Faites le calcul avant de développer

Les salaires sont la partie visible. Le simulateur compte aussi le cloud et les GPU pour l'inférence, les tokens des APIs LLM, la base vectorielle, l'observabilité et le CI/CD, et l'équipe de maintenance nécessaire à partir de l'année 2. Sur le profil mid-market, ces lignes hors salaires ajoutent environ 36 k€ par an avant même d'avoir touché au modèle.

La ligne que les équipes oublient le plus souvent, c'est la maintenance. Les modèles LLM évoluent tous les 3 à 6 mois : le travail ne s'arrête pas au go-live. Monitoring, réentraînement, migrations et correctifs de sécurité continuent tant que l'assistant tourne.

Le simulateur part sur 6 mois pour un build mid-market et 9 mois en enterprise, recrutement, architecture, MVP, tests et déploiement compris. Le recrutement seul prend 45 à 60 jours sur ces profils. Avec iAdvize, la mise en production intervient en 15 jours.

Cet écart n'est pas neutre. Chaque mois sans l'assistant est un mois de marge incrémentale non captée, que le simulateur affiche en coût d'opportunité. Sur les hypothèses mid-market par défaut, c'est la plus grosse ligne de la comparaison après l'équipe de développement elle-même.

C'est là que les deux scénarios divergent le plus. En interne, il faut écrire un SDK mobile et adapter l'UX native (3 à 6 mois), adapter l'infrastructure par région, hébergement des données compris (1 à 2 mois), et développer un module par use case supplémentaire (2 à 4 mois).

Chez iAdvize, ces extensions font partie de l'abonnement. Le SDK mobile est prêt à intégrer, un nouveau marché se déploie en quelques heures, et les nouveaux use cases arrivent par la roadmap produit. Sur 3 ans, l'écart représente 180 à 420 k€ côté build.

Les coûts d'ingénierie s'appuient sur les salaires chargés du marché pour des profils IA/ML senior, 90 à 150 k€ par an (talent.io, 2024). Le risque d'exécution reprend le constat MIT / Fortune 2025 : 95 % des projets pilotes d'IA générative échouent en entreprise. Les hypothèses d'uplift viennent des A/B tests menés chez les clients iAdvize : +5 % sur la conversion en moyenne et +3 % sur le panier moyen, avec des top performers à +11 % et +10 %.

Toutes les entrées sont modifiables. Si vos grilles de salaires, votre trafic ou votre marge diffèrent, changez-les et l'analyse se recalcule entièrement. Le modèle est volontairement prudent côté build.

Non, et la comparaison est même plus utile à ce stade, parce que vous avez des chiffres réels plutôt que des estimations. Mettez le délai de développement restant plutôt que celui du projet complet, et saisissez le coût réel de votre équipe. Le coût déjà engagé n'a pas sa place dans la décision : ce qui compte, c'est le coût pour finir et maintenir, face au coût pour basculer.

Le build reste le bon choix dans un cas précis : une équipe IA dédiée déjà en place, et des exigences techniques que la plateforme ne couvre réellement pas.