Universités et IA : maîtriser les coûts sans brider l’usage

Avec l’essor de l’IA générative et l’arrivée de prix à la consommation, plusieurs campus revoient leur pilotage financier. Fordham, Notre‑Dame et l’UNLV combinent outils sanctionnés, garde‑fous, clauses contractuelles et formation pour éviter les dérapages tout en laissant place à l’expérimentation.

Gagner en visibilité sur la dépense sous tarification à la consommation

À l’Université Fordham, un modèle à trois niveaux permet à la direction informatique de suivre environ 90 % des dépenses en IA, selon Anand Padmanabhan. À Notre-Dame, le renouvellement de ChatGPT Edu a conduit à maintenir un prix fixe tout en surveillant la consommation dans le nouveau modèle à la consommation, évitant ainsi d’exposer directement les utilisateurs à une facturation par jetons. L’établissement propose ChatGPT Edu via rétrofacturation, fournit Google Gemini, autorise Microsoft Copilot pour les utilisateurs de la suite de productivité et soutient GitHub Copilot. Les demandes de quotas plus élevés sont généralement acceptées, tout en établissant une base d’utilisation réaliste. Brandon Rich indique vouloir comprendre l’utilisation réelle une fois les subventions supprimées. Notre-Dame envisage aussi de distinguer les utilisateurs avancés des usages ordinaires via des groupes d’identités, afin d’appliquer des limites et potentiellement des tarifs différenciés.

Poser des garde-fous en fonction des profils et des charges

Les universités mettent en place des mécanismes pour éviter les factures imprévues tout en tenant compte des différences de besoins entre cours, recherche et fonctions administratives. Un professeur chargé d’un enseignement de codage agentique peut avoir besoin de capacités supérieures à celles d’un agent dédié à la synthèse de documents, tandis que les chercheurs peuvent solliciter des modèles haut de gamme ou de larges fenêtres contextuelles, alors que les tâches administratives courantes peuvent se satisfaire de modèles plus économiques. Le système mis en place à Fordham prend en compte ces distinctions entre enseignants, chercheurs, étudiants et administrateurs, en imposant des critères stricts en matière de sécurité des données, de confidentialité, de conformité, d’engagements financiers importants et de prise de décision, tout en maintenant un espace pour l’expérimentation. Les étudiants disposent de l’outil requis par leur cursus, et Anand Padmanabhan résume la philosophie : « centraliser les garde-fous, pas les idées ». À Notre-Dame, Brandon Rich explique orienter vers des plateformes sanctionnées, vérifiées pour la protection des données et la sécurité.

Négocier des contrats qui rendent la consommation pilotable

Les établissements recherchent des clauses contractuelles qui rendent la consommation d’IA visible et contrôlable. Anand Padmanabhan estime que les DSI doivent comprendre précisément ce qui déclenche la facturation, y compris les différences de taux de consommation de jetons ou de crédits et la manière dont plusieurs actions d’agent peuvent être facturées derrière une seule requête. Les fournisseurs sont attendus sur la fourniture de rapports détaillant la consommation par application, par unité organisationnelle et par charge de travail lorsque cela s’applique. Les contrats doivent inclure des seuils, des alertes, des limites de débit, des plafonds de dépenses, des restrictions sur les modèles et la faculté de stopper une charge de travail avant que les coûts ne s’envolent.

Ancrer la sobriété de modèle par la formation et les usages

Réduire les coûts passe par l’adéquation entre chaque tâche et le modèle choisi : la solution la plus récente et la plus chère n’est pas systématiquement requise pour la synthèse, le brainstorming ou l’assistance au codage de routine. Fordham impose une formation avant l’attribution d’une licence pro ou entreprise, avec un accent sur l’usage de modèles économiques pour les charges de routine et la réservation des modèles hautes performances quand le surcoût est justifié. Pour Anand Padmanabhan, choisir un modèle d’IA relève d’une décision d’architecture financière, et il faut s’éloigner de l’idée que chaque requête exige le modèle le plus puissant.

Décentraliser certaines décisions et mesurer la valeur créée

Les contrôles de coûts sont placés au niveau pertinent. Fordham confie la gestion des outils et services d’IA non mutualisés aux écoles ou départements, qui disposent généralement d’une meilleure connaissance de leurs besoins spécifiques qu’une direction informatique centralisée. Les établissements sont encouragés à apprécier la valeur académique ou opérationnelle des investissements, en s’appuyant sur des indicateurs administratifs tels que le temps de cycle, la qualité de service, la diminution des erreurs, la capacité des équipes et la satisfaction des utilisateurs. Pour les solutions à destination des étudiants, l’accent est mis sur l’engagement, l’accessibilité et les résultats obtenus, alors que pour la recherche, ce sont la rapidité d’analyse, l’efficacité des calculs et la productivité scientifique qui priment. Anand Padmanabhan souligne que les gains de temps ne se traduisent pas automatiquement par des baisses budgétaires et qu’il faut décider de l’usage de la capacité créée par l’IA.

Diversifier les offres campus pour encadrer l’essor de l’IA

Alors que l’accès à l’IA générative s’élargit et que la tarification évolue vers la consommation, les universités cherchent à préserver l’autonomie pédagogique, à soutenir des recherches intensives et à ouvrir l’outil aux étudiants tout en gardant une visibilité budgétaire. La multiplication des usages expose à des risques de dépenses difficiles à anticiper, en raison des pratiques de prompt, des processus redondants et de l’utilisation systématique de modèles premium. Les établissements associent des outils validés, des restrictions d’accès et une organisation coordonnée à l’échelle du campus. L’UNLV met à disposition des services gratuits ou financés par les départements, avec des niveaux de protection différents, Notre-Dame organise ses dispositifs via AI@ND, et Fordham structure l’accès selon un modèle à trois niveaux. Anand Padmanabhan indique que l’objectif est de permettre l’expérimentation tout en clarifiant la dépense et les parcours d’accès aux outils.