Sur l'IA, le coût de l'inaction dépasse déjà celui de l'investissement
La question du coût de l'IA est légitime. Elle est aussi, paradoxalement, le principal frein à la transformation des organisations. Vouloir mesurer l'immesurable, c'est déjà prendre du retard.
D’un côté, selon le rapport "State of Enterprise AI 2025" d'OpenAI, les utilisateurs de ChatGPT Enterprise économisent en moyenne de 40 à 60 minutes par journée de travail active. De l’autre, McKinsey assure que l'automatisation des activités de travail pourrait apporter à l'économie mondiale un gain de productivité annuel de 0,5 à 3,4 % entre 2023 et 2040. Ces chiffres circulent dans toutes les présentations de direction générale. Et pourtant, seules 39 % des entreprises rapportent une amélioration de leur résultat opérationnel attribuable à l'IA et pour la plupart, cet impact reste inférieur à 5 %.
L'écart entre la promesse et la mesure n'est pas un problème de technologie. C'est un problème de méthode. On applique un outil comptable, en l'occurrence le ROI, à une transformation qui n'obéit pas à la logique comptable. C'est comme essayer de mesurer la valeur d'un système d'information avec un boulier.
Le paradoxe du calcul impossible
Pour mesurer sérieusement le ROI de l'IA dans une organisation, il faudrait suivre chaque collaborateur tâche par tâche, avant et après déploiement, trimestre après trimestre et recommencer, encore et encore. Parce que les modèles évoluent à une vitesse sans précédent dans l'histoire des outils professionnels : entre deux versions d'un même modèle, les capacités peuvent progresser de 20 à 30 points sur les benchmarks de raisonnement en quelques semaines à peine. Le business case arrive en retard sur la réalité.
Les gains les plus importants de l'IA ne figurent dans aucun tableau Excel. Un juriste qui produit une analyse de contrat en deux heures au lieu de deux jours ne génère pas une ligne comptable. Un directeur commercial qui prépare un pitch sur mesure en vingt minutes au lieu de trois heures ne déclenche aucune alerte dans les outils de reporting. Une directrice marketing qui réduit de moitié le temps de production éditoriale de son équipe n'apparaît dans aucun indicateur de performance opérationnel. Ces gains sont réels, massifs, et invisibles par construction dans les systèmes de mesure classiques.
Ce que ça change concrètement pour les décideurs
L'IA n'est pas un outil avec un rendement fixe et universel. C'est un multiplicateur dont l'effet dépend de qui l'utilise, sur quelles tâches, avec quelle maîtrise. Un DAF qui s'en empare pour raccourcir son reporting mensuel de deux jours à quatre heures n'a pas le même ROI qu'un DRH qui prépare ses entretiens annuels en vingt minutes. Chercher un chiffre unique sur un outil aussi contextuel revient à vouloir mesurer la valeur de la lecture en euros.
Ce différentiel de productivité ne se voit pas dans un calcul de ROI. Il se voit dans les résultats, six mois plus tard, quand les équipes qui ont avancé ont déjà réorganisé leur façon de travailler et que les autres commencent à peine à construire leur business case.
La bonne question à se poser
Les organisations qui avancent le plus vite n'ont pas attendu un business case parfait mais elles ont compris qu'à partir d'un certain point, la question n'est plus "est-ce que ça vaut le coup" mais "est-ce qu'on peut se permettre de ne pas le faire."
Parce que pendant qu'une direction financière construit son modèle Excel pour justifier l'investissement, ses équipes commerciales perdent des opportunités face à des concurrents qui préparent leurs pitches avec l'IA. Ses juristes passent deux jours sur des analyses que leurs homologues font en deux heures. Ses managers rédigent leurs comptes-rendus à la main pendant que d'autres les dictent depuis leur voiture.
La productivité n'est pas ce qui se mesure le mieux. Ces gains sont discrets, accumulés, composés. Ils ne valident aucun comité de direction. Ils gagnent des marchés. L'IA ne se mesure pas en amont mais se constate en aval. Et ceux qui attendent la preuve découvrent l'évidence trop tard.