Sortir du TJM en cabinet conseil IA sans tuer la marge

Par Jorge Cano, publié le 17 mai 2026.

TL;DR

Sortir du TJM en cabinet conseil IA, c’est d’abord redéfinir ce que le client achète avant de discuter du prix. La tarification AI-native, c’est le pricing d’une mission dont une grosse part du livrable sort d’un agent IA, ce qui rompt la corrélation entre temps consultant et valeur produite. Trois modèles tiennent en cabinet boutique 10-50 personnes : per-deliverable productisé, outcome-based avec floor et plafond, hybride retainer + bonus performance.

• Le TJM reste la base tacite côté procurement en 2026, mais il ne capture plus la valeur produite quand une grosse part du livrable sort d’un agent IA.
• 56 % des dirigeants AI utilisent déjà un modèle hybride combinant abonnement et usage [source: https://stripe.com/guides/pricing-ai-products-lessons-from-leading-ai-companies], et 38 % font de l’usage pur.
• KPMG, Singulier et Avencore sont les trois cabinets français cités publiquement comme ayant basculé sur des missions sans logique de jours-hommes [source: https://www.consultor.fr/articles/ia-digital-le-debut-de-la-fin-des-jours-hommes-dans-le-conseil].
• Le floor recommandé en outcome-based est de 1,3 x le cost-to-serve réel (compute + temps consultant chargé + amortissement des assets productisés).
• Sans floor, plafond et clause d’attribution, une seule mission outcome-based contestée détruit la marge de trois autres.

Key Takeaways

Question stratégique	Réponse opérationnelle
Faut-il quitter le TJM ?	Non en façade procurement, oui dans la structure de prix réelle.
Quel modèle par défaut en première mission IA ?	Per-deliverable productisé avec scope dur et avenant hors scope.
Quel modèle pour un engagement pluri-annuel grand compte ?	Hybride retainer + bonus performance trimestriel.
Quelle marge brute floor accepter ?	1,3 x cost-to-serve réel par livrable (pas par projet).
Quels garde-fous outcome-based obligatoires ?	Floor 60-70 % du cost-to-serve, plafond 1,8-2x le fixe, clause d’attribution.
Fourchette TJM senior IA en France 2026 ?	800 à 1 200 €/jour [source: https://www.lafabriquedunet.fr/agences/pages/agences-intelligence-artificielle/tarifs].

Pourquoi le TJM s’effondre en mode AI-native

Le TJM (taux journalier moyen) facture un nombre de jours consultant à un prix unitaire. Il suppose que la production scale linéairement avec le temps humain investi. En mission IA-native, cette équation casse : une équipe Kreante de trois personnes qui passe deux jours à câbler un agent automatisant ensuite 1 200 heures de back-office annuel ne sera jamais payée correctement en TJM. La fin du TJM conseil IA n’est donc pas un slogan, c’est un constat de mesure. Avant même de discuter de grille, ce changement suppose un positionnement cabinet conseil AI-native assumé côté commercial.

KPMG l’a documenté publiquement dans Consultor : le cabinet cherche désormais, sur certaines missions de conseil technologiques, à ne plus négocier un taux horaire mais un forfait global, et reconnaît que ses facturations n’intègrent pas les énormes investissements informatiques qu’il réalise en parallèle [source: https://www.consultor.fr/articles/ia-digital-le-debut-de-la-fin-des-jours-hommes-dans-le-conseil]. Singulier va plus loin dans le même article : Rémi Pesseguier décrit une facturation à la semaine en task force, dimensionnée chaque semaine selon le besoin, parce que le format devis-fixe à équipe figée est devenu « trop rigide ».

Le glissement est plus avancé côté SaaS. 56 % des dirigeants AI utilisent déjà un modèle hybride combinant abonnement et usage, 38 % font de l’usage pur [source: https://stripe.com/guides/pricing-ai-products-lessons-from-leading-ai-companies]. Les éditeurs qui revoient leur pricing près de trois fois plus souvent que la moyenne sont aussi ceux qui croissent le plus vite [source: https://stripe.com/guides/pricing-ai-products-lessons-from-leading-ai-companies]. Pour le conseil, la grille n’est plus un sujet annuel : c’est un sujet trimestriel.

