Le ROI d'un projet d'IA

Ce qu'est vraiment le ROI

Un projet d'intelligence artificielle ne se juge pas à sa prouesse technique, mais à sa trace dans les comptes : du temps rendu à des équipes, des erreurs évitées, des affaires gagnées ou traitées plus vite. Le retour sur investissement — le ROI — met un chiffre sur cette trace, afin qu'un comité tranche sur des faits plutôt que sur une impression. C'est un rapport, et rien de plus : ce que le projet rapporte, net de ce qu'il coûte, divisé par ce qu'il coûte, sur une période donnée — le plus souvent douze mois.

La définition tient en une ligne, et c'est précisément ce qui trompe. Car la difficulté d'un ROI IA ne réside jamais dans la formule, qui est élémentaire, mais dans les deux nombres que l'on y place. Le premier est le coût total, presque toujours sous-estimé parce qu'on le confond avec le prix de l'outil. Le second est le gain net, rarement mesuré parce que l'état de départ — le coût de la tâche avant le projet — n'a jamais été chiffré. Un ROI se trompe donc rarement dans son calcul ; il se trompe dans ses entrées.

Il faut ajouter une distinction que les comités négligent : le ROI n'est ni le coût, ni le gain brut. Un projet peut afficher un gain brut flatteur et un ROI négatif si son coût total a été passé sous silence ; il peut afficher un coût élevé et un excellent ROI si le gain le dépasse largement dans la durée. Le chiffre qui décide n'est donc ni la dépense ni l'économie prise isolément, mais leur rapport, lu sur le bon horizon. Tout le reste de cette fiche sert à établir ces deux nombres honnêtement, puis à choisir la période sur laquelle les rapporter l'un à l'autre.

Une dernière précision de vocabulaire évite bien des malentendus. Le ROI est une notion de rendement — « combien un euro engagé rapporte-t-il ? » ; il ne dit rien, à lui seul, du délai de remboursement, qui est le rôle du délai de remboursement (payback). Un projet peut afficher un ROI élevé et un délai de remboursement long, ou l'inverse. Un dirigeant averti lit toujours les deux ensemble.

Le calcul, étape par étape

Calculer le ROI d'un projet IA ne demande aucune compétence financière particulière ; cela demande de la discipline dans l'ordre des opérations. La règle qui prime sur toutes les autres : la moitié du travail se fait avant le lancement, pas après. Un ROI ne se constate pas à la fin d'un pilote — il se rend calculable au départ, en fixant le point de comparaison sans lequel aucun résultat ne veut rien dire. C'est le renversement le plus utile de cette fiche : on ne mesure pas un ROI, on le prépare.

La méthode tient en six étapes, dans cet ordre. Les trois premières se font avant d'écrire la moindre ligne de cahier des charges ; les trois dernières, une fois le projet cadré.

1. Isoler une tâche unique et répétée. Pas « améliorer le service client », mais « rédiger la première réponse aux réclamations de niveau 1 ». Plus la tâche est étroite, plus son coût est mesurable et plus le ROI sera net.
2. Mesurer son coût actuel. Heures par mois, volume traité, taux d'erreur — observés sur quelques semaines, pas estimés de mémoire. C'est le point de départ chiffré sans lequel aucun « après » ne veut rien dire.
3. Fixer le gain visé. Le résultat que l'outil devra atteindre pour que l'on décide de généraliser — un pourcentage de temps rendu, un taux d'erreur, un délai — arrêté avant de commencer, jamais après coup.
4. Additionner les trois postes de coût. Mise en place, conduite du changement, fonctionnement sur douze mois. Un coût oublié à cette étape se paie en ROI surestimé plus tard.
5. Choisir l'horizon. Douze mois par convention, vingt-quatre dès que l'essentiel du coût tombe la première année. L'horizon n'est pas un détail : il peut inverser la conclusion.
6. Appliquer la formule et lire les deux chiffres. Le ROI, qui donne le rendement, et le délai de remboursement, qui donne le délai de retour. Un projet ne se valide que si les deux tiennent.

