Prix fixe ou facturation au seat : le coût du RAG en 2026

Microsoft facture son assistant IA 30 dollars par utilisateur et par mois (tarif public 2026). Pour 50 personnes, la facture atteint 18 000 dollars par an ; pour 200, elle passe à 72 000 dollars. Le logiciel est identique, mais le coût suit l’effectif.

La facturation au seat indexe le prix d’un RAG sur le nombre d’utilisateurs déclarés, pas sur la valeur qu’il produit. Chaque tête ajoutée renchérit la facture, ce qui pénalise précisément l’adoption large qu’un projet de knowledge management cherche à obtenir. Un modèle à prix fixe, indexé sur l’infrastructure déployée, découple le coût des effectifs : ajouter des utilisateurs ne change pas la facture.

Cet article compare les deux logiques de facturation, montre pourquoi le per-seat explose à l’échelle, sur quoi repose un prix fixe, et laquelle choisir selon votre organisation.

Qu’est-ce que la facturation au seat pour un RAG d’entreprise ?

La facturation au seat facture un outil selon le nombre d’utilisateurs déclarés, à un tarif fixe par personne et par mois. C’est le modèle dominant des RAG et assistants IA cloud : Microsoft 365 Copilot se paie 30 dollars par utilisateur et par mois, et les moteurs de recherche d’entreprise comme Glean fonctionnent sur la même base, siège par siège. ChatGPT Enterprise applique la même logique, avec un minimum de 150 sièges et un engagement annuel, comme le montre le comparatif ChatGPT Enterprise contre une infrastructure souveraine. Le prix suit le nombre de licences, pas l’usage réel de l’outil. Le calcul complet, avec la licence Microsoft 365 sous-jacente et le risque de sécurité propre à l’index sémantique de Copilot, est détaillé dans le comparatif Microsoft 365 Copilot vs Ragify.

Ce modèle a une raison d’être côté éditeur. Une licence par siège produit un revenu récurrent lisible, qui croît mécaniquement quand l’entreprise cliente embauche. Vous pouvez le vérifier sur le tarif public de Microsoft 365 Copilot : le prix est affiché par utilisateur, avec engagement annuel, et se multiplie par le nombre de comptes activés. La logique est celle d’un abonnement individuel, appliquée à un outil censé servir toute l’organisation.

Un RAG, lui, s’appuie sur la brique technique d’un RAG souverain : un modèle de langage branché sur vos documents internes, hébergé sur une infrastructure donnée. Cette infrastructure sert un utilisateur ou mille sans changer de nature. Facturer à la tête un système dont le coût réel dépend de l’infrastructure, pas du nombre de questions posées, est un choix commercial, pas une contrainte technique.

Pourquoi la facturation au seat fait-elle grimper le coût à l’échelle ?

Parce que le prix est linéaire au nombre de sièges : doubler les utilisateurs double la facture, sans que la valeur double. À 30 dollars par siège et par mois, 50 utilisateurs représentent 18 000 dollars par an (50 × 30 × 12), et 200 utilisateurs 72 000 dollars par an (200 × 30 × 12). Le coût suit la courbe des effectifs, indépendamment du volume de questions posées ou de la connaissance réellement récupérée.

Cette linéarité crée un arbitrage pervers. Un projet de knowledge management a de la valeur quand tout le monde peut interroger la connaissance de l’entreprise : le nouvel arrivant, le commercial en clientèle, l’opérateur sur le terrain, l’associé occasionnel. Or chaque siège supplémentaire a un coût direct. La tentation devient de rationner l’accès, de le réserver à quelques profils identifiés, d’exclure les utilisateurs occasionnels qui en profiteraient pourtant.

Le résultat est un outil déployé pour toute la boîte, mais réservé à une poignée de comptes pour tenir le budget. La facturation au seat taxe précisément l’usage qui fait la valeur d’un RAG. Si ce calcul vous parle, c’est le moment d’en discuter sur un échange de découverte pour voir ce qu’un coût découplé des effectifs change concrètement.

Qu’est-ce qu’un prix fixe, et sur quoi est-il indexé ?

Un prix fixe indexe le coût d’un RAG sur l’infrastructure déployée (le serveur, le modèle local, les connecteurs, l’accompagnement), pas sur le nombre de têtes qui l’interrogent. Ajouter des utilisateurs ne modifie pas la facture. Le modèle correspond à un déploiement d’infrastructure de connaissance, pas à un abonnement par siège : ragify fonctionne sur cette logique, hébergé sur une infrastructure dédiée en France.

La différence tient à la structure de coût sous-jacente. Un serveur qui héberge le modèle et la base vectorielle sert le premier utilisateur comme le centième : le coût marginal d’un utilisateur de plus est proche de zéro. Un prix fixe reflète cette réalité, là où le per-seat facture un coût marginal élevé sur une ressource qui n’en a pas.

Cette structure change l’incitation. Quand ajouter un utilisateur ne coûte rien de plus, rien ne pousse à rationner l’accès : la connaissance peut être ouverte à toute l’organisation, ce qui est l’objectif de départ. Le prix fixe s’aligne aussi avec un déploiement souverain, détaillé dans le guide de l’IA souveraine en entreprise : quand l’infrastructure tourne chez vous ou sur une infra dédiée, c’est ce déploiement qui a un coût, pas le nombre de personnes autorisées à poser une question.

Prix fixe ou facturation au seat : lequel choisir pour votre organisation ?