Le piège n’est pas de quitter le TJM. C’est de passer du TJM au forfait sans refaire le calcul de marge. Démonstration chiffrée : une mission classique à 5 jours x 1 100 €/j représente 5 500 € HT avec 60 % de marge brute. Bascule en outcome-based à 8 % du gain client mesuré sur 12 mois : si le client capture 200 K€ de gain, vous facturez 16 K€. Si le projet plafonne à 20 K€ de gain réel (mesure imparfaite, périmètre flou, attribution contestée), vous facturez 1 600 € pour le même travail. La part variable sans floor est un transfert de risque pur vers le cabinet.

Modèle 1 : per-deliverable productisé

Le per-deliverable productisé est un modèle qui facture un livrable IA standardisé à prix fixe, avec scope défini contractuellement et hors scope passant systématiquement en avenant. C’est la voie la moins risquée pour sortir du TJM en cabinet boutique, et la première étape vers une productisation des services conseil low-code/AI industrialisable.

Grille de prix de sortie et benchmarks d’input

Les SKU type sont : audit data, agent RAG interne, automatisation flux ops, base de connaissances vectorisée, agent service client. Repère marché côté TJM input, utile pour calibrer le coût-cible avant pricing de sortie : un AI dev junior se situe entre 500 et 700 €/j, un senior entre 800 et 1 200 €/j, un lead/architect entre 1 200 et 1 800 €/j [source: https://www.lafabriquedunet.fr/agences/pages/agences-intelligence-artificielle/tarifs]. Côté livrable type, La Fabrique du Net documente un chatbot RAG interne entre 15 et 30 K€ pour une PME, un agent service client à 25-50 K€, un agent autonome à 50-90 K€ [source: https://www.lafabriquedunet.fr/agences/pages/agences-intelligence-artificielle/tarifs]. Observation clé de la même source : le code représente souvent seulement 40 % de la facture finale, le reste étant audit, data engineering, intégration et conduite du changement.

Grille tarifaire cabinet conseil IA indicative pour une boutique 10-50 personnes, en € HT :

Livrable productisé	Prix de sortie	Scope dur	Hors scope (passe en avenant)
Audit AI-readiness (data, use cases, ROI)	8-15 K€	2-3 ateliers, 1 rapport, 1 priorisation	Implémentation, POC
Agent RAG interne (1 use case)	18-28 K€	Ingestion 1 source, UI minimale, run 1 mois	2e source, intégration ERP
Automatisation flux ops (1 process)	12-22 K€	1 process, 3 intégrations max	Refonte process, multi-entités
Agent service client (1 langue, 1 canal)	30-55 K€	Build, train, monitoring 3 mois	Multi-canal, multilingue

Le risque numéro un du per-deliverable n’est pas le prix, c’est le scope creep. Productiser exige la discipline de dire « hors scope, passons en avenant ». Sans cette discipline, le forfait redevient une régie déguisée à marge négative au troisième mois.

Modèle 2 : outcome-based avec floor et plafond

L’outcome-based, ou tarification au résultat consultant IA, est un modèle qui indexe le prix de la mission sur un indicateur de résultat mesurable côté client (gains €, ETP économisés, tickets résolus). C’est la forme la plus exigeante de pricing à la valeur : le plus difficile à opérer et le plus attractif côté direction générale.

Précédents éditeurs et premier précédent conseil FR

Avencore, dans Consultor, témoigne d’une mission AI dont le prix a été fixé en pourcentage des gains générés, sans considération de jours-hommes [source: https://www.consultor.fr/articles/ia-digital-le-debut-de-la-fin-des-jours-hommes-dans-le-conseil]. Cas isolé côté pricing outcome-based agence conseil FR, signal fort.