L'ordre compte parce que chaque étape conditionne la suivante. Sans tâche isolée (étape 1), impossible de mesurer un coût actuel propre (étape 2) ; sans coût actuel, impossible de dire si le gain de l'étape 3 est réel ou théorique. C'est pourquoi les projets qui échouent au calcul ont presque toujours sauté les trois premières étapes : ils ont acheté un outil, puis cherché, après coup, un chiffre pour le justifier. Le calcul devient alors une plaidoirie, pas une mesure.

L'effort est plus faible qu'on ne le craint : les trois étapes préalables — isoler, mesurer, viser — se bouclent en quelques jours d'observation, pour un coût négligeable au regard du projet. Elles ne retardent pas le lancement ; elles évitent d'engager un budget sur un pari qu'aucun chiffre ne soutient. Un dirigeant qui exige ces trois lignes avant d'ouvrir le portefeuille protège son entreprise du seul risque vraiment coûteux : découvrir, un an plus tard, qu'on ne saura jamais dire si le projet a rapporté quoi que ce soit.

La formule

La formule ne pose aucune difficulté ; toute la rigueur d'un ROI IA tient dans le dénominateur, ce coût total que l'on croit connaître et que l'on sous-estime presque toujours. Le premier piège est de le réduire à la facture de l'outil. En réalité, il se répartit en trois postes, et un projet jugé rentable sur le seul premier cesse souvent de l'être une fois les deux autres ajoutés. C'est « ce qu'on oublie toujours » — et ce que le tableau ci-dessous remet en évidence.

Le deuxième poste, la conduite du changement, mérite qu'on s'y arrête, car c'est celui qui manque le plus souvent au calcul et pèse le plus lourd dans le sort du projet. Il ne se paie pas en licence et ne se voit dans aucune démonstration ; il recouvre le temps que des équipes passent à apprendre, à intégrer l'outil dans leur travail réel, à en corriger les sorties le temps qu'il devienne fiable. L'omettre ne fait pas disparaître le coût — il le déporte simplement sur les mois qui suivent, où il ressort sous forme d'un projet « qui prend plus de temps que prévu ».

Le numérateur, lui, a son propre piège : le gain net n'est pas le gain brut. Le gain brut, c'est le temps ou les erreurs que l'outil fait théoriquement disparaître ; le gain net, c'est la part de ce gain qui se traduit réellement dans les comptes — une charge qui baisse, un chiffre d'affaires qui monte, une dépense évitée. Entre les deux, il y a tout ce qui reste théorique : des heures rendues mais non réaffectées, une qualité meilleure mais sans effet mesurable sur les ventes. La règle est sévère mais juste : un gain qui ne se lit nulle part dans les comptes ne compte pas dans un ROI.

On comprend alors pourquoi tant de ROI annoncés se révèlent faux à l'usage : ils gonflent le numérateur avec des gains bruts et allègent le dénominateur en oubliant deux postes sur trois. Corrigés des deux côtés, ils rendent un verdict plus modeste, mais fiable — et c'est le seul sur lequel un dirigeant peut engager un budget sans mauvaise surprise.

Les ordres de grandeur

Avant de calculer son propre ROI, il est utile de savoir où se situe le marché — non pour s'y comparer trait pour trait, mais pour remettre les attentes d'aplomb. Trois chiffres datés suffisent à cadrer le sujet, et ils racontent tous la même histoire : l'IA est partout, la valeur mesurée l'est beaucoup moins.

La lecture de ces trois chiffres est plus encourageante qu'il n'y paraît pour un dirigeant de PME ou d'ETI. Ils ne disent pas que l'IA ne rapporte pas ; ils disent que la plupart des organisations ne savent pas mesurer ce qu'elle rapporte — faute d'avoir chiffré le coût actuel avant de lancer. L'écart ne vient donc pas de la technologie, accessible à tous, mais d'une discipline de calcul que peu appliquent. C'est une bonne nouvelle : cette discipline ne s'achète pas et ne dépend pas de la taille du budget. Elle se décide.

