Le ROI de l'IA en entreprise
Pourquoi les gains sont réels et n'arrivent pas dans vos comptes

Quatre chiffres à ne plus citer

Ils circulent dans les présentations sur le ROI de l'IA. Aucun ne résiste à la lecture de sa source.

Prépublication d'un doctorant du MIT, décembre 2024, 1 018 scientifiques. Le 16 mai 2025, le MIT a déclaré n'avoir aucune confiance dans la provenance, la fiabilité ou la validité des données. L'article a été retiré d'arXiv le 20 mai 2025.

Absent de l'article de la Harvard Business Review auquel il est attribué. Les 37 % désignent la part des destinataires qui jugent l'émetteur d'un livrable creux moins intelligent.

Chiffre du working paper de 2023. La version publiée au Quarterly Journal of Economics en 2025 retient +15 % en moyenne, avec un effet concentré sur les moins expérimentés. Citer la version publiée.

Attribué à l'AI Index de Stanford, introuvable sur la page primaire du rapport. Le chapitre Économie 2026 donne 88 % d'organisations utilisatrices et 70 % ayant déployé l'IA générative dans au moins une fonction.

Le même outil forme ou désapprend selon la façon dont il est introduit

Ce que cela change dans un déploiement

Mesure-t-on un avant ?

Sur chaque pilote en cours, existe-t-il un temps de référence relevé avant le déploiement. Sans lui, le retour est incalculable par construction, quelle que soit la qualité de l'outil.

Qui possède la capacité libérée ?

Les heures gagnées appartiennent-elles à quelqu'un, et cette personne a-t-elle un objectif sur ce qu'elle en fait. Sans propriétaire, la capacité se dissipe.

Quels processus avons-nous redécoupés ?

Combien de processus ont été repensés de bout en bout, par opposition à ceux qu'on a simplement outillés. C'est le facteur le plus corrélé à un effet mesurable sur le résultat.

Que coûtent la vérification et la reprise ?

Qui porte ce coût aujourd'hui, et apparaît-il quelque part dans nos calculs. Il change de porteur, donc il ne remonte dans aucun tableau de bord.

Nos budgets vont-ils où c'est mesurable ou où c'est rentable ?

Quelle part de la dépense IA vise une réduction de dépense externe, par opposition aux fonctions où l'attribution est simplement plus facile.

des entreprises françaises déclarent un usage modéré ou important de l'IA

en zone euro. Allemagne 46 %, Espagne 44 %, Italie 27 %

grandes entreprises françaises contre grandes entreprises de la zone euro

part de l'investissement IA dans l'investissement total prévu

Non, pas sous cette formulation. Le chiffre vient d'un rapport de juillet 2025 issu du projet NANDA du MIT, un document préliminaire non relu par les pairs. Il dit que 95 % des organisations interrogées n'ont pas mesuré de retour sur leur compte de résultat, ce qui n'est pas un taux d'échec de pilotes. Ses propres données page 6 montrent deux parcours distincts : pour les outils généralistes de type ChatGPT ou Copilot, 80 % des organisations ont exploré, 50 % ont piloté et 40 % ont déployé, soit 80 % des pilotes aboutis. Pour les développements sur mesure, 60 % ont exploré, 20 % ont piloté et 5 % ont déployé, soit 25 % des pilotes aboutis. Le « 95 % » décrit le second parcours, jamais le premier.

Oui, et c'est établi par des essais contrôlés randomisés publiés dans des revues à comité de lecture. Sur le support client, 5 172 agents ont résolu 15 % de tickets en plus par heure. Sur la rédaction professionnelle, 453 cadres ont réduit leur temps de 40 % avec une qualité en hausse de 18 %. Sur le conseil, 758 consultants ont traité 12,2 % de tâches en plus, 25,1 % plus vite. Sur le développement logiciel, 4 867 développeurs ont livré 26 % de tâches en plus. L'effet est plus fort sur les profils juniors et sur les tâches standardisées.

