Comment les coûts indirects réduisent le ROI de l’IA

L’IA peut accroître la productivité commerciale de 14,1 % tout en laissant les dirigeants incapables de prouver si leurs investissements en IA rapportent de l’argent. The CMO Survey prévoit que l’IA alimentera plus de 50 % de l’ensemble des activités marketing aux États-Unis d’ici 2029. La frontière de mesure explique comment ces deux constats peuvent être vrais : une entreprise peut mesurer une tâche assistée par l’IA plus rapide tout en excluant les coûts et le travail supplémentaire ailleurs dans le workflow.

L’IA peut améliorer la tâche tout en laissant le ROI non prouvé

The CMO Survey fait état de trois améliorations opérationnelles associées à l’IA :

Ces chiffres répondent à une question différente de celle de savoir si le bénéfice financier attribuable à un investissement en IA dépasse son coût total.

Une enquête de Witness.AI a révélé que seuls 9 % des cadres dirigeants ont déclaré que plus de 75 % de leurs initiatives IA affichaient des retours financiers significatifs. Quelque 68 % ont indiqué que les programmes d’IA avaient dépassé leur budget à un moment donné au cours des 12 mois précédents. Witness.AI vend des technologies de sécurité et de gouvernance de l’IA, ce qui lui donne un intérêt commercial dans les préoccupations des entreprises concernant la gestion et l’économie des déploiements d’IA.

Une enquête mondiale auprès de directeurs marketing a mis en évidence un écart de mesure similaire :

Ensemble, ces mesures montrent la distinction que les dirigeants doivent tester. Le fait que l’IA modifie une activité est différent de la preuve que ce changement produit un retour financier pour l’entreprise.

La vitesse d’exécution d’une tâche et la productivité du workflow mesurent des choses différentes

Prenons l’exemple hypothétique d’une équipe marketing utilisant l’IA générative pour produire des centaines de variantes de contenu. Le temps de génération peut chuter fortement, tandis que les employés doivent toujours vérifier les résultats pour des questions factuelles, de marque, de duplication ou juridiques. Mesurer uniquement le temps de génération omettrait une partie du travail nécessaire pour produire un contenu approuvé. La comparaison pertinente porte sur l’évolution des ressources totales nécessaires pour mener le workflow à son terme.

La même règle s’applique aux agents IA, des systèmes conçus pour exécuter un travail en plusieurs étapes et entreprendre des actions avec un certain degré d’autonomie. Les dirigeants doivent comptabiliser la supervision, la gestion des exceptions, la correction, l’escalade et l’approbation introduites par un agent, en plus du travail qu’il supprime. Une forte réduction du temps de recherche peut se traduire par une amélioration plus limitée du temps de cycle total lorsque du travail supplémentaire apparaît ailleurs. Le résultat économique dépend de la variation nette sur l’ensemble du processus.

Cela change l’unité que les dirigeants doivent mesurer. La frontière doit aller des intrants fournis par les employés jusqu’au résultat métier final approuvé affecté par le déploiement. Comparez le travail, le temps écoulé, la correction des erreurs, la revue et les autres ressources requises avant et après la mise en œuvre. Cette comparaison permet de distinguer une tâche plus rapide d’un workflow plus productif.

La distance causale crée un autre défi de mesure. L’IA peut réduire directement le temps nécessaire à la création d’un élément de campagne, ce qui fait du temps de production un résultat relativement immédiat. Le chiffre d’affaires, la fidélisation et la satisfaction client se situent plus en aval et peuvent refléter de nombreux changements dans l’entreprise. Les dirigeants ont besoin de preuves d’attribution plus solides avant d’attribuer ces résultats à un déploiement d’IA spécifique.

Les coûts d’entreprise peuvent traverser les budgets des départements

Les frontières du workflow constituent une partie du modèle de ROI. Les frontières organisationnelles en créent une autre. Lorsqu’une initiative IA nécessite de l’infrastructure, de l’intégration, de la gouvernance, de la sécurité, de la formation ou une revue humaine, le calcul doit inclure ces ressources même lorsqu’une autre fonction les finance. Le critère est de savoir si le déploiement a causé le coût.

Un calcul départemental peut devenir biaisé lorsqu’une fonction enregistre un gain de productivité alors que les coûts causés par la même initiative se trouvent dans d’autres budgets. Pour un directeur marketing, un projet d’IA peut atteindre un objectif d’efficacité marketing tout en produisant une économie moins favorable pour l’entreprise. Un CTO ou un responsable de l’ingénierie peut être confronté à la vision comptable inverse lorsque sa fonction supporte les coûts de mise en œuvre tandis qu’une autre enregistre le bénéfice. Les deux points de vue deviennent comparables lorsque le calcul suit le même workflow modifié.

