"L'IA va transformer votre entreprise — investissez 5 millions Fcfp dans un projet pilote." Vous avez entendu cette phrase. Elle est fausse dans 90% des cas pour une PME polynésienne.

La réalité 2026, basée sur les agents qu'on déploie réellement chez nos clients, c'est ceci : un agent IA opérationnel coûte entre 15 000 et 80 000 Fcfp/mois en exploitation, avec une mise en place qui tourne entre 400 000 et 1 500 000 Fcfp selon la complexité. C'est un budget de PC professionnel, pas de transformation digitale.

Voici la décomposition exacte, ligne par ligne, sans marketing.

Le coût se décompose en 3 postes

Tout projet IA en entreprise se ramène à 3 lignes budget :

  1. Coût d'API LLM (variable, mensuel) — paiement à l'usage chez Anthropic, OpenAI ou autre
  2. Coût d'intégration (one-shot) — le travail pour connecter l'IA à vos données et workflows
  3. Coût de maintenance (mensuel) — surveillance, ajustements, ajout de capacités

Si quelqu'un vous propose un "package IA tout compris à 5M Fcfp", demandez-lui la décomposition de ces 3 postes. Les chiffres ci-dessous sont nos références terrain.

Agent IA basé sur Claude répondant à des questions métier en langage naturel depuis un terminal Un agent Claude opérationnel — coût d'exploitation moyen sur nos déploiements clients : 35 000 Fcfp/mois

Poste 1 — Le coût d'API LLM

C'est le poste le plus mal compris. Les API LLM facturent à la quantité de texte (tokens) en entrée et en sortie. Tarifs Anthropic Claude au 28 avril 2026 :

  • Claude Haiku 4.5 : ~0.10 € / million tokens input, ~0.50 € / million tokens output
  • Claude Sonnet 4.6 : ~0.30 € / million tokens input, ~1.50 € / million tokens output
  • Claude Opus 4.7 : ~1.50 € / million tokens input, ~7.50 € / million tokens output

Concrètement, qu'est-ce que ça donne ? Un agent qui répond à 50 requêtes métier par jour avec Claude Sonnet (le bon compromis qualité/prix), avec en moyenne 2000 tokens d'entrée (la question + le contexte récupéré) et 500 tokens de sortie (la réponse), coûte :

  • Input : 50 req/jour × 22 jours × 2000 tokens = 2.2M tokens × 0.30€ = 0.66 €/mois
  • Output : 50 req/jour × 22 jours × 500 tokens = 0.55M tokens × 1.50€ = 0.83 €/mois
  • Total : ~1.50 €/mois = ~180 Fcfp/mois

Vous avez bien lu : 180 Fcfp/mois pour 1100 requêtes. Pour un agent à usage modéré, le coût d'API est négligeable.

Quand l'API devient coûteuse

Le piège, c'est le prompt caching mal configuré et les contextes massifs. Si vous mettez 50 000 tokens de documentation à chaque requête sans cacher, vous explosez le compteur. Avec le prompt caching d'Anthropic, correctement configuré, le même contexte coûte 90% moins cher en lecture.

Un agent mal optimisé peut coûter 10 000-30 000 Fcfp/mois. Bien optimisé, il revient à 500-2000 Fcfp/mois pour le même usage.

Poste 2 — Le coût d'intégration

C'est ici que se concentre le vrai investissement. L'API toute seule ne sert à rien — il faut connecter l'IA à vos données et workflows. Trois niveaux selon ce qu'on veut faire :

Agent simple (400 000 - 600 000 Fcfp)

Cas type : un assistant qui lit votre boîte email, classifie les demandes entrantes et les route vers la bonne personne dans ClickUp. C'est ce qu'on a déployé pour Matarii.

Composants :

  • 1 workflow n8n qui orchestre les appels API
  • 1 prompt système bien structuré (200-400 lignes)
  • 1 connecteur vers la source (email, formulaire, webhook)
  • 1 connecteur vers la destination (ClickUp, Slack, Odoo)
  • Tests sur 50-100 cas réels

Effort : 5-8 jours-homme. Résultat : un agent en production en 2 semaines.

Agent métier (700 000 - 1 200 000 Fcfp)

Cas type : un agent connecté à votre ERP Odoo qui répond à des questions business en langage naturel ("quel est le CA de la semaine dernière par catégorie ?"). Lecture de la base, pas d'écriture.

