Une équipe de data science demande « des A100 pour trois mois » ou « une licence entreprise » sans toujours savoir combien d'heures elle consommera. Les offres d'hébergement se vendent à l'heure, à la seconde, en engagement annuel ou en crédits prépayés ; les plateformes comme Databricks ou Snowflake se paient à la consommation. L'acheteur ramène tout à un coût par projet, vérifie où les données seront hébergées et ce que dit le contrat de traitement, puis prépare une recommandation que la direction peut lire.

Ce qu'il fait chaque jour chez vous

Faire préciser le besoin de calculIl demande à l'équipe la taille du jeu de données d'entraînement, la durée prévue des expériences et le nombre d'essais, pour estimer les heures réellement nécessaires avant de consulter.
Comparer engagement et consommation à l'heureIl chiffre pour chaque offre le coût d'un engagement réservé face au paiement à l'usage, en tenant compte des mois où le projet sera en préparation de données et ne calculera presque pas.
Exiger la localisation et les conditions de traitementDans chaque offre, il relève le pays d'hébergement, les sous-traitants du fournisseur et ce que le contrat de traitement autorise, car un client peut exiger que ses données restent dans l'Union.
Chiffrer le coût après la mise en productionIl ajoute aux offres le coût récurrent qui commence avec la mise en production d'un modèle : serveurs d'inférence, stockage, surveillance, que la phase d'entraînement ne laisse pas voir.
Négocier les prestations de conseil sur leurs livrablesPour un sous-traitant en data science, il fait écrire les livrables et les critères d'évaluation, puisque la prestation relève d'une obligation de moyens et ne garantit aucun score.
Rédiger une recommandation lisible par la directionIl présente les options en coût annuel, en risque de dépendance et en contraintes de données, avec une ligne claire sur ce qui est garanti et ce qui ne l'est pas.

Sur le terrain

Trois mois de cartes graphiques demandés

L'équipe d'un projet de vision demande huit cartes graphiques réservées pour trois mois. L'acheteur reprend le planning : six semaines d'annotation et de nettoyage précèdent tout entraînement. Il propose une réservation plus courte, démarrant au moment des premières expériences, et une option à l'heure en complément. Le chef de projet valide, et l'économie couvre le surcoût d'annotation.

Un hébergeur sans engagement de localisation

L'offre la moins chère d'un hébergeur ne précise pas où les données sont stockées et cite des sous-traitants hors d'Europe. L'acheteur relit le contrat du client final, qui impose un hébergement dans l'Union. Il écarte l'offre, en informe la direction avec le surcoût de l'alternative conforme, et demande au premier fournisseur s'il propose une région européenne garantie par écrit.

Les mots qu'il emploie chaque jour

Mise en production d'un modèle: Le passage du prototype au service utilisé : c'est là qu'apparaissent le coût, la latence et la surveillance.
Jeu de données d'entraînement: Les données qui servent à fabriquer le modèle : leur origine et leurs droits conditionnent tout ce qu'on pourra en faire.
Obligation de moyens: Un projet d'analyse promet rarement un résultat chiffré : ce qui s'engage est une démarche, des livrables et des critères d'évaluation.

Son métier de départ : Acheteur. Toute l'activité : Données et intelligence artificielle.