Cela donne aux dirigeants une règle de frontière simple. Incluez l’intégration, la préparation des données, la gouvernance, le monitoring, la formation et la revue humaine lorsque l’initiative les exige. Imputer un coût à l’ingénierie, à la sécurité, au juridique ou au marketing modifie la comptabilité départementale. Le calcul du ROI de l’entreprise doit néanmoins comptabiliser les ressources consommées pour produire le bénéfice mesuré.

La capacité de l’IA crée de la valeur par son adéquation au workflow

Le même test économique s’applique aux systèmes auxquels un outil d’IA peut accéder. Lorsqu’un déploiement connecte des sources de données supplémentaires, les dirigeants doivent évaluer tout travail nécessaire pour établir la qualité des données, les définitions, la priorité entre les sources et les autorisations. Ces exigences peuvent affecter les coûts de mise en œuvre et la charge de travail continue. L’accès technique crée de la valeur économique par le changement qu’il produit dans le processus métier.

Pour qu’un agent IA utilise un champ de manière fiable, le déploiement peut nécessiter des règles couvrant ce que signifie le champ, quand il a été mis à jour, quelle source prévaut et quelles actions l’information autorise. Il s’agit de décisions d’architecture des données : des choix sur la manière dont l’information est structurée, définie, gouvernée et échangée entre les systèmes. Lorsqu’un déploiement exige ce travail, son coût fait partie du business case. Cela relie directement la conception technique à la frontière du ROI.

Le choix de l’outil doit comparer les changements sur l’ensemble du workflow. Un produit doté de davantage de fonctionnalités peut générer de faibles économies si le déploiement exige suffisamment de transfert de données, de saisie de contexte, de correction ou d’approbation pour compenser ces gains. Un système plus simple peut offrir une valeur économique supérieure lorsqu’il supprime davantage de travail total ou de délais. La décision dépend de l’amélioration nette mesurée du processus plutôt que du nombre de fonctionnalités.

Mesurez le workflow modifié

Un modèle de ROI plus solide commence par une référence pré-déploiement. Mesurez le travail, les étapes du processus, le temps écoulé et les ressources nécessaires pour parvenir à un résultat acceptable avant que le système d’IA ne modifie le travail. Après le déploiement, utilisez la même frontière et mesurez ce qui a disparu, ce qui est resté et quel nouveau travail est apparu. Cela crée une base cohérente pour calculer la variation nette.

Le calcul post-déploiement doit saisir les ressources que le système d’IA ajoute au processus et les coûts qu’il entraîne entre les fonctions. Cela maintient le numérateur et le dénominateur au même niveau organisationnel. Les bénéfices de l’entreprise sont comparés aux ressources d’entreprise consommées.

Les dirigeants doivent distinguer les effets opérationnels directs des résultats financiers en aval. Une réduction mesurée du temps consacré à une activité définie peut être comparée directement à sa référence pré-déploiement. Attribuer à l’IA une hausse du chiffre d’affaires, de la fidélisation ou de la satisfaction client exige des preuves qui isolent l’effet du déploiement des autres changements influençant ces résultats. Le modèle de ROI doit refléter cette différence de confiance dans l’attribution.

La mesure peut orienter les décisions d’achat avant même que l’argent ne soit engagé. Les équipes peuvent estimer comment chaque option modifie le travail total, le temps écoulé, le contexte requis, les approbations, les corrections et les ressources interfonctionnelles, puis appliquer les mêmes mesures après le déploiement. Comparer les résultats réels à la référence fait de l’adéquation au workflow une variable économique dans la décision d’investissement plutôt qu’une caractéristique technique considérée isolément.

Points clés

• Mesurez le ROI de l’IA au-delà de la vitesse d’exécution des tâches : Des tâches individuelles plus rapides ne prouvent pas des retours à l’échelle de l’entreprise. Mesurez l’ensemble du workflow, y compris la revue, la correction, la supervision et l’approbation nécessaires pour produire un résultat acceptable.
• Comptabilisez les coûts au-delà des frontières départementales : Incluez l’intégration, la préparation des données, la gouvernance, la sécurité, la formation, le monitoring et la revue humaine lorsque l’initiative IA les entraîne, quelle que soit la fonction qui les finance.
• Évaluez l’IA en fonction de son adéquation au workflow : Davantage de fonctionnalités ou d’accès aux données ne créent pas automatiquement plus de valeur. Comparez les outils selon leur effet net sur le travail, les délais, les corrections, les approbations et les autres ressources sur l’ensemble du processus.
• Établissez une référence cohérente du workflow : Mesurez le travail, le temps écoulé, les étapes du processus et les ressources avant et après le déploiement en utilisant la même frontière. Traitez séparément les résultats en aval tels que le chiffre d’affaires ou la fidélisation lorsqu’ils exigent des preuves d’attribution plus solides.