Trois précédents éditeurs cadrent la mécanique de mesure :

Éditeur	Outcome facturé	Méthode de mesure
Vantage	5 % des économies AWS générées	Facture cloud client, pas vendor [source: https://www.zuora.com/subscribed/the-four-kinds-of-agentic-ai-pricing-models/]
Zendesk	Ticket entièrement résolu	Absence de re-ouverture
Intercom Fin	30 à 50 % des tickets support résolus	Facturé au ticket résolu en mode outcome pur [source: https://www.zuora.com/subscribed/pricing-agentic-ai-the-impossible-triangle/]

Structure-type d’un outcome-based défendable

La règle Kreante : aucun outcome-based pur sans floor et plafond. Structure recommandée :

1. Floor = honoraires fixes couvrant 60 à 70 % du cost-to-serve. Le cabinet ne descend jamais en dessous.
2. Variable = part indexée sur 1 à 2 indicateurs maximum, mesurables sans dispute (réduction de coût documentée sur facture, chiffre d’affaires additionnel attribué, ETP économisés validés par DRH).
3. Plafond = cap à 1,8 ou 2x les honoraires fixes. Au-delà, mécanique de step-down : la part marginale tombe à 30 % du taux nominal. Le cabinet protège la marge sans pénaliser le succès.
4. Période d’observation = 6 à 12 mois maximum. Au-delà, l’attribution devient indéfendable.
5. Clause de gouvernance = mesure en revue mensuelle conjointe, sur des données partagées. Pas de litige six mois après.

Le risque résiduel est la mesure. Si l’indicateur ne peut pas être défini en une phrase défendable devant un DAF, le cabinet doit basculer en per-deliverable.

Modèle 3 : hybride retainer + bonus performance

Le hybride retainer + bonus performance est un modèle d’abonnement conseil AI-native qui combine un abonnement mensuel fixe (capacité + actifs IA) et un bonus trimestriel indexé sur 2 KPIs publics. C’est le modèle que les données Stripe désignent comme dominant côté éditeurs AI [source: https://stripe.com/guides/pricing-ai-products-lessons-from-leading-ai-companies] et celui qui résout le mieux le triangle impossible côté conseil.

Michael Mansard (Subscribed Institute / Zuora) résume l’enjeu : l’adoption est nécessaire pour réaliser la valeur, mais l’adoption peut détruire le cabinet sans protection de coût [source: https://www.zuora.com/subscribed/pricing-agentic-ai-the-impossible-triangle/]. L’abonnement protège le cost-to-serve, le bonus aligne sur la valeur.

Structure-type pour un cabinet boutique

• Retainer mensuel fixe : 6 à 18 K€/mois selon le scope. Couvre un capacity pool (par exemple 6 jours senior + 4 jours junior par mois) plus l’accès aux assets productisés (agents pré-entraînés, bibliothèque de prompts, tableaux de bord). Ce n’est pas une régie déguisée : le retainer achète de la capacité et des actifs, pas des jours. Voir la stack d’outils IA cabinet conseil 2026 qu’un retainer crédible doit pouvoir mobiliser.
• Bonus performance trimestriel : 10 à 25 % du retainer trimestriel, déclenché par 2 KPIs publics définis au kick-off (taux d’adoption interne d’un agent supérieur à 40 % d’utilisateurs actifs hebdo, réduction de cycle process supérieure à 30 %, par exemple).
• Sortie ouverte tous les 6 mois : sans pénalité, pour rassurer côté procurement et forcer la performance côté cabinet.

L’avantage opérationnel est triple : prédictibilité côté client (un DAF préfère 12 K€/mois récurrents à un forfait projet 90 K€), prédictibilité côté cabinet (lissage du revenu), alignement sur l’usage réel.

Aaron Levie (CEO Box) identifie quatre logiques de pricing côté éditeurs : cost replacement, outcome-based, cost-plus, SaaS classique [source: https://www.cio-online.com/actualites/lire-tarification-des-agents-d-ia-un-nouveau-piege-pour-la-dsi-16080.html]. L’hybride retainer + bonus est l’équivalent conseil du cost-plus avec mécanique d’outcome cappée, lissé par l’abonnement. Deloitte France, dans ses Predictions 2026 SaaS et agents IA, note que de nouveaux modèles hybrides émergent en mêlant tarification à l’usage, au résultat et à la valeur créée, et alerte sur la traçabilité financière exigée par ces formats [source: https://www.deloitte.com/fr/fr/Industries/tmt/perspectives/technology-media-and-telecom-predictions/2026/saas-ai-agents.html]. Côté cabinet, cette traçabilité est l’investissement qui fait la différence entre un hybride qui tient et un hybride qui dérape.

