Combien coûte un audit IA ? Ce qui fait varier le prix

Le prix d’un audit IA est le produit d’un nombre de jours d’expert par un tarif journalier, et ce nombre de jours découle presque entièrement du périmètre : type d’audit, nombre de directions, accès aux données, systèmes à examiner et livrables attendus. Demander « combien coûte un audit IA » sans fixer ce périmètre revient à demander le prix d’un chantier sans donner la surface.

La seule référence publique solide en France est celle de l’État : le Diag Data IA de Bpifrance compte 8 jours d’intervention, pour un devis plafonné à 10 000 € HT. Cet article ne donne pas de tarif de marché, faute de source qui le mesure. Il décrit ce qui fait monter ou baisser le nombre de jours, comment lire un devis, comment repérer un audit vendu trop bas pour être utile, et quelles aides publiques sont réellement documentées.

Un audit IA coûte le nombre de jours d’expert qu’il mobilise multiplié par le tarif journalier de cet expert ; le seul repère public vérifiable est le Diag Data IA de Bpifrance, 8 jours pour 10 000 € HT au plus.

Le prix ne se discute donc pas d’abord en euros, mais en jours. Une direction avec des données déjà extraites ne demande pas le travail de trois directions, deux outils en service et des données sans accès préparé. Le tarif journalier dit peu de chose si l’on ignore ce que chaque jour produit. Ce point est développé dans ce qu’un TJM élevé achète réellement.

Le dispositif public donne une échelle utile. Selon la fiche Bpifrance consultée le 13 octobre 2026, le Diag Data IA comprend 8 jours d’intervention répartis sur 3 mois au plus, un devis d’un montant maximal de 10 000 € HT, et un reste à charge de 6 000 € HT pour l’entreprise éligible après une subvention de 40 %. Le plafond correspond, par simple division, à 1 250 € HT par jour d’intervention. Ce n’est pas un prix de marché, c’est le cadre d’un dispositif subventionné.

Dans ma pratique, un audit IA dure de 3 à 10 jours selon sa forme ; le prix découle de ce décompte, établi au cadrage.

Six facteurs font varier le prix d’un audit IA : le type d’audit, le nombre de directions, l’accès aux données, le nombre de systèmes examinés, les livrables attendus et les déplacements.

Chacun agit sur le nombre de jours, pas sur le tarif.

Le type d’audit pèse le plus. L’audit d’opportunités cherche où l’IA rapporte ; l’audit de maturité vérifie si données, équipes et gouvernance suivent ; l’audit de système examine un outil déjà construit, et chaque couche ajoute des mesures. La méthode de tri des cas d’usage est décrite dans juger un projet d’IA en cinq minutes.

L’accès aux données est le facteur le plus sous-estimé. Un audit qui attend l’extraction d’un échantillon consomme ce délai en relances et en réunions, et ces jours figurent sur la facture. Comme l’écrit le corpus est le projet, la donnée décide de la faisabilité, et elle décide aussi de la durée de l’audit.

Un audit IA dure généralement de quelques jours à deux semaines de travail d’expert, réparties en quatre étapes : cadrage, entretiens, mesures sur les données de l’entreprise, puis restitution.

Le Diag Data IA de Bpifrance fixe 8 jours d’intervention. Dans la méthode que j’applique, un audit d’opportunités dure de 3 à 5 jours, un audit de maturité de 2 à 4 jours, et un audit de système de 3 à 10 jours. La plupart des audits d’entreprise combinent opportunités et maturité, car choisir un cas d’usage dont les données n’existent pas n’a pas de sens.

Les quatre étapes ne pèsent pas le même poids. Le cadrage et la restitution tiennent chacun en une demi-journée. Les entretiens prennent un à deux jours, auprès des personnes qui font le travail et pas seulement de celles qui le pilotent. Les mesures occupent un à cinq jours : pour chaque cas retenu, un essai sur un échantillon réel donne un taux de bonne réponse, un coût par requête et la part des cas qui exigent un humain.

Cette étape sépare un audit d’un questionnaire ; elle repose sur un jeu de cas représentatifs, voir construire un jeu de tests en une journée.

Un devis d’audit IA se lit en vérifiant trois choses : le nombre de jours par étape, les livrables nommés précisément, et la liste des exclusions qui borne ce qui n’est pas compris.

Un montant global sans décomposition ne permet pas de comparer deux offres.

1. Les jours par étape. Cadrage, entretiens, mesures et restitution doivent apparaître séparément. Un devis où les mesures sur données ne figurent pas, ou valent moins d’une journée, décrit un audit déclaratif.
2. Les livrables nommés. « Rapport d’audit » ne dit rien. « Feuille de route chiffrée de trois à cinq cas d’usage », « jeu de tests de cinquante cas » ou « plan de correction par couche » se vérifient à la livraison.
3. Le périmètre écrit. Directions, processus et systèmes couverts doivent être listés. Ce qui n’est pas écrit n’est pas audité.
4. Les prérequis côté client. Accès aux données, disponibilité des personnes interrogées, délai de mise à disposition : ils conditionnent le calendrier.
5. Les exclusions. Mise en œuvre des corrections, développement, formation des équipes, audit juridique : un devis honnête dit ce qu’il ne fait pas.
6. Les frais annexes. Déplacements, outils, licences éventuelles pour les essais doivent être chiffrés ou explicitement exclus.

