Gouverner les aspects économiques de l’IA dans le secteur de la santé et des sciences de la vie : associer l’utilisation de l’IA à la valeur pour l’entreprise

Pour les organisations du secteur de la santé et des sciences de la vie, le débat sur l’intelligence artificielle (IA) évolue.

La question n’est plus simplement de savoir où l’IA peut être appliquée. Les dirigeants doivent désormais déterminer quels investissements peuvent générer une valeur mesurable à l’échelle de l’entreprise, tout en gérant les coûts, les risques et l’imputabilité.

Cela pose un défi important à la haute direction : comment déployer l’IA à grande échelle sans que les coûts ne s’emballent?

Une partie de la réponse réside dans la compréhension et la gestion de la consommation de l’IA.

L’IA modifie l’équation des coûts

Les organisations du secteur de la santé et des sciences de la vie sont confrontées à une demande croissante de la part des patients, à une pénurie de main-d’œuvre qualifiée, à des budgets de plus en plus serrés, à la pression d’accélérer la recherche et le développement ainsi qu’à l’évolution des exigences réglementaires. Parallèlement, bon nombre d’entre elles passent de la phase pilote à la mise en production de l’IA. Notre étude La voix de nos clients 2026 démontre que les dirigeants accordent la priorité aux cas d’utilisation de l’IA à forte valeur ajoutée et renforcent la gouvernance dans leur quête de résultats d’affaires mesurables.

Alors que les investissements technologiques traditionnels peuvent souvent être planifiés en fonction de structures de coûts relativement familières, l’IA générative change la donne. La consommation varie selon la façon dont les modèles sont utilisés, les modèles choisis ainsi que la conception des agents et des applications.

Les jetons, ces unités traitées par de nombreux modèles d’IA générative, constituent une composante de cette consommation. Pris individuellement, leur coût peut sembler minime. À l’échelle de l’entreprise, cependant, les dirigeants doivent savoir où se produit la consommation et si celle-ci génère suffisamment de valeur.

Cela est particulièrement pertinent dans le secteur de la santé et des sciences de la vie, où les applications d’IA peuvent couvrir les flux de travaux cliniques et administratifs, les demandes de remboursement, la recherche et le développement ainsi que d’autres processus à forte intensité d’information.

Sans une gouvernance efficace, les organisations peuvent avoir de la difficulté à comprendre les dépenses liées à l’IA, à attribuer les coûts aux solutions et aux produits d’affaires appropriés ainsi qu’à établir la responsabilité. Les coûts peuvent également échapper à l’examen minutieux pendant le développement et les essais, ce qui rend les dépenses globales liées à l’IA plus difficiles à prévoir.

La gestion des coûts liés à l’IA ne peut donc pas débuter après le déploiement. Les organisations doivent l’intégrer à leur modèle opérationnel avant même le lancement des projets pilotes.

Passer de la visibilité des coûts à l’imputabilité

Une gouvernance efficace des coûts liés à l’IA établit un lien entre la consommation technique et la responsabilité opérationnelle.

Les dirigeants doivent comprendre quelles ressources d’IA les équipes utilisent, qui les utilise, quels cas d’utilisation elles soutiennent et quels résultats ces cas d’utilisation sont censés produire.

Un modèle de gouvernance pratique établit clairement la responsabilité, les principes de répartition des coûts et la responsabilité des ressources d’IA. Les indicateurs et les rapports peuvent alors aider les dirigeants à surveiller la consommation et à prendre des décisions éclairées.

Des défis similaires en matière de gouvernance des coûts sont apparus lors de l’adoption hâtive des services infonuagiques. À mesure que les organisations faisaient évoluer leurs environnements infonuagiques, bon nombre d’entre elles ont été confrontées à une croissance rapide des coûts sans disposer de la gouvernance et de la visibilité nécessaires pour les gérer efficacement. Le concept d’« opérations financières en nuage » (Cloud FinOps) a vu le jour en réponse à cette situation, pour intégrer la responsabilité financière, la gouvernance et l’optimisation des coûts dans les modèles d’exploitation de l’infonuagique.

Alors que l’IA d’entreprise approche d’un point d’inflexion similaire, la leçon tirée de l’infonuagique est claire : les organisations doivent mettre en place dès le début les disciplines financières et de gouvernance relatives à l’IA, avant que l’adoption ne dépasse leur capacité à comprendre, à contrôler et à optimiser ses coûts.

Pour l’IA générative, la consommation de jetons peut faire partie de ce tableau. Le suivi des jetons au niveau approprié peut aider les équipes à repérer les utilisations inefficaces et à évaluer les choix de conception. Les dirigeants peuvent ensuite évaluer cette consommation à la lumière des indicateurs d’affaires qui déterminent si un cas d’utilisation justifie un investissement supplémentaire.

L’objectif n’est pas de réduire au minimum l’utilisation des jetons. Il s’agit d’optimiser la consommation de l’IA par rapport à la valeur qu’elle crée.

Établir un lien entre la gouvernance et l’architecture

La gouvernance des coûts ne relève pas uniquement de la responsabilité des services financiers. Les décisions architecturales influencent également l’efficacité avec laquelle les organisations utilisent les ressources d’IA.