Le choix dépend de la largeur d’adoption visée. La facturation au seat reste défendable pour un usage restreint à quelques utilisateurs identifiés et stables. Le prix fixe devient plus avantageux dès que la connaissance doit être accessible à toute l’organisation, car le coût ne monte pas avec les effectifs. Au-delà d’un certain nombre d’utilisateurs, le per-seat coûte davantage sans produire plus de valeur.

Pour un projet de knowledge management, l’arbitrage penche vite. Le but est que chacun retrouve en langage naturel ce que l’entreprise sait déjà, avec la source exacte à l’appui. Un modèle qui facture chaque accès combat cet objectif ; un modèle qui l’ignore le sert. La même logique de forfait fixe s’applique face à un développement interne : le calcul complet, sur trois ans, est détaillé dans construire un RAG en interne ou acheter Ragify.

Les secteurs sensibles ajoutent une contrainte. Un cabinet d’avocats, une direction financière, un hôpital, une ETI industrielle veulent souvent que l’ensemble des équipes interroge la base interne, tout en gardant les données chez eux. Le per-seat cloud cumule alors deux problèmes : le coût qui grimpe avec les effectifs, et l’hébergement hors de l’infrastructure maîtrisée. Le prix fixe sur infrastructure dédiée traite les deux d’un coup, à condition que le système sache aussi s’abstenir quand la réponse n’est pas dans vos sources plutôt que d’inventer.

La facturation au seat est-elle en train de disparaître ?

La facturation au seat recule à mesure que l’IA découple la valeur produite du nombre d’utilisateurs. Les modèles à l’usage et à l’outcome, qui facturent le résultat plutôt que la tête, gagnent du terrain dans le SaaS d’entreprise. La raison est simple : un agent IA peut produire beaucoup de valeur pour peu d’utilisateurs, ou l’inverse, et le siège cesse d’être un bon indicateur de ce qui est consommé.

Pour un RAG, la question centrale ne change pas selon la mode du moment : le coût doit-il suivre les têtes, l’usage, ou l’infrastructure ? Facturer au siège reste le choix qui s’aligne le moins avec la valeur d’un système de connaissance, dont l’intérêt croît justement avec le nombre de personnes qui l’utilisent. Le prix fixe indexé sur l’infrastructure évite cet écueil sans introduire la variabilité d’une facture à l’usage.

Questions fréquentes

La facturation au seat est-elle toujours plus chère qu’un prix fixe ?

Non. En dessous d’un certain nombre d’utilisateurs, le per-seat revient moins cher, puisqu’on ne paie que les quelques sièges réellement ouverts. L’équation s’inverse dès que l’adoption s’élargit : le coût au seat croît avec chaque compte, quand le prix fixe reste stable. Le point de bascule dépend du tarif par siège et du nombre d’utilisateurs visés.

Un RAG souverain est-il forcément facturé au prix fixe ?

Pas mécaniquement, mais les deux vont souvent de pair. Un déploiement souverain repose sur une infrastructure dédiée, hébergée chez le client ou sur une infra maîtrisée. Le coût réel étant celui de cette infrastructure, un prix fixe indexé dessus reflète mieux la structure de dépense qu’un abonnement par siège hérité du SaaS cloud.

Que se passe-t-il quand on ajoute des utilisateurs à un modèle à prix fixe ?

Rien sur la facture liée aux utilisateurs. Le prix étant indexé sur l’infrastructure, un utilisateur de plus a un coût marginal proche de zéro tant que la capacité du serveur suffit. C’est ce qui permet d’ouvrir l’accès à toute l’organisation sans arbitrage budgétaire à chaque nouveau compte.

Le prix fixe cache-t-il des coûts variables ?

Un déploiement a un coût de mise en place (audit des sources, configuration, connecteurs, hébergement) et un coût de fonctionnement. La différence avec le per-seat est que ces coûts sont liés au périmètre déployé et à l’infrastructure, pas au nombre d’utilisateurs. Le prix ne suit pas les embauches, il suit l’ampleur du système.

Pourquoi les éditeurs cloud préfèrent-ils la facturation au seat ?

Parce qu’elle produit un revenu récurrent lisible qui croît quand le client grandit. Chaque embauche du client est un siège de plus à facturer, sans effort commercial. Le modèle sert d’abord la prévisibilité du revenu de l’éditeur, pas l’économie de l’entreprise qui déploie l’outil pour toutes ses équipes.

Ce qu’il faut retenir

La facturation au seat indexe le coût d’un RAG sur le nombre d’utilisateurs, un choix commercial qui taxe l’adoption large au cœur de la valeur d’un système de connaissance. À l’échelle, le prix suit l’effectif sans que la valeur suive : 200 utilisateurs coûtent quatre fois plus que 50, pour le même outil. Un prix fixe indexé sur l’infrastructure découple le coût des têtes, s’aligne avec un déploiement souverain, et rend l’ouverture à toute l’organisation abordable. Le point de bascule dépend de votre nombre d’utilisateurs et de l’ambition d’adoption.

Si vous soupesez ces deux logiques pour un projet de knowledge management, voyons ensemble votre cas sur un échange de découverte sans engagement pour poser le calcul sur votre organisation.

Cet article est publié par l’équipe Agify, qui déploie des infrastructures de connaissance souveraines (ragify) et des agents IA pour des organisations des secteurs sensibles, hébergés en France sans qu’aucune donnée ne quitte leur infrastructure.