UiPath Document Understanding : un modèle déployé coûte-t-il de l'argent même si personne ne l'utilise ?

En résumé : oui, c'est possible. Un modèle de documents déployé en tant que ML Skill dans AI Center continue de consommer des AI Units chez UiPath tant qu'il est à l'état « Available » ou « Updating », que la solution d'automatisation l'appelle ou non. Quiconque laisse simplement un modèle déployé après les tests paie pour du temps d'inactivité pur. C'est exactement ce qu'un utilisateur a récemment demandé sur le UiPath Community Forum.

Pourquoi un modèle UiPath inutilisé génère-t-il des coûts ?

La raison réside dans la facturation au temps de fonctionnement, et non à l'usage. Dès qu'un ML Skill est déployé et disponible dans AI Center, UiPath réserve pour lui de la puissance de calcul et la facture à l'heure. Selon la documentation UiPath, un déploiement CPU coûte environ 2 AI Units par réplica et par heure, un déploiement GPU environ 20 AI Units par réplica et par heure. La configuration GPU standard atteint ainsi environ 40 AI Units par heure, ce qui représente environ 30 000 AI Units par mois en fonctionnement continu. La facturation s'applique à chaque heure entamée pendant laquelle le modèle est « Available » ou « Updating », indépendamment du nombre de documents traités.

Il est important de faire la différence avec les modèles Document Understanding modernes et gérés : ceux-ci ne coûtent rien à l'arrêt, les AI Units n'étant facturées que par page traitée. Le piège des coûts concerne les modèles classiques, entraînés soi-même, qui tournent en permanence dans AI Center en tant que ML Skill. De nombreuses entreprises calculent les coûts de licence UiPath pour les PME, mais négligent les AI Units continues issues de ces déploiements.

Que pouvez-vous faire contre ce piège de coûts caché ?

La mesure la plus efficace est toute simple : arrêtez ou supprimez un modèle qui n'est pas nécessaire pour le moment. UiPath recommande explicitement d'arrêter ou de complètement dé-déployer les ML Skills en cas de non-utilisation, afin d'économiser des coûts matériels. Trois étapes aident au quotidien :

• Vérifier l'inventaire : Contrôlez régulièrement dans AI Center quels ML Skills sont à l'état « Available », et désactivez les reliquats issus des phases de test.
• Déployer selon les besoins : Les modèles qui ne doivent tourner qu'à certains moments peuvent être déployés automatiquement via l'API AI Center juste avant l'exécution, puis arrêtés à nouveau.
• Surveiller la consommation : Utilisez les tableaux de bord AI Units pour repérer tôt le temps d'inactivité, avant qu'il ne s'accumule sur plusieurs mois.

Dans nos projets d'automatisation, c'est précisément là que nous intervenons : un modèle de documents qui, par exemple, traite automatiquement les factures, n'est déployé que lorsqu'un processus le demande réellement, puis arrêté à nouveau ensuite. Cela réduit sensiblement les coûts continus en AI Units, sans que l'automatisation ne perde en fiabilité.

Questions fréquentes

Un modèle UiPath déployé coûte-t-il de l'argent même sans documents ?

Oui. Un modèle déployé en tant que ML Skill est facturé à l'heure tant qu'il est « Available » ou « Updating », indépendamment du nombre de documents traités. Seuls « Stop » ou « Undeploy » mettent fin à la facturation.

Quel est le coût continu d'un modèle déployé ?

Un déploiement CPU coûte environ 2 AI Units par réplica et par heure, un déploiement GPU environ 20. La configuration GPU standard s'élève à environ 30 000 AI Units par mois en fonctionnement continu.

Les modèles Document Understanding modernes génèrent-ils aussi des coûts à l'arrêt ?

Non. Pour les modèles modernes gérés, les AI Units ne sont facturées que par page traitée, l'inactivité ne coûte donc rien. Le piège concerne les ML Skills classiques, auto-hébergés.