L’une des décisions les plus difficiles dans un projet d’IA consiste à engager l’investissement sans savoir avec certitude s’il va fonctionner. Le ROI, ou retour sur investissement, est l’indicateur qui permet de prendre cette décision de façon raisonnée plutôt que par conviction.
Le problème est que le ROI d’un projet d’IA est plus difficile à calculer que celui de l’achat d’une machine ou d’un recrutement. La valeur produite par l’IA est parfois diffuse (« améliorer les décisions », « réduire le temps d’analyse »), et le coût total comporte des postes cachés qui figurent rarement dans les budgets initiaux.
Cet article propose une méthode concrète pour mener ce calcul de façon à éclairer réellement la décision.
Le principe de base : mesurer en termes métier, pas en termes d’IA
L’erreur la plus fréquente dans l’estimation du ROI d’un projet d’IA consiste à utiliser des indicateurs techniques comme substitut de la valeur métier. « Le modèle a une précision de 92 % » ne dit rien de l’intérêt du projet. Ce qui compte, c’est la valeur de ces 92 % de précision pour l’activité : combien de réclamations évitées ? Combien d’heures de travail libérées ? Combien d’arrêts de production évités ?
Le calcul du ROI commence par le chiffrage du problème à résoudre, avant de parler de technologie.
Le modèle de chiffrage de la valeur
Pour chaque cas d’usage de l’IA, la valeur peut provenir de trois sources. Le plus solide est d’identifier celles qui s’appliquent et de les chiffrer séparément.
La valeur par la réduction des coûts. L’IA automatise ou améliore un processus qui mobilise aujourd’hui des ressources. La valeur correspond au coût des ressources libérées. Exemple : un système de tri des e-mails qui traite la majorité des demandes sans intervention humaine libère des heures de travail de l’équipe. La valeur est égale aux heures libérées × coût horaire de l’équipe.
La valeur par la hausse du chiffre d’affaires. L’IA améliore des décisions qui ont un effet sur le chiffre d’affaires. Exemple : un modèle de prévision de la demande réduit les ruptures de stock qui font aujourd’hui perdre des ventes. La valeur est égale à la baisse estimée des ruptures × marge des produits concernés.
La valeur par la réduction des risques. L’IA réduit la probabilité ou l’impact d’événements coûteux. Exemple : la maintenance prédictive, qui évite des arrêts non planifiés. La valeur est égale à la baisse de la probabilité d’arrêt × coût d’un arrêt type.
En pratique, la plupart des projets d’IA créent de la valeur sur ces trois plans. Chiffrer chacun séparément puis les additionner donne une estimation plus solide que de tout agréger d’emblée en un seul chiffre.
Les coûts à prendre en compte
Le ROI réel d’un projet d’IA intègre l’ensemble des coûts, et pas seulement le développement du modèle :
- coût de préparation et de nettoyage des données ;
- coût de développement et d’intégration du système ;
- coût des licences logicielles et de l’infrastructure (récurrent) ;
- coût de formation de l’équipe ;
- coût du temps interne consacré au projet ;
- coût de maintenance annuel (récurrent).
L’oubli le plus fréquent est le temps interne. Lorsque l’équipe de l’entreprise consacre un temps important à définir les besoins, valider les données, suivre les formations et accompagner le changement, ce temps a un coût réel qui doit entrer dans le calcul.
L’horizon de temps : à quel moment comparer
Les projets d’IA suivent une courbe de valeur caractéristique : d’abord une phase d’investissement sans retour, pendant la construction du système ; puis une phase de démarrage, où le retour commence à apparaître alors que le système est encore en cours de calibrage ; enfin, une phase où le système fonctionne à pleine capacité et produit de façon récurrente le retour attendu.
L’horizon habituel pour évaluer le ROI d’un projet d’IA est une période de fonctionnement normal, hors phases de construction et de calibrage. Sa durée exacte dépend du type de projet et de la rapidité avec laquelle le système atteint des performances stables.
Calculer le ROI cumulé selon plusieurs scénarios (optimiste, central et prudent) donne une image plus complète qu’un seul chiffre central.
Les biais qui faussent le plus souvent le calcul
Surestimer le bénéfice. Il est tentant de supposer que le système fonctionnera parfaitement dès le premier jour et captera la valeur maximale théorique. La pratique montre qu’il existe une courbe d’adoption et une période de calibrage, et que la valeur se construit progressivement.
Sous-estimer les coûts d’intégration. Si l’intégration aux systèmes existants est complexe, elle peut devenir le poste le plus coûteux du projet, et aussi le plus difficile à estimer avant d’avoir audité l’infrastructure en place.
Omettre le coût du scénario de référence. Le ROI se calcule en comparant le scénario avec IA au scénario sans IA. Si le scénario sans IA suppose de recruter davantage à mesure que l’activité croît, ce coût croissant améliore le ROI relatif du projet d’IA.
Questions fréquentes
Comment présenter le ROI d’un projet d’IA à la direction ? Le format le plus efficace comprend : le problème chiffré (en argent ou en temps), l’investissement total nécessaire (tous coûts compris), la valeur annuelle attendue une fois le système opérationnel, et le scénario pessimiste si le projet donne de moins bons résultats que prévu. La direction a besoin de comprendre l’éventail des résultats possibles, pas seulement le scénario idéal.
Que se passe-t-il si le ROI calculé est positif mais que le projet ne produit pas la valeur attendue en production ? Cela arrive, et la cause est généralement identifiable : des données de moins bonne qualité qu’estimé, une adoption plus faible que prévu par l’équipe, un processus métier insuffisamment adapté pour que le système produise sa valeur. Le bilan post-projet, qui établit ce qui s’est passé et pourquoi, est l’enseignement le plus précieux pour les projets suivants.
Un projet d’IA peut-il avoir une valeur difficile à chiffrer ? Oui. Certains bénéfices sont réels mais difficiles à monétiser directement : une meilleure satisfaction de l’équipe grâce à la suppression des tâches répétitives, la réduction du risque de réputation, une capacité de réaction plus rapide aux évolutions du marché. Lorsque cette valeur immatérielle est importante, mieux vaut la nommer explicitement, même si elle n’est pas chiffrable, plutôt que de l’ignorer ou d’avancer un chiffre peu fondé.