Les critères qui dépassent le prix sont détaillés dans évaluer un fournisseur d’IA hors capacités.

Un audit IA trop bon marché se reconnaît à deux signaux : un questionnaire de maturité sans aucune mesure sur les données de l’entreprise, et un livrable générique qui pourrait s’appliquer à n’importe quelle autre société.

Le questionnaire mesure ce que les répondants croient, pas ce que les données permettent. Un audit qui conclut qu’un cas d’usage est « prioritaire » sans avoir testé un seul document ne sait pas si ce cas fonctionne. Les autodiagnostics gratuits, comme l’Autodiag IA en 15 minutes proposé par Bpifrance, sont utiles comme point de départ ; ils ne remplacent pas un audit et ne prétendent pas le faire.

Le livrable générique est le second signal. Une liste de « dix cas d’usage de l’IA pour votre secteur », un graphique radar de maturité et des recommandations du type « structurer la gouvernance des données » se produisent sans connaître l’entreprise. Un livrable utile cite des processus nommés, des volumes, des données identifiées et des cas écartés avec leur raison. Savoir ce qu’on abandonne vaut autant que savoir ce qu’on lance, comme le montre combien de cas d’usage faut-il abandonner.

Le coût d’un audit faible apparaît plus tard, quand un projet lancé sur un cas sans données s’arrête après le pilote. Voir où part réellement un budget d’IA.

On réduit le coût d’un audit IA en retirant des jours qui ne produisent rien : un cadrage serré sur un périmètre limité et des données préparées avant le démarrage, sans toucher à l’étape de mesure.

Le cadrage serré commence par une question écrite. « Où l’IA peut-elle réduire le délai de traitement des réclamations ? » se prête à un audit court ; « que peut faire l’IA pour l’entreprise ? » appelle des entretiens partout. Limiter l’audit à une ou deux directions, puis l’étendre si les résultats le justifient, coûte moins cher qu’un premier audit trop large.

La préparation des données fait gagner le plus de temps. Un échantillon extrait, anonymisé si nécessaire et autorisé par les personnes responsables avant le premier jour évite des journées d’attente. La liste des personnes à interroger a le même effet sur les entretiens.

Ce qu’il ne faut pas réduire, ce sont les mesures. Retirer la journée d’essai sur données transforme l’audit en avis, et l’économie se reperd au premier pilote. Pour un système déjà en service, le même principe s’applique : commencer par cinq réponses fausses et vérifier si l’information correcte figurait dans le contexte transmis, méthode décrite dans reprendre un système d’IA construit par quelqu’un d’autre.

Oui : dans le cadre du plan Osez l’IA, Bpifrance propose le Diag Data IA subventionné à 40 % par France 2030, ainsi que des Accélérateurs IA plus longs, sous conditions d’éligibilité.

Le Diag Data IA s’adresse, selon la fiche Bpifrance, aux PME et ETI indépendantes de 10 à 2 000 ETP, réalisant au moins 1 000 000 € de chiffre d’affaires sur un bilan de 12 mois, ayant plus d’un an d’existence et localisées sur le territoire national, DROM-COM inclus. L’intervention est assurée par un expert en data science et intelligence artificielle agréé Bpifrance. Son contenu, un état des lieux, l’identification de cas d’usage, leur priorisation et une feuille de route, correspond à un audit d’opportunités.

Les Accélérateurs IA visent des entreprises plus grandes : plus de 8 M€ de chiffre d’affaires, plus de 50 salariés et au moins 3 ans d’existence. La page de la Direction générale des Entreprises les décrit sur 18 mois, avec un diagnostic de 12 jours et deux modules de 13 jours. Bpifrance affiche un reste à charge de 39 000 € HT après une subvention de 41 %, tandis que la page de la DGE mise à jour le 28 septembre 2026 indique une prise en charge de 46 % : le taux applicable est celui du devis signé.

Pour les TPE et les entreprises qui cherchent d’abord à s’orienter, la DGE renvoie vers les actions des CCI et des chambres de métiers et de l’artisanat, et vers un réseau d’Ambassadeurs IA chargé d’orienter les entreprises vers les dispositifs adaptés à leur territoire. Leurs conditions se vérifient auprès de chaque organisme. Une aide finance un diagnostic, pas la formation des équipes qui suit : ce volet relève d’une formation IA dédiée.

Analyse et méthode proposées par Anand Candassamy au 13 octobre 2026.