Parce que rien ne les convertit. Le gain se produit au poste de travail, sous forme de minutes récupérées sur des tâches fragmentées. Cinq minutes gagnées quarante fois ne deviennent pas un équivalent temps plein sans redécoupage du processus et sans décision explicite sur l'usage de la capacité libérée. L'enquête McKinsey de 2026, menée auprès de 1 719 dirigeants et professionnels, mesure exactement cet écart : 80 % des salariés utilisant l'IA constatent une hausse de leur productivité individuelle, 37 % des organisations attribuent un effet quelconque à leur résultat d'exploitation, et 6 % seulement lui attribuent au moins 5 % de cet EBIT avec un impact jugé significatif.

Mesurer l'effet d'un pilote sur le compte de résultat six mois après son lancement produit presque mécaniquement un zéro. Les travaux de Brynjolfsson, Rock et Syverson sur la courbe en J montrent qu'une technologie à usage général exige des investissements incorporels préalables, refonte des processus, formation, réorganisation, passés en charges et jamais capitalisés. La productivité mesurée baisse d'abord et monte ensuite. Leur estimation corrigée place la productivité globale des facteurs 11,3 % au-dessus des mesures officielles fin 2004 et 15,9 % au-dessus fin 2017. La conséquence pratique est de mesurer les étages intermédiaires, qui bougent en semaines, plutôt que le seul résultat financier.

En suivant cinq étages plutôt qu'un seul. L'adoption réelle par tâche, le gain unitaire net mesuré avant et après sur un panel, la capacité libérée obtenue en multipliant ce gain par le volume, la capacité effectivement convertie vers une destination nommée, et enfin l'effet sur une ligne du compte de résultat identifiée avant le déploiement. La plupart des organisations mesurent le premier étage sous forme de licences et le cinquième sous forme d'EBIT, en laissant les trois du milieu vides. C'est au quatrième étage que la valeur se perd le plus souvent.

Dans les fonctions support plutôt que dans les fonctions commerciales, alors que les budgets font l'inverse. Le rapport MIT NANDA documente des économies de 2 à 10 millions de dollars par an sur des contrats de sous-traitance de back-office supprimés, une baisse de 30 % des dépenses d'agences externes et un million de dollars par an sur des contrôles de risque réinternalisés. Le rapport précise que ces gains sont venus de la réduction de dépenses externes, sans réduction d'effectifs internes. Les budgets, eux, se concentrent sur les ventes et le marketing, où l'attribution est plus facile mais la valeur moins nette.

Non. Il faut ajouter le temps de vérification et de reprise des productions, qui change de porteur et n'apparaît donc dans aucun calcul. Une étude de BetterUp Labs et du Stanford Social Media Lab publiée par la Harvard Business Review en septembre 2025, portant sur 1 150 salariés américains à temps plein, mesure que 40 % d'entre eux ont reçu dans le mois un livrable généré par IA d'apparence soignée mais sans substance, pour un traitement moyen d'une heure et cinquante-six minutes par incident, soit environ 186 dollars par salarié et par mois.

Les données disponibles ne vont pas dans ce sens à ce stade. La Banque de France, sur l'enquête SAFE de la BCE du quatrième trimestre 2025 couvrant 4 968 entreprises de douze pays, observe que dans l'industrie manufacturière et les services les entreprises utilisant le plus l'IA anticipent une croissance de l'emploi plus élevée, pas plus faible. Les auteurs précisent que ces résultats sont descriptifs et non causaux. Deux autres travaux vont dans le même sens, dont une étude portant sur plus de 12 000 sociétés non financières de l'Union européenne.

Oui, et l'écart se creuse. Sur l'enquête SAFE de la BCE du quatrième trimestre 2025, 23 % des entreprises françaises déclarent un usage modéré ou important de l'IA contre 39 % en zone euro, 46 % en Allemagne et 44 % en Espagne. L'écart ne s'explique ni par la taille ni par la composition sectorielle, et il est le plus marqué sur les grandes entreprises, 22 % en France contre 46 % en zone euro. La part de l'investissement IA dans l'investissement total prévu s'établit à 7,2 % en France contre 9,1 % en zone euro.

