Arrêtez de compter les jetons : comment obtenir un réel retour sur investissement dans l'IA

Où se trouve le gros argent dans l'IA (Image : Dreamstime)

Par Roi Dimanick

La plupart des organisations ont déjà intégré l'IA, mais la plupart d'entre elles ne savent pas si elle leur rapporte réellement de l'argent. Le débat autour de l'IA change : si, il y a peu, nous demandions « quelle valeur la technologie est capable de générer », la question centrale est désormais devenue plus pointue : comment pouvons-nous en tirer un ROI (retour sur investissement) et comment le mesurer ? L'enquête McKinsey de 2025 révèle la racine du problème : 88 % des organisations utilisent l'IA dans au moins une fonction commerciale, mais seulement 39 % constatent un impact significatif sur le résultat net. Moins d'un cinquième ont défini des KPI dédiés aux solutions d'IA et les ont suivis.

De nombreuses organisations mesurent l'utilisation des modèles — nombre de licences, fréquence d'activation et consommation mensuelle de jetons — au lieu de mesurer les résultats commerciaux : si le temps de traitement des problèmes a été raccourci, si la production a augmenté, si le taux d'erreur a diminué et si le temps libéré est utilisé pour créer une valeur supplémentaire. Il est crucial de préciser : une amélioration de la productivité n'est pas nécessairement un ROI. Ce n'est que lorsque l'organisation modifie sa façon de travailler et utilise les ressources libérées pour créer de la valeur commerciale que l'on peut parler de retour sur investissement.

Où l'implémentation de l'IA génère-t-elle le plus de valeur commerciale ?

Selon notre expérience, trois domaines prouvent systématiquement un ROI : le service et le support, l'automatisation des processus de back-office et la gestion des connaissances organisationnelles. Leur dénominateur commun est un grand volume d'actions répétitives où il est facile de mesurer le temps, le coût, la qualité et la production. C'est différent d'une situation où l'IA reste un « chat intelligent » non connecté à un processus défini.

Il est important de distinguer un employé qui termine une tâche plus rapidement, un département qui augmente sa production et une organisation qui réduit ses coûts ou augmente ses revenus. La transition entre ces niveaux ne se fait pas toute seule.

Service et support : production vs coûts

Dans le service client, l'IA est capable de comprendre les demandes et de formuler des réponses. Une étude du Quarterly Journal of Economics a révélé qu'un assistant IA a augmenté le nombre de demandes traitées par heure de 15 % en moyenne, avec des améliorations atteignant 30 % pour les employés moins expérimentés.

Cependant, une amélioration de 15 % de la production n'est pas automatiquement égale à une économie de 15 % des coûts. Si la capacité libérée n'est pas utilisée pour traiter plus de clients ou arrêter les recrutements, l'organisation a un outil plus efficace, mais pas nécessairement un ROI. Il faut mesurer les taux de résolution, les temps d'attente et le coût par demande.

Back-office : là où se trouve le gros argent

Les projets de back-office offrent souvent le ROI le plus rapide. La réception de formulaires, la vérification des factures, les rapprochements bancaires et la mise à jour des systèmes sont des processus avec des coûts manuels clairs et des taux d'erreur mesurables. Dans un projet, nous avons intégré l'OCR, l'IA et un système ERP, générant 30 % à 40 % d'économies sur le travail courant. La valeur commerciale est créée lorsque l'IA est combinée à l'automatisation et à des mécanismes de contrôle, en gardant un humain dans la boucle (Human in the Loop) pour les décisions finales.

Gestion des connaissances organisationnelles

La recherche de procédures, de contrats et d'informations réglementaires peut réduire le temps de travail de 20 % à 30 %. Un bon système doit présenter les sources, respecter les systèmes d'autorisation et s'appuyer sur les versions les plus récentes des documents. Les organisations ne peuvent se contenter d'ajouter un outil ; elles doivent repenser le travail autour de lui.

---

Quand attendre avant d'investir dans l'IA

Je me méfierais de l'implémentation d'un chat organisationnel avant que l'organisation n'ait traité ses données. Si les informations sont réparties entre serveurs, obsolètes ou non classées, l'IA pourrait amplifier le désordre et mettre en danger des informations sensibles. Partout où il y a une importance financière ou réglementaire, je laisserais un humain dans la boucle.

Par où commencer ?

La plupart des échecs des projets d'IA proviennent de directions qui choisissent le mauvais problème ou ne parviennent pas à modifier les processus de travail. Chaque PDG doit répondre à 4 questions avant d'investir dans l'IA :

1. Quel est le problème commercial ?

2. Comment mesurerons-nous le succès ?

3. Que ferons-nous du temps économisé ?

4. Qui est responsable de s'assurer que le changement se produise ?

Si vous avez un budget limité, recherchez le projet offrant le meilleur rapport entre valeur commerciale et complexité, en évaluant la valeur financière potentielle, le volume d'activité, la qualité des données et la complexité de mise en œuvre. La véritable révolution de l'IA ne sera pas mesurée par les jetons consommés, mais par les processus commerciaux transformés.