Un compte rendu rédigé en trente secondes, une réponse client préparée instantanément, du code produit à la demande : l’IA sait rendre ses bénéfices visibles. Les factures aussi. Entre les deux, une question résiste aux démonstrations : combien l’entreprise gagne-t-elle vraiment ? À l’horizon de septembre 2026, le défi économique n’est plus seulement d’équiper les salariés, mais de vérifier que les outils améliorent les comptes. Car une heure économisée n’est ni une heure supprimée, ni une heure vendue. Et un abonnement bon marché peut cacher un chantier coûteux.
La productivité existe, mais elle ne voyage pas seule
Les recherches disponibles fournissent des raisons sérieuses de s’intéresser à l’IA générative. Une étude de terrain publiée en 2023, menée auprès de plus de 5 000 agents de support, observait une hausse moyenne d’environ 14 % du nombre de problèmes résolus par heure avec une assistance générative. Les gains étaient particulièrement marqués chez les salariés les moins expérimentés. Ce résultat concerne toutefois un environnement précis, pas une promesse applicable à chaque métier.
Une autre expérimentation, conduite avec des consultants de Boston Consulting Group et publiée en 2023, soulignait une frontière essentielle : sur les tâches adaptées aux capacités du modèle, les participants équipés progressaient en vitesse et en qualité. Sur une tâche située hors de cette frontière, l’assistance pouvait au contraire dégrader la justesse. L’IA ne produit donc pas un rendement uniforme : elle redistribue les performances selon les tâches, les personnes et les contrôles.
Pour une direction financière, la conséquence est immédiate. Une moyenne issue d’une étude, ou d’un questionnaire interne, ne suffit pas à construire un budget. Il faut identifier les opérations concernées, mesurer leur fréquence et vérifier que l’amélioration survit aux conditions ordinaires : documents incomplets, exceptions, délais serrés et utilisateurs moins enthousiastes que les volontaires du pilote.
Le vrai prix dépasse celui des licences
Le premier coût est facile à repérer : abonnement par utilisateur, consommation d’API ou puissance de calcul réservée. Le reste se disperse entre informatique, métiers, juridique et ressources humaines. Connecter un assistant aux données internes suppose de gérer les droits d’accès, nettoyer les sources et maintenir les interfaces. Un document retrouvé trop facilement peut aussi être un document qui n’aurait jamais dû être accessible.
Viennent ensuite la formation, l’accompagnement et le temps consacré à vérifier les sorties. Une réponse plausible mais fausse oblige parfois à reprendre tout le travail. Pour une tâche sensible, la validation par un professionnel qualifié reste nécessaire ; elle doit entrer dans le calcul dès le départ, et non apparaître après le lancement comme une mauvaise surprise.
- Coûts de lancement : sélection du fournisseur, intégration, préparation des données, tests et conduite du changement.
- Coûts récurrents : licences, consommation, maintenance, support et évaluation de la qualité.
- Coûts de contrôle : relecture, gestion des incidents, sécurité, conformité et traitement des erreurs.
Comparer uniquement deux tarifs d’abonnement revient ainsi à comparer deux véhicules sans regarder le carburant, l’entretien ni leur usage. Le bon indicateur est souvent le coût complet par résultat acceptable : dossier traité correctement, ticket résolu durablement ou document validé. Il rend visibles les reprises que les démonstrations commerciales laissent hors champ.
Du temps gagné à la valeur encaissée
Imaginons un service qui économise dix minutes sur chaque proposition commerciale. C’est un exemple de calcul, pas une statistique de marché. Si les commerciaux utilisent ce temps pour contacter davantage de prospects qualifiés, un bénéfice peut apparaître. Encore faut-il que ces contacts supplémentaires se transforment en ventes rentables. Si le véritable blocage est ailleurs, dans la disponibilité du produit ou la validation des prix, les dix minutes ne débloquent rien.
Trois situations doivent être distinguées. La première est l’économie budgétaire effective : une dépense disparaît, par exemple une prestation externe devenue inutile. La deuxième est la capacité supplémentaire : l’équipe absorbe davantage de volume sans recrutement additionnel. La troisième est l’amélioration qualitative : délais plus courts, dossiers mieux documentés, service plus régulier. Toutes peuvent avoir de la valeur, mais elles ne se comptabilisent pas de la même manière.
Multiplier des heures déclarées par un salaire horaire ne prouve pas une économie. Les salaires restent généralement payés. Ce calcul estime une capacité théorique libérée. Pour parler de rentabilité, il faut montrer son utilisation : dépenses évitées crédibles, marge additionnelle ou pertes réduites. Et ne pas compter deux fois le même bénéfice, à la fois comme baisse de coût et comme capacité commerciale nouvelle.
Organiser une mesure qui résiste à l’enthousiasme
Commencer avant l’installation
Un pilote sérieux démarre par une photographie du fonctionnement existant. Combien de temps prend une tâche, avec quelle dispersion ? Quel est son taux d’erreur ? Combien de dossiers reviennent pour correction ? Sans point de départ, la mesure finale capte surtout des impressions. Les journaux d’activité et les contrôles qualité complètent utilement les déclarations des utilisateurs, sans transformer l’expérimentation en surveillance individuelle permanente.
Comparer des situations comparables
Lorsque c’est possible, une équipe équipée est comparée à une équipe témoin sur des tâches similaires. Un déploiement progressif peut aussi faciliter la comparaison. Il faut tenir compte de la saisonnalité, du niveau d’expérience et de la difficulté des dossiers. Sinon, un mois calme ou une équipe exceptionnellement motivée peut faire passer un effet de contexte pour une performance du logiciel.
Compter jusqu’au résultat final
Mesurer le temps de rédaction d’un courriel est insuffisant si le destinataire doit ensuite demander des précisions. Dans le développement logiciel, produire davantage de code n’assure pas une livraison plus rapide : revue, tests et maintenance comptent aussi. Pour le service client, le nombre de conversations terminées doit être rapproché des réouvertures et de la satisfaction. Le gain pertinent se mesure sur le processus complet.
Un tableau de bord pour décider, pas pour convaincre
La formule reste classique : rapporter le bénéfice net attribuable au projet à son coût total, sur une période définie. Mais les hypothèses méritent autant d’attention que le résultat. Un scénario prudent, un scénario central et un scénario favorable rendent visibles les incertitudes sur l’adoption, les volumes et les erreurs. Le délai nécessaire pour récupérer l’investissement complète utilement le pourcentage de rendement.
Une direction devrait également fixer des critères d’arrêt. Un outil peu utilisé, incapable de respecter le niveau de qualité attendu ou trop coûteux à superviser ne mérite pas automatiquement une nouvelle phase. À l’inverse, un assistant modeste peut être rentable sur une opération répétitive. La bonne unité de décision n’est pas « l’IA dans l’entreprise », mais un usage précis, avec un responsable, un budget et un résultat vérifiable.
Et maintenant ? Pour septembre 2026 et au-delà, un scénario plausible est celui d’achats davantage conditionnés à des preuves opérationnelles, plutôt qu’au prestige technologique. Rien ne garantit que cette discipline s’imposera partout. Mais les entreprises les mieux armées seront probablement celles qui sauront distinguer temps libéré, capacité utilisée et argent réellement gagné. L’IA n’a pas besoin de transformer chaque minute en euro pour être utile ; elle doit simplement cesser de faire passer ces deux unités pour équivalentes.
