La course folle des LLMs
La course à la performance des IA occulte souvent leur utilité réelle. L’histoire prouve que l’adoption passe par la simplicité, non la puissance. Et si notre rapport à l’IA devait changer de cap ?
Les directions informatiques modernes ne pilotent plus un système d'information centralisé. Elles orchestrent un maillage de services qui fonctionnent selon des modèles techniques et économiques radicalement différents.
<FinOps en 2025 - Le passage à l'ère du Cloud+
Les directions informatiques modernes ne pilotent plus un système d'information centralisé. Elles orchestrent un maillage de services — clouds publics, plateformes SaaS, infrastructures on-premise, clouds privés, clusters Kubernetes, outils d’IA — qui fonctionnent selon des modèles techniques et économiques radicalement différents. Dans ce paysage fragmenté, la discipline FinOps est attendue pour apporter clarté, responsabilité et alignement stratégique. Mais pour cela, elle doit se réinventer.
La réponse que propose aujourd’hui la FinOps Foundation s’appelle le modèle par scopes. Derrière ce mot, une idée structurante : découper le SI non pas en briques technologiques, mais en périmètres homogènes de pilotage économique. Chaque scope devient un cadre d’analyse, de décision et de gouvernance, avec ses propres règles, ses propres indicateurs, et ses propres responsabilités.
Dasn cet article, je vous en propose une lecture approfondie, en la traduisant en principes opérationnels, cas d’usage concrets et recommandations.
La discipline FinOps s’est d’abord développée autour du cloud public, terrain d’expérimentation privilégié pour ses données accessibles et sa tarification granulaire. Cette expérience, bien que fondatrice, ne permet plus de couvrir les réalités actuelles des systèmes d'information. L’entreprise numérique en 2025 ne fonctionne pas dans un seul cloud, ni même dans le cloud uniquement. Elle compose avec :
Chaque environnement a ses propres temporalités, ses propres modalités contractuelles, ses propres métriques. Le FinOps, pour rester pertinent, doit reconnaître cette diversité. D’où la nécessité d’un découpage.
La FinOps Foundation distingue aujourd’hui plusieurs scopes majeurs. Ce sont des périmètres de consommation homogènes, qui appellent des pratiques spécifiques.
Le plus établi. Il s’agit ici de la consommation des hyperscalers (AWS, Azure, GCP, etc.). Les équipes ont accès à des outils de visualisation, de prévision, d’allocation native. Mais plusieurs défis persistent :
Une pratique FinOps mature consiste ici à industrialiser les mécanismes d’optimisation, et à renforcer la traçabilité via des politiques de tagging rigoureuses, liées à des référentiels internes (produits, équipes, clients).
Longtemps ignoré des pratiques FinOps, le SaaS représente pourtant une part croissante des dépenses IT. Le problème n’est pas tant le volume que la dispersion :
L’approche FinOps dans ce périmètre passe par la reconstruction d’un inventaire, le rapprochement usage/contrat, et l’optimisation des engagements. Elle impose aussi une collaboration étroite avec l’ITAM et les achats.
Ce périmètre reste central dans de nombreuses entreprises, notamment dans les secteurs réglementés ou industriels. Mais les coûts sont rarement suivis en temps réel, ni reliés aux usages.
Il s’agit ici de transposer les principes FinOps à des environnements amortis :
Certaines entreprises construisent pour cela des extensions maison du modèle FOCUS, afin d’unifier la lecture budgétaire dans les tableaux de bord FinOps.
Les environnements Kubernetes ou OpenStack posent un défi d’imputation. Ce sont des environnements dynamiques, mutualisés, multitenants. On ne peut pas y assigner directement un coût par ressource. L’allocation se fait en cascade :
Des outils comme OpenCost ou Kubecost sont indispensables. Mais l’allocation doit aussi être validée par les équipes métier, qui comprennent les logiques d’usage.
Les services IA sont encore difficiles à cadrer. Entre les modèles open source hébergés en interne, les API payantes des hyperscalers (Vertex AI, Bedrock, Azure OpenAI), et les solutions SaaS spécialisées, il n’y a pas de norme. Les coûts sont liés :
Construire un scope IA revient à poser les bases d’un pilotage différencié : coût par usage, suivi des dérives, quotas, refacturation aux métiers, gestion du cache.
L’intérêt du découpage en scopes n’est pas seulement analytique. Il permet d’organiser une gouvernance distribuée et cohérente :
Cela permet une montée en maturité progressive, périmètre par périmètre, sans attendre un modèle unique et parfait.
Le découpage par scopes est plus qu’une nouvelle terminologie : c’est un cadre de pilotage pour les SI complexes. Il permet aux entreprises de ne pas subir l’hétérogénéité de leurs environnements, mais de l’organiser. C’est aussi une réponse à un défi fondamental du FinOps : faire émerger une lecture économique à partir d’une diversité technologique.
Il ne s’agit pas de réduire la complexité. Il s’agit de lui donner une forme gouvernable, alignée sur les responsabilités internes, et capable d’éclairer les décisions.
Un FinOps par scope, c’est un FinOps à la fois plus granulaire et plus stratégique.
Cet article fait partie de la série "FinOps en 2025, FinOps à l'ère Cloud+"