Script de re-négociation procurement

Le script de re-négociation procurement est la séquence de trois mouvements à enchaîner face à la direction des achats quand le sponsor métier a déjà validé un modèle non-TJM. C’est le point de blocage le plus fréquent en cabinet boutique. Pour la phase amont (faire valider le sponsor métier en direction générale avant même d’arriver chez procurement), voir le script complet pour vendre une mission IA en direction générale.

Avencore le confirme dans Consultor : ses clients achètent encore exclusivement des jours-hommes et challengent les devis sur cette base [source: https://www.consultor.fr/articles/ia-digital-le-debut-de-la-fin-des-jours-hommes-dans-le-conseil]. C’est un constat marché FR 2025-2026, pas une exception.

Mouvement 1 : re-cadrer l’objet acheté avant de parler de format de prix

Verbatim Kreante : « Avant de discuter du format de facturation, on se met d’accord sur l’objet : vous achetez une réduction de 30 % du temps de traitement sur le process X. Pas une équipe pendant 8 semaines. Si on partage cet objectif, le format de prix n’est plus une grille TJM, c’est une grille de résultat. »

Ce mouvement déplace la conversation du « combien de jours » vers « combien vaut le résultat ». Si l’acheteur refuse de cadrer l’objet, le cabinet repart en régie déguisée. Décision à prendre à ce moment.

Mouvement 2 : donner spontanément le TJM-équivalent

Procurement a une mission claire : benchmarker. Le cabinet fait le travail à sa place. Communiquer en parallèle du forfait le TJM-équivalent implicite (forfait divisé par les jours estimés internes). Un forfait à 45 K€ qui représente 35 jours senior soit 1 285 €/j se situe dans la fourchette marché 800-1 200 € senior [source: https://www.lafabriquedunet.fr/agences/pages/agences-intelligence-artificielle/tarifs], légèrement au-dessus à justifier par l’asset IA inclus. Le cabinet arrive avec son propre benchmark et neutralise la contre-attaque.

Mouvement 3 : proposer une réversibilité, pas une concession sur le prix

Verbatim Kreante : « On signe en hybride retainer + bonus, et on prévoit une clause de sortie à 6 mois sans pénalité si les KPIs ne sont pas atteints. Vous n’achetez pas un risque, vous achetez une option. »

Le mécanisme de sortie rassure plus que la baisse de prix. Procurement valide l’optionalité, le sponsor métier valide l’alignement. Le cabinet garde la grille.

Garde-fous marge : cost-to-serve, plancher, kill-switch

Les garde-fous marge sont les trois calculs et trois clauses contractuelles qui empêchent un modèle AI-native de basculer en marge négative. Ils sont obligatoires sur tout modèle non-TJM, et conditionnent la marge cabinet conseil IA 2026 réelle. Pour les ordres de grandeur de marge brute par typologie de livrable, voir le benchmark marge brute agence LowCode/AI.

Calcul 1 : cost-to-serve réel d’un livrable AI-native

Le code représente souvent seulement 40 % de la facture finale [source: https://www.lafabriquedunet.fr/agences/pages/agences-intelligence-artificielle/tarifs]. Le reste : audit data, data engineering (5-20 K€ selon mission), API/tokens (500-5 000 €/mois récurrent), intégration, conduite du changement. Un forfait à 30 K€ qui inclut 700 €/mois de tokens sur 12 mois (8,4 K€) a déjà absorbé 28 % du prix en coût compute. Le pricing AI-native exige une comptabilité analytique au livrable, pas par projet.

Calcul 2 : plancher de rentabilité (floor implicite)

Le floor n’est pas un nombre fixe, c’est une formule : floor = 1,3 x cost-to-serve interne honnête, en incluant compute, temps consultant chargé et amortissement des assets productisés. En dessous, le cabinet travaille à perte malgré l’apparence de marge brute. Le piège classique sur l’outcome-based : oublier l’amortissement des assets et conclure qu’un projet à 5 K€ est rentable parce que « le code était déjà fait ».