Les architectures infonuagiques qui ne favorisent pas une gestion efficace des coûts, l’utilisation limitée de fonctionnalités telles que la mise à l’échelle et l’arrêt automatiques, ainsi que l’application de pratiques sur site aux environnements infonuagiques peuvent nuire au contrôle des coûts. À mesure que les organisations développent leurs capacités en matière d’IA, les décisions techniques, financières et opérationnelles doivent aller dans le même sens.

La gouvernance des données revêt une importance tout aussi grande. Selon notre étude La voix de nos clients 2026, 54 % des leaders des fonctions d’affaires et de TI du secteur de la santé et des sciences de la vie interrogés déclarent disposer d’une stratégie globale en matière de données à l’échelle de leur entreprise, tandis que seulement 17 % font état d’une approche centralisée de la gouvernance des données internes. Au sein des écosystèmes externes de partenaires et de fournisseurs, ces chiffres tombent respectivement à 32 % et 14 %.

Cet écart est important, car l’IA d’entreprise repose sur des données fiables et sur une gouvernance qui va au-delà des expériences individuelles.

Intégrer les aspects économiques dans la gouvernance de l’IA d’entreprise

Pour les dirigeants du secteur de la santé et des sciences de la vie, la gouvernance de l’IA ne doit pas se limiter aux questions de sécurité, de responsabilité et de conformité. Elle doit également déterminer si l’IA est viable sur le plan économique.

Trois mesures peuvent aider.

1. Définir les responsabilités avant la mise à l’échelle. Déterminez qui est responsable de chaque ressource d’IA et de chaque cas d’utilisation, qui est responsable de la consommation et comment les coûts seront répartis.
2. Mesurer la consommation parallèlement aux résultats. Surveillez les indicateurs pertinents de coûts et d’utilisation, y compris la consommation de jetons le cas échéant, et reliez-les aux indicateurs d’affaires. Une facture d’IA moins élevée n’est pas nécessairement un meilleur résultat si elle réduit la valeur de l’application.
3. Intégrer l’optimisation continue dans la gouvernance. Les services d’IA, les tarifs et les options d’achat ne cessent d’évoluer. Mettez en place un processus continu d’examen des coûts, des choix d’architecture et des habitudes de consommation plutôt que de vous fier à une analyse de rentabilité ponctuelle.

Pour obtenir des conseils supplémentaires sur ce sujet, je vous invite à consulter les articles de blogue publiés récemment par notre équipe mondiale spécialisée en IA : Le guide de l’économie de jetons d’IA du chef de la direction financière : pourquoi la gestion des coûts agentifs devient un enjeu relevant du conseil d’administration et L’économie de jetons d’IA : gérer les coûts cachés de l’IA agentive.

De l’expérimentation de l’IA à la création de valeur durable

Les organisations du secteur de la santé et des sciences de la vie passent de la phase d’expérimentation de l’IA à celle de la mise en œuvre opérationnelle. Une IA prête à l’emploi nécessitera des fondements modernes, des indicateurs pertinents et une gouvernance axée sur l’humain, intégrée à chaque cas d’utilisation.

La gouvernance économique doit faire partie intégrante de cette approche. Depuis des années, les organisations s’appuient sur des structures de gouvernance bien établies, telles que les bureaux de projets pour superviser les programmes et les projets, et les comités d’architecture d’entreprise pour orienter les décisions en matière de technologie et d’architecture. Plutôt que de créer des niveaux de gouvernance entièrement nouveaux pour l’IA, les organisations peuvent s’appuyer sur ces structures éprouvées, en intégrant les considérations pertinentes en matière d’IA et les pouvoirs décisionnels dans les processus existants. Cette approche permet de renforcer la supervision de l’IA tout en minimisant la complexité et les chevauchements inutiles.

À mesure que l’adoption de l’IA prend de l’ampleur, les dirigeants doivent comprendre à la fois ce que leur organisation utilise et ce qu’elle en retire en contrepartie. La consommation de jetons constitue une mesure utile, mais l’objectif plus large est de prendre des décisions d’investissement éclairées qui relient les coûts de l’IA à des résultats mesurables.

Pour les dirigeants, la question n’est plus simplement : « Dans quelle mesure utilisons-nous l’IA? » Une question plus pertinente serait : « Gérons-nous l’utilisation de l’IA de manière à pouvoir maximiser sa valeur? »

Si votre organisation envisage d’intégrer une gouvernance économique à sa stratégie en matière d’IA, je serais ravi de pouvoir échanger nos points de vue. N’hésitez pas à communiquer avec moi pour discuter de la façon dont les chefs de file du secteur de la santé et des sciences de la vie peuvent planifier les coûts, la responsabilisation et la valeur de l’IA à mesure qu’ils passent de la phase d’expérimentation à une mise en œuvre à l’échelle de l’entreprise.

Lisez le premier billet de blogue de cette série, Refonte numérique du secteur de la santé et des sciences de la vie : d’une ambition de transformation à des résultats mesurables, pour découvrir pourquoi il est essentiel de déployer l’IA de manière rigoureuse afin de traduire les ambitions de transformation en valeur d’affaires mesurable.