Ces chiffres mettent aussi en garde contre deux excès symétriques. L'emballement d'abord — croire qu'un projet IA produit mécaniquement un ROI à trois chiffres ; les 39 % rappellent que la valeur mesurée reste l'exception. Le renoncement ensuite — conclure des 95 % que « l'IA ne rapporte pas », ce qui confond l'absence de mesure avec l'absence de valeur. Le repère juste tient en une phrase : l'IA rapporte à qui sait, dès le départ, ce qu'elle est censée remplacer.

Fourchettes par type de projet

Toutes les tâches ne se prêtent pas également au calcul, et toutes n'offrent pas le même rendement. Un dirigeant gagne à connaître, avant même de lancer, l'ordre de grandeur qu'il peut raisonnablement viser selon la nature du projet. Les fourchettes ci-dessous ne sont pas des promesses : ce sont des repères, à vingt-quatre mois, pour un projet correctement cadré — c'est-à-dire dont le coût actuel a été mesuré et les trois postes de coût additionnés.

La logique de ce classement est instructive. En haut, les tâches documentaires — saisie, extraction, classification, rédaction de premières réponses — offrent le rendement le plus franc, parce que leur coût actuel est facile à mesurer et le gain, immédiatement lisible en temps rendu. Plus on descend, plus le gain devient indirect : une maintenance prédictive évite des arrêts dont le coût varie d'un mois à l'autre, une aide à la décision améliore un jugement dont l'effet ne se lit qu'à long terme. Le rendement n'y est pas plus faible par nature ; il est plus difficile à établir, donc plus dispersé.

Deux facteurs déplacent un projet à l'intérieur de sa fourchette, et aucun n'est technique. Le premier est la propreté des données : un projet branché sur des données déjà structurées atteint le haut de sa fourchette et rembourse vite ; le même projet sur des données à nettoyer paie d'abord six à huit mois de préparation et démarre en bas. Le second est la conduite du changement : un outil adopté produit son gain, un outil contourné n'en produit aucun, quel que soit son mérite technique. Deux entreprises menant le même projet peuvent ainsi se retrouver aux deux extrémités de la même fourchette — l'écart ne se joue pas dans l'algorithme.

Une mise en garde sur la dernière ligne : un ROI négatif à vingt-quatre mois ne signale pas toujours un mauvais projet. Certains chantiers, comme la constitution d'un socle de données, ne rapportent rien en propre mais conditionnent tous les projets suivants ; ils s'apprécient comme un investissement d'infrastructure, pas comme une tâche à rendement immédiat — grille de lecture que le dernier volet de cette fiche aborde.

Trois calculs décortiqués

La théorie du calcul devient claire dès qu'on la déroule sur des chiffres. Voici d'abord un exemple complet, ligne à ligne, avec des montants d'école à remplacer par les vôtres ; puis deux calculs tirés de cas publics, décortiqués sur leur point décisif. Le point commun des trois : toutes les entreprises concernées ont d'abord chiffré l'« avant ».

Ce que cet exemple démontre tient en une phrase : le même projet vaut « +3 % » ou « +278 % » selon la seule ligne « horizon ». Un comité qui juge sur douze mois le déclarerait tout juste équilibré et hésiterait ; le même comité, informé que le coût de l'année 2 se réduit au fonctionnement, y verrait un excellent placement. Aucun chiffre n'a changé — seule la période de lecture a changé. C'est le piège le plus fréquent des ROI IA, et le plus facile à corriger : il suffit de toujours présenter les deux horizons.

