Quand l’augmentation des budgets consacrés à l’IA n’est pas synonyme de meilleurs résultats

Les dépenses des entreprises en matière d’IA augmentent, mais le retour sur investissement reste difficile à obtenir

Les dépenses en IA générative ont explosé dans tous les secteurs. Les conseils d’administration exigent des progrès visibles et la plupart des entreprises sont passées de projets pilotes à des intégrations d’IA à grande échelle. Pourtant, les résultats mesurables restent irréguliers. Forrester Research rapporte que les budgets consacrés à l’IA générative ont fortement augmenté au cours de l’année écoulée, mais la plupart des entreprises peinent encore à démontrer un retour sur investissement durable. Les premiers projets pilotes affichent des gains rapides en termes d’automatisation et d’efficacité, mais ces résultats s’estompent souvent lorsqu’ils sont transposés dans les opérations réelles. Les coûts augmentent de manière inattendue, les bénéfices restent difficiles à quantifier et les exigences de gouvernance rendent la justification financière plus complexe.

Il ne s’agit pas d’un échec technologique. Il s’agit d’un échec des modèles de mesure traditionnels. L’IA générative ne s’inscrit pas clairement dans les cadres de budgétisation standard parce qu’elle se comporte différemment, que ses coûts dépendent de son utilisation et que ses avantages sont souvent indirects ou à long terme. De nombreuses organisations suivent les dépenses d’IA comme s’il s’agissait d’une infrastructure informatique traditionnelle, mais l’économie de l’IA est fluide et axée sur la consommation. Ce décalage nuit à la clarté de la création de valeur.

Les dirigeants devraient cesser d’attendre de l’IA qu’elle prouve sa valeur à l’aide de vieux modèles financiers. Ils devraient plutôt s’attacher à définir la valeur dans son contexte. Cela signifie qu’il faut quantifier l’impact sur la productivité, la qualité des décisions et les améliorations de la rapidité de mise sur le marché, et pas seulement les économies de coûts. L’IA ne peut pas être mesurée uniquement en fonction des résultats transactionnels. Elle modifie la façon dont les entreprises fonctionnent et sont compétitives. Si les attentes financières ne sont pas adaptées à cette réalité, le retour sur investissement semblera toujours insaisissable, même lorsqu’une valeur stratégique est créée.

Le financement des technologies de l’information passe du contrôle des coûts à la création de valeur stratégique

La finance d’entreprise doit évoluer. Les organisations qui réussissent avec l’IA sont celles qui traitent les budgets informatiques non pas comme des coûts à minimiser, mais comme des moteurs stratégiques de croissance. Greg Zorella, Lead Principal Analyst chez Forrester Research, explique que les entreprises les plus performantes lient chaque dollar de technologie aux résultats stratégiques, à l’expansion de la clientèle, à l’augmentation des parts de marché et à l’amélioration de l’efficacité. Cette évolution est essentielle pour comprendre la logique économique de l’IA. Les investissements informatiques traditionnels sont prévisibles et faciles à amortir au fil du temps. Ce n’est pas le cas de l’IA générative. Elle est dynamique. Les modèles de consommation évoluent constamment, ce qui rend les modèles fixes peu fiables.

Pour les équipes dirigeantes, cela signifie que les finances et l’informatique doivent collaborer selon de nouvelles modalités. La transparence des coûts et les modèles d’attribution partagés deviennent essentiels. Tout le monde, de l’informatique au marketing, doit se mettre d’accord sur la définition et le suivi de la valeur. Cette collaboration permet de rendre des comptes et de prendre des décisions fondées sur des données. M. Zorella fait également remarquer que les dépenses excessives ne sont pas automatiquement négatives si l’argent sert à obtenir des résultats de grande valeur. Le véritable échec consiste à dépenser sans établir de priorités, à financer des projets sans comprendre les compromis ou les retours potentiels.

