payer tant que ça tourne, gaspillage à l’inactivité), **seat-based** (par utilisateur, découplé de la valeur). Nommez le *mode de défaillance* de celle de l’énoncé.
- Les **engagements** (Savings Plans, Provisioned Throughput, Reserved) n’abaissent le coût unitaire qu’*au-dessus* d’un point d’équilibre d’utilisation ; sur un volume incertain ou nouveau ils détruisent de la valeur — restez en on-demand jusqu’à ce que le volume soit prouvé.
- Les coûts d’add-on Bedrock vérifiés s’ajoutent *par-dessus* le coût du modèle : Guardrails à $0.35 par 1 000 text units pour un montage à trois filtres = **$700/mois** à 2 M d’unités ; une Knowledge Base de 20 Go avec 500 k Standard Retrievals = **$600/mois** ; le routage sur 3 M de requêtes = **$3,000/mois** ; l’optimisation de prompts sur 10 M de tokens = **$300/mois**.
- **Pricing Calculator** prévoit, **Cost Explorer** rapporte les réalisés, **Marketplace** évalue l’achat/le partenariat — ne les intervertissez pas.
- Un dossier de ROI défendable a besoin d’une **référence**, de catégories honnêtes de bénéfices *et* de coûts (dont supervision et monitoring), et d’une **sensibilité à l’adoption**. Le cas Northwind net **$674,000** sur trois ans à 30 % de déviation, ~74 % de ROI sur trois ans, payback en moins d’un an — mais devient négatif en année 1 à 15 % d’adoption.
- Pour décider de **passer à l’échelle**, jugez sur le **coût unitaire** (par ticket, par document, par lead), pas le coût total.
- Les dossiers IA surestiment le plus souvent le bénéfice via **l’absence de référence, les coûts cachés, l’adoption optimiste et la dérive d’attribution**.