Mis côte à côte, ces trois calculs disent la même chose sous trois angles. EIST montre qu'un ROI se fausse par le coût qu'on oublie — le nettoyage des données. Tarteret montre qu'un même projet donne deux délais de remboursement selon qu'on compte les aides ou non, d'où l'obligation de préciser la base. Safran montre que la propreté des données, plus que l'outil, commande le délai de retour. Aucune de ces leçons n'est technique ; toutes portent sur la manière de poser le calcul — ce qui les rend transposables à n'importe quelle PME, dans n'importe quel secteur.

Les pièges du calcul

Un ROI IA se trompe rarement d'un peu ; il se trompe en grand, parce que les erreurs de calcul jouent toutes dans le même sens — elles flattent le résultat. Trois pièges reviennent avec une régularité telle qu'ils méritent d'être connus par cœur ; s'y ajoutent deux confusions de vocabulaire qui font prendre une chose pour une autre.

Ces cinq points ont un dénominateur commun : ils faussent le calcul non par malhonnêteté, mais par facilité. Il est plus simple de citer le prix de la licence que d'estimer le temps d'adoption ; plus flatteur de lire un projet sur l'horizon qui l'arrange ; plus rapide de compter des heures libérées que de vérifier ce qu'elles deviennent. La rigueur, ici, consiste précisément à résister à la pente du plus simple — et un dirigeant n'a pas besoin d'être financier pour l'imposer : il lui suffit de poser, en comité, les quelques questions qui obligent à compter honnêtement.

Quatre questions suffisent à désamorcer l'essentiel des pièges. A-t-on mesuré le coût actuel de la tâche visée, avant le projet ? Les trois postes de coût sont-ils tous chiffrés, y compris la conduite du changement ? Sur quelle période juge-t-on — douze ou vingt-quatre mois ? Le gain devient-il une baisse de coût réelle, ou reste-t-il théorique ? Si l'une de ces réponses manque, le ROI présenté n'est pas faux : il est simplement invérifiable, ce qui, pour une décision d'investissement, revient au même.

Le ROI dans la décision

Le ROI n'est pas un chiffre que l'on calcule à la fin pour classer un projet ; c'est un outil de décision qui intervient à trois moments du parcours, répondant à chaque fois à une question différente. Bien placé, il évite deux erreurs symétriques : lancer un projet qu'on ne saura jamais évaluer, et enterrer un projet qui aurait payé sur le bon horizon.

Ce séquencement a une conséquence pratique pour un dirigeant : la question la plus utile n'est pas « quel est le ROI ? » posée à la fin, mais « ce projet sera-t-il calculable ? » posée au départ. Un projet dont on ne saura pas mesurer le retour ne devrait pas être lancé, quelle que soit sa promesse — non parce qu'il échouera, mais parce qu'on ne pourra jamais dire s'il a réussi. Exiger la mesure du coût actuel avant d'engager le budget est la seule précaution qui garantit que la décision, dans six mois, reposera sur un chiffre et non sur une impression.

Reste le cas des projets d'infrastructure — au premier rang la mise en propreté des données. Ceux-là affichent souvent un ROI propre négatif, faute de gain direct ; mais ils conditionnent le rendement de tous les projets suivants, comme l'a montré le contraste entre les six semaines de retour chez un industriel aux données propres et les six à huit mois de nettoyage supportés ailleurs. On ne les juge pas à leur ROI isolé, mais à l'accélération qu'ils apportent au portefeuille à venir. Les confondre avec des tâches à rendement immédiat conduit à les refuser à tort — et à payer ce refus sur chaque projet qu'ils auraient accéléré.

En pratique, le calcul du coût actuel avant de lancer est le point de départ d'un Diagnostic Pulse ; l'Analyse Industrie montre ce même calcul en situation, du coût mesuré avant projet jusqu'au retour constaté. Mais l'outil importe moins que la discipline qu'il installe : dans un marché où la technologie ne différencie plus, savoir calculer honnêtement le retour d'un projet — et accepter le « non » qu'il rend parfois — devient l'une des rares compétences qui séparent vraiment une entreprise d'une autre. Elle ne s'achète pas ; elle se décide, un calcul cadré après l'autre.