Les dirigeants devraient adopter un état d’esprit financier axé sur la valeur. Au lieu de limiter l’IA par des contrôles rigides des coûts, ils devraient donner aux équipes la possibilité d’investir là où les rendements sont prouvés et alignés sur les objectifs de l’entreprise. Le défi est opérationnel et non philosophique. Les dirigeants doivent mettre en place des systèmes financiers qui évoluent en même temps que la consommation, en veillant à ce que les investissements dans l’IA soient continuellement liés à des résultats mesurables. Cet état d’esprit aidera les entreprises à passer de l’expérimentation de l’IA à une stratégie axée sur l’IA.

PARLONS-EN !

Un projet en tête ?
Planifiez un appel de 30 minutes avec nous.

Des experts senior pour vous aider à avancer plus vite : produit, tech, cloud & IA.

Planifier un appel

Veuillez saisir une adresse email professionnelle valide.

Les réalités budgétaires des entreprises exigent que les initiatives en matière d’IA produisent des résultats tangibles pour l’entreprise

Les dépenses d’IA sont entrées dans une nouvelle phase, mesurée, compétitive et responsable. L’époque des budgets d’IA illimités est révolue. Les dirigeants et les conseils d’administration attendent désormais des résultats commerciaux clairs et quantifiables, directement liés à la croissance et à l’efficacité de l’entreprise. Sumit Johar, directeur des systèmes d’information chez BlackLine, explique que les responsables financiers n’accordent plus d’importance aux mesures d’adoption générale. Affirmer que « 95 % des employés utilisent l’IA » n’a pas de sens si cela ne se traduit pas par une augmentation de la rentabilité, une diminution des risques ou une augmentation des recettes.

M. Johar distingue deux types d’investissements dans l’IA. Le premier concerne l' »IA de tous les jours », c’est-à-dire les outils qui améliorent la productivité de base, comme la rédaction, la recherche ou la synthèse de données. Ces outils peuvent modifier la façon dont les gens travaillent, mais leur impact sur les résultats financiers est difficile à prouver. La deuxième catégorie comprend les projets d’IA axés sur les résultats et liés explicitement aux priorités de l’entreprise, comme l’accélération de l’accueil des clients, l’amélioration des prévisions de vente, la réduction des coûts opérationnels ou l’accélération des déploiements. Ces projets ont une valeur mesurable et défendable.

Dans les conditions financières actuelles, le financement de l’IA n’est plus additif. Les DSI doivent réaffecter les budgets existants plutôt que d’en demander de nouveaux. M. Johar fait remarquer que BlackLine applique déjà cette discipline. Les projets sont examinés conjointement par les responsables informatiques, financiers et commerciaux, ce qui garantit la responsabilité et l’alignement. Pour les dirigeants, le message clé est simple : L’IA ne peut pas rester un investissement isolé. Elle doit produire des résultats vérifiables qui résistent à un examen financier approfondi. Grâce à cet état d’esprit, l’IA passe du statut de dépense expérimentale à celui de mécanisme central de l’avantage concurrentiel.

Les défis structurels liés à la mise à l’échelle de l’IA entraînent une détérioration du retour sur investissement

Les entreprises constatent souvent les premiers succès de l’IA dans des environnements contrôlés et à petite échelle. Mais une fois que les projets passent à l’échelle de la production, les coûts explosent et le retour sur investissement diminue. Jim Olsen, directeur de la technologie chez ModelOp, décrit cette situation comme un défi structurel et non technique. Les premiers déploiements d’IA fonctionnent avec des paramètres clairs, des données limitées et des coûts gérables. Lorsqu’ils sont exposés à la complexité du monde réel, les modèles d’utilisation changent de manière imprévisible et les coûts de consommation augmentent plus rapidement que prévu.