Calcul 3 : kill-switch contractuel (trois clauses)

Clause	Déclencheur	Effet
Clause de plafond	Part variable supérieure à 2x le fixe	Part marginale passe à 30 % du taux nominal
Clause d’attribution	Indicateur non isolable (déploiement ERP parallèle, etc.)	Bascule automatique en forfait nominal
Clause de re-pricing	6 mois ou périmètre dérivant de plus de 20 %	Revue de grille obligatoire

Justification de la clause de re-pricing : les éditeurs AI les plus performants révisent leur pricing près de 3 fois plus souvent que la moyenne [source: https://stripe.com/guides/pricing-ai-products-lessons-from-leading-ai-companies]. La révision doit être inscrite dans le contrat, pas dans une négociation tendue.

Pourquoi l’automation rend l’outcome-based défendable

Sur l’API entreprise Anthropic, 77 % des usages business relèvent de patterns d’automation [source: https://www.anthropic.com/research/anthropic-economic-index-september-2025-report]. Cette concentration sur l’automation est la condition qui rend l’outcome-based défendable : un workflow automatisé produit un livrable mesurable, contrairement à une mission collaborative diffuse. Si la mission n’automatise rien de mesurable, le cabinet reste en per-deliverable.

Matrice de décision : quel modèle pour quel client

La matrice de décision est la table d’aiguillage qui croise trois axes (taille client, maturité IA, mesurabilité de l’outcome) pour sélectionner un des trois modèles AI-native. Il n’existe pas de modèle universel.

Profil client	Modèle recommandé	Pourquoi
PME 10-200p, première mission IA, KPI flou	Per-deliverable productisé	Risque côté cabinet maîtrisé, scope dur, pas de mesure complexe
ETI 200-2000p, sponsor DG fort, KPI mesurable (€ ou ETP)	Outcome-based avec floor + plafond	Aligne sur le résultat, instrumentation déjà en interne
Grand compte, plusieurs use cases, programme pluri-annuel	Hybride retainer + bonus	Lissage du revenu, prédictibilité DAF, monétisation des assets
Mission one-shot exploratoire (POC, audit)	Per-deliverable productisé	Pas le contexte d’un engagement long, outcome non mesurable
Client procurement-driven, sponsor faible	Per-deliverable + TJM-équivalent affiché	Donne du grain à moudre aux achats sans casser le forfait

Comparatif synthétique des trois modèles

Critère	Per-deliverable	Outcome-based	Hybride retainer + bonus
Risque cabinet	Faible	Élevé sans garde-fous	Moyen
Prédictibilité revenu	Moyenne	Faible	Élevée
Alignement client	Moyen	Élevé	Élevé
Complexité opérationnelle	Faible	Élevée (instrumentation)	Moyenne
Moment d’usage idéal	Première mission, POC	Engagement long avec KPI clair	Programme pluri-annuel
Précédent FR documenté	KPMG, La Fabrique du Net	Avencore	Aucun cabinet conseil FR public à date

Notes juridiques par juridiction

La qualification juridique forfait vs régie reste un sujet en France (obligation de résultat, requalification possible). Le contrat-type doit être validé par un juriste avant industrialisation, surtout sur l’outcome-based où la frontière avec un partenariat commercial peut se brouiller. Pour les cabinets implantés en Suisse, Belgique ou Luxembourg, ajouter une vérification locale sur le traitement TVA des parts variables.

Question de fond : faut-il un seul modèle ou trois en parallèle ? La donnée Stripe (56 % hybride côté éditeurs) suggère que le marché ne se polarise pas [source: https://stripe.com/guides/pricing-ai-products-lessons-from-leading-ai-companies]. Côté cabinet boutique, opérer trois modèles en parallèle est tenable si la grille tarifaire et les contrats-type sont préparés en amont. Ce qui n’est pas tenable, c’est d’improviser sur chaque deal.

Prochaine étape

Pour un dirigeant de cabinet 10-50 personnes en train d’arbitrer ce changement, l’étape qui débloque le reste n’est pas la grille de prix. C’est le cost-to-serve par livrable, calculé sur les trois derniers projets, compute et amortissement assets inclus. Sans ce chiffre, n’importe quel modèle de pricing AI-native est un pari, pas une décision.

Pour confronter votre grille actuelle à des benchmarks boutique FR/CH/BE/LU et stress-tester vos clauses de garde-fou, demandez un audit pricing AI-native avec Kreante. On regarde votre dernier devis, votre cost-to-serve réel, et on chiffre la marge perdue ou gagnée à chaque modèle.