· 2 min de lecture
ROI de l'intelligence artificielle : pourquoi le calcul classique ne suffit pas
Deloitte consacre une réflexion au retour sur investissement des projets d'intelligence artificielle, question devenue centrale à mesure que les budgets IA sortent de la phase d'expérimentation. Le problème n'est pas tant de calculer un ROI que de définir ce qu'on y met.
Que le sujet soit porté par un cabinet comme Deloitte est en soi un signal : après une phase où l'investissement en IA se justifiait par l'exploration, les directions générales exigent désormais des preuves de valeur. L'extrait disponible ne fournit pas de chiffres ; l'analyse porte donc sur la structure du calcul, là où se jouent la plupart des désaccords.
Côté coûts, un projet d'IA dépasse largement la licence ou le développement du modèle. Il faut compter la préparation des données, l'intégration aux systèmes existants, la conduite du changement, la formation des équipes, puis les coûts récurrents d'exploitation, de supervision et de mise en conformité. Les projets dont le ROI déçoit sont souvent ceux dont le périmètre de coûts avait été sous-évalué.
Côté gains, trois familles coexistent : les gains de productivité, temps gagné sur des tâches existantes ; les gains de qualité, réduction d'erreurs ou de délais ; et les gains stratégiques, nouvelles offres ou nouveaux usages. Seule la première se mesure facilement, et encore : un temps gagné ne devient un gain économique que s'il est réalloué à une activité productive.
Cette asymétrie explique les débats sur le ROI de l'IA : les coûts sont immédiats et certains, les bénéfices différés et conditionnels. Un calcul honnête impose donc un horizon de temps explicite, des indicateurs définis avant le déploiement, et un scénario de référence, ce qui se serait passé sans le projet, pour éviter d'attribuer à l'IA des gains venus d'ailleurs.
Les montants en jeu et les retours possibles dépendent entièrement du cas d'usage, de la maturité des données et de la taille de l'organisation : aucune valeur générique de ROI ne peut être avancée sérieusement, et les moyennes de marché masquent une forte dispersion entre projets réussis et projets abandonnés.
Pour une entreprise qui fait appel à un prestataire ou une agence spécialisée en IA, la conséquence est pratique : exiger dès le cadrage un cas d'usage restreint, des indicateurs de succès chiffrables sur les données du client, et des jalons permettant d'arrêter ou de réorienter le projet. Un prestataire sérieux accepte cette logique de preuve progressive.
La question posée par Deloitte, quel retour sur investissement, admet donc une réponse de méthode : le ROI de l'IA n'est ni garanti ni illusoire, il est construit, par le choix du cas d'usage, la qualité des données et la discipline de mesure imposée dès le premier jour.
Questions fréquentes
Pourquoi le ROI des projets d'IA est-il difficile à mesurer ?
Parce que les coûts sont immédiats et certains alors que les gains sont différés, diffus et conditionnels : un temps gagné ne crée de valeur que s'il est réalloué, et l'attribution des gains à l'IA suppose un scénario de référence.
Quels coûts sont le plus souvent sous-estimés dans un projet d'IA ?
La préparation des données, l'intégration aux systèmes existants, la conduite du changement et les coûts récurrents d'exploitation, de supervision et de conformité.
Comment sécuriser le ROI avec un prestataire IA ?
En démarrant sur un cas d'usage restreint, avec des indicateurs définis avant le déploiement et des jalons de décision permettant d'arrêter ou d'étendre le projet selon les résultats mesurés.