L’IA générative intensifie ce problème. Parce qu’elle dépend de l’interaction libre avec l’utilisateur, les taux de consommation, mesurés en jetons ou en calculs, peuvent changer radicalement. Comme de plus en plus d’équipes réutilisent des modèles dans différents départements, la capacité d’attribuer des coûts ou d’attribuer une valeur à des résultats spécifiques s’effondre. En l’absence de suivi du cycle de vie et d’inventaire précis des systèmes en production, les entreprises perdent le contrôle des coûts et des mesures. Selon M. Olsen, de nombreuses entreprises ne sont même pas en mesure d’identifier tous les systèmes d’IA actuellement utilisés, ce qui constitue un obstacle fondamental à la gouvernance et à la responsabilité.

Pour les dirigeants, le message est direct : la discipline opérationnelle doit remplacer l’expérimentation ad hoc. L’IA nécessite une gestion structurée du cycle de vie, couvrant le développement, le déploiement, le contrôle et la mise hors service. Cette approche fournit des cadres de propriété et de mesure clairs, permettant aux décideurs de gérer l’exposition aux coûts à mesure que les systèmes s’étendent. Sans cela, des projets pilotes qui semblaient prometteurs se transforment en dépenses coûteuses et non mesurables. Traiter l’IA comme une infrastructure gérée en continu garantit que le retour sur investissement reste visible et défendable, même sous la pression de l’expansion.

Une gouvernance efficace est essentielle pour maintenir et défendre le retour sur investissement de l’IA

La gouvernance définit désormais la réussite ou l’échec des investissements dans l’IA. À mesure que les systèmes d’IA s’intègrent davantage dans les opérations commerciales, les dirigeants se rendent compte que la performance et la conformité ne suffisent pas. La capacité à prouver la valeur et à gérer la responsabilité détermine le retour sur investissement à long terme. Anthony Habayeb, directeur général et cofondateur de Monitaur, souligne que de nombreuses entreprises ont du mal à discuter du retour sur investissement parce qu’elles n’ont jamais établi de définitions claires de la réussite dès le départ. Lorsque les résultats et les mesures ne sont pas définis, les organisations se retrouvent à défendre les dépenses après coup, souvent sans la documentation nécessaire pour justifier l’investissement initial.

Une gouvernance forte change cette dynamique. Elle introduit une structure dès le début du cycle de vie, avant le déploiement, par le biais d’objectifs définis, d’un suivi transparent des données et d’une validation continue. M. Habayeb insiste sur le fait que la gouvernance ne doit pas être considérée comme une contrainte bureaucratique ou un simple mécanisme de conformité. Il s’agit plutôt d’un cadre qui améliore la clarté opérationnelle, met en évidence les possibilités d’optimisation et limite le gaspillage. Les systèmes d’IA bien gouvernés permettent aux équipes dirigeantes d’identifier les inefficacités et d’améliorer à la fois la précision et la performance.

Pour les cadres dirigeants, ce niveau de gouvernance devient obligatoire. Les changements réglementaires ajoutent à l’urgence. Des cadres tels que la loi européenne sur l’IA influencent déjà les normes mondiales en matière de transparence, de gestion des risques et d’auditabilité. Les organisations qui mettent en place une gouvernance mature à un stade précoce ne se contenteront pas de répondre aux exigences de conformité, elles bénéficieront également d’un avantage concurrentiel. Elles peuvent démontrer le retour sur investissement en toute confiance et défendre les décisions en matière d’IA devant les actionnaires, les régulateurs et les clients. Habayeb résume clairement la situation : « Si vous ne savez pas à quoi ressemble le succès dès le départ, vous ne pourrez pas défendre le retour sur investissement plus tard.

L’adoption de l’IA se transforme en un actif d’entreprise responsable et axé sur les résultats.