Elles restent valables comme planchers, pas comme plafonds. Toutes ces mesures portent sur des modèles antérieurs à 2024, dépourvus de raisonnement, d'exécution de code et de lecture de corpus longs. L'étude sur le support client mesure un assistant bâti sur GPT-3 déployé fin 2020, publiée cinq ans plus tard. Le point décisif est ailleurs : entre ces mesures et aujourd'hui, les modèles ont changé plusieurs fois de génération, et la part d'entreprises attribuant un effet significatif à leur résultat d'exploitation est restée à 6 % d'une année sur l'autre. Si le modèle était le facteur limitant, ce chiffre aurait bougé.

Un ordre de grandeur en dessous des gains par tâche. Au Danemark, 25 000 travailleurs de onze métiers exposés, suivis dans les registres administratifs, déclarent économiser environ 3 % de leurs heures, et l'effet sur les salaires et les heures est nul deux ans après ChatGPT, avec des bornes excluant tout effet supérieur à 2 %. Aux États-Unis, les utilisateurs déclarent économiser 5,4 % de leurs heures, soit 1,4 % de l'ensemble des heures travaillées, pour un gain de productivité agrégé estimé entre 1,1 et 1,3 %. Sur 12 000 sociétés européennes suivies de 2019 à 2024, l'adoption de l'IA au sens large relève le niveau de productivité du travail de 4 %, sans effet négatif sur l'emploi. Les cadrages théoriques convergent : 0,5 à 0,7 % de productivité globale des facteurs sur dix ans pour Daron Acemoglu, 0,25 à 0,6 point par an pour l'OCDE. Ces chiffres et ceux des essais contrôlés décrivent les mêmes gains, mesurés après adoption partielle, dilution dans les heures et conversion incomplète.

Elles confirment le gain au poste de travail et l'absence d'effet autour de lui. L'expérience la plus large a été menée par Microsoft et Harvard dans 66 grandes entreprises auprès de 7 137 salariés, de septembre 2023 à octobre 2024 : les utilisateurs de Microsoft 365 Copilot ont passé deux heures de moins par semaine sur leurs e-mails, sans changement mesurable du temps de réunion ni du volume de documents produits, et l'usage hebdomadaire s'est stabilisé sous 40 % des personnes équipées. Chez Procter & Gamble, 776 professionnels ont travaillé avec GPT-4 entre mai et juillet 2024 : un individu équipé a atteint le niveau d'une équipe de deux sans IA, avec 16 % de temps en moins. Chez Ant Group, 1 219 programmeurs ont produit 55 % de lignes de code en plus sur douze semaines fin 2023, 67 % chez les juniors, sans mesure de la qualité du code.

Cela dépend de la nature de la tâche, et c'est mesuré. Une méta-analyse de 106 expériences publiée dans Nature Human Behaviour en 2024 montre que le binôme humain et IA fait en moyenne moins bien que le meilleur des deux seuls, avec une perte nette sur les tâches de décision et un gain sur les tâches de création. Sur l'écriture, 293 auteurs équipés de GPT-4 ont produit des textes jugés 8 % plus originaux et 9 % plus utiles, avec une perte de diversité collective. Chez Procter & Gamble, la qualité des solutions a progressé de 0,37 écart-type. En droit, 127 étudiants équipés d'un modèle de raisonnement et d'un outil de recherche documentaire ont gagné 0,20 à 0,35 écart-type de qualité. Au diagnostic médical, 50 médecins équipés de GPT-4 n'ont pas fait mieux que leurs collègues, alors que le modèle seul les dépassait de 16 points. Sur le code, 807 dépôts ayant adopté un assistant montrent une hausse persistante de la complexité et des avertissements d'analyse statique.

Quatre reviennent dans la plupart des présentations. Les 44 % de découvertes de matériaux en plus grâce à l'IA viennent d'une prépublication retirée d'arXiv le 20 mai 2025, après que le MIT a déclaré n'avoir aucune confiance dans la validité des données. Les 37 % de temps économisé réabsorbé en corrections ne figurent pas dans l'article de la Harvard Business Review qu'on leur attribue. Les 34 % de productivité en plus chez les agents novices sont un chiffre de working paper, la version publiée retient 15 % en moyenne. Les moins de 10 % d'entreprises ayant mis l'IA à l'échelle sont introuvables dans l'AI Index de Stanford auquel ils sont attribués. Le cinquième est le 95 % de projets IA qui échouent, traité en tête de cette page.