Composants en plus :

  • 1 couche d'accès aux données Odoo (XML-RPC ou API REST)
  • 1 système de tool calling (l'agent décide quel "outil" utiliser selon la question)
  • 1 cache pour les requêtes fréquentes
  • 1 système de logs et observabilité (qui a posé quoi, combien ça a coûté)

Effort : 10-15 jours-homme.

Agent autonome (1 200 000 - 1 500 000 Fcfp)

Cas type : un agent qui non seulement lit les données, mais peut agir dessus — créer des opportunités, envoyer des emails, mettre à jour des fiches client. Le niveau le plus puissant et le plus risqué.

Composants en plus :

  • Système de validation humaine pour les actions sensibles
  • Audit trail complet (qui a fait quoi, quand, sur instruction de qui)
  • Sandbox pour tester avant de pousser en production
  • Politique de sécurité (quels utilisateurs peuvent demander quelles actions)

Effort : 18-25 jours-homme. À ce stade, c'est plus un projet d'automatisation que d'IA — l'IA n'est qu'un orchestrateur.

Poste 3 — Le coût de maintenance

L'IA n'est pas un produit fini qu'on installe et oublie. Trois types de maintenance :

  • Surveillance technique (~1h/semaine) : logs, taux d'erreur, latence, coût API. Coût : 15 000-25 000 Fcfp/mois.
  • Ajustement du prompt (1-2 fois par an) : les modèles évoluent, vos cas d'usage aussi. Le prompt doit être révisé. Coût : 50 000-100 000 Fcfp/an.
  • Évolution des intégrations (selon besoin) : connecter de nouvelles sources, ajouter des outils. Coût : ponctuel, devisé séparément.

Sur nos clients, le forfait maintenance moyen tourne à 30 000-60 000 Fcfp/mois, qui inclut l'API, la surveillance et 1h/mois d'ajustement.

3 scénarios chiffrés

Scénario 1 — TPE artisanat, 5 personnes

  • Cas d'usage : agent qui répond aux demandes de devis sur le site web et crée la fiche dans Odoo
  • Mise en place : 450 000 Fcfp (one-shot)
  • Exploitation : 25 000 Fcfp/mois (API + maintenance)
  • ROI : 3-4h/semaine économisées par le gérant. Amortissement en 4-5 mois.

Scénario 2 — PME services, 20 personnes

  • Cas d'usage : agent qui classifie les emails, route vers ClickUp, propose des réponses
  • Mise en place : 850 000 Fcfp
  • Exploitation : 45 000 Fcfp/mois
  • ROI : 8h/semaine économisées sur l'équipe support. Amortissement en 3 mois.

Scénario 3 — ETI commerce, 60 personnes

  • Cas d'usage : agent métier connecté Odoo qui répond à des questions business + classification emails + génération de rapports hebdo
  • Mise en place : 1 400 000 Fcfp
  • Exploitation : 75 000 Fcfp/mois
  • ROI : 15h/semaine économisées + meilleure réactivité commerciale. Amortissement en 2-3 mois.

Dans les trois cas, le ROI est visible en moins de 6 mois. Au-delà, c'est de la marge nette.

Ce qui rend les coûts dérapants

Trois erreurs récurrentes :

  1. Vouloir un agent "qui fait tout" — vise un cas d'usage précis, mesure, élargis. Pas l'inverse.
  2. Choisir le mauvais modèle — Opus est 5x plus cher que Sonnet pour des tâches que Sonnet exécute aussi bien. Tester systématiquement le modèle le moins cher d'abord.
  3. Pas de prompt caching — multiplie le coût par 5 à 10 selon les volumes. Indispensable dès qu'on a plus de 1000 tokens de contexte stable.

Ce qu'il faut retenir

  • Un agent IA opérationnel pour PME coûte 15-80k Fcfp/mois en exploitation
  • La mise en place tourne entre 400k et 1.5M Fcfp selon la complexité
  • Le coût API LLM est négligeable s'il est bien optimisé (prompt caching, bon modèle)
  • Le ROI moyen sur nos déploiements : 3 à 6 mois
  • Méfiez-vous des "packages IA tout compris" sans décomposition transparente

Pour aller plus loin

Si vous voulez comprendre quels cas d'usage marchent vraiment, lisez IA en entreprise en 2026 : ce qui marche vraiment. Si vous voulez voir comment l'IA s'intègre dans une stack opérationnelle, regardez comment connecter Odoo et ClickUp. Et si vous voulez un devis chiffré pour votre cas précis, parlons-en 30 minutes — on vous dit honnêtement combien ça coûte et combien vous récupérez.