L’IA d’entreprise est en train de dépasser le stade expérimental et d’entrer dans une phase de responsabilité mesurable. Les entreprises qui sont à la pointe de l’adoption de l’IA ne se concentrent plus uniquement sur l’innovation, mais sur une valeur commerciale durable et démontrable. Elles comprennent que le potentiel de l’IA dépend de son intégration dans la stratégie de l’entreprise, de budgets alignés, d’opérations disciplinées et d’une gouvernance transparente. Lorsque ces éléments sont réunis, l’IA devient un atout dont la contribution aux résultats de l’entreprise est visible, et non un simple poste dans un budget d’innovation.

Cette nouvelle phase exige que les dirigeants s’approprient la création de valeur de l’IA. Les modèles financiers doivent être adaptés à l’économie basée sur l’utilisation, et les définitions de la valeur doivent aller au-delà des profits directs pour inclure l’efficacité et la réduction des risques. La discipline opérationnelle doit rester cohérente tout au long du cycle de vie du modèle, en renforçant la visibilité depuis la création jusqu’au retrait. La gouvernance doit rester intégrée, et non ajoutée ultérieurement. Ces pratiques garantissent que les décisions en matière d’IA sont stratégiques et s’appuient sur des données.

Pour les décideurs, ce changement représente une leçon importante. L’IA ne se justifiera pas d’elle-même ; sa valeur doit être conçue, mesurée et validée en permanence. Les organisations qui réussissent aujourd’hui sont celles qui considèrent l’IA comme un système commercial à long terme, et non comme une expérience ou une vitrine à court terme. En associant clarté financière, responsabilité du cycle de vie et gouvernance proactive, les entreprises passent de l’enthousiasme des essais à l’endurance des performances. Le résultat est une stratégie d’IA qui peut résister à un examen minutieux, évoluer durablement et offrir un avantage concurrentiel tangible.

Principaux enseignements pour les décideurs

• Les dépenses en matière d’IA augmentent plus rapidement que la clarté du retour sur investissement : Les budgets consacrés à l’IA continuent de grimper en flèche, mais la plupart des organisations ne parviennent pas à prouver un impact financier durable. Les dirigeants devraient redéfinir les mesures du retour sur investissement afin de saisir les gains de productivité, d’efficacité et de stratégie au-delà des économies de coûts traditionnelles.
• La finance doit passer du contrôle à la création de valeur : Les modèles de budgétisation existants ne peuvent pas mesurer les coûts imprévisibles et liés à la consommation de l’IA. Les dirigeants doivent aligner les finances et l’informatique sur des modèles d’attribution partagés qui relient directement les investissements dans l’IA à la croissance et à la compétitivité.
• Les budgets exigent désormais des résultats commerciaux clairs : Les projets d’IA doivent être financés sur la base de résultats tangibles, et non d’expérimentations. Les dirigeants devraient donner la priorité aux initiatives qui affectent directement le chiffre d’affaires, la rentabilité ou la réduction des risques, et faire en sorte que les équipes informatiques et commerciales soient conjointement responsables.
• La mise à l’échelle de l’IA sans structure érode le retour sur investissement : Les premiers projets pilotes d’IA donnent de bons résultats, mais les coûts augmentent au fur et à mesure que les projets passent en phase de production. Les décideurs devraient investir dans la gestion du cycle de vie et le suivi de l’utilisation pour contrôler la volatilité des coûts et préserver l’efficacité opérationnelle.
• La gouvernance définit la justification du retour sur investissement : Une gouvernance insuffisante compromet la justification du retour sur investissement, même pour les systèmes d’IA performants. Les dirigeants devraient intégrer la gouvernance dès le début, en définissant des objectifs clairs, en établissant des rapports et en assurant un suivi afin de renforcer la responsabilité et la préparation à la réglementation.
• La maturité de l’IA dépend d’une responsabilité mesurable : La phase expérimentale de l’IA s’achève, remplacée par une surveillance axée sur les résultats. Les dirigeants doivent traiter l’IA comme un actif stratégique et responsable, en l’alignant sur les objectifs fondamentaux de l’entreprise, sur des modèles de coûts durables et sur des cadres de gouvernance transparents.