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

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.