Six façons dont ton calcul de ROI de l'IA te ment

En 2026, les budgets d'IA ne sont plus expérimentaux. Deloitte a mesuré que l'accès des employés à l'IA a augmenté de 50 % en 2025 dans les organisations en pointe, selon son enquête State of AI in the Enterprise 2026, publiée le 21 janvier 2026 à Davos et couvrant 3 235 dirigeants dans 24 pays. Au même moment, l'enquête State of AI trust in 2026 de McKinsey confirme que la maturité progresse, mais que des lacunes persistent en stratégie, en gouvernance et en gestion des risques.

Voilà le paradoxe de l'année. L'adoption atteint un sommet historique. Le taux d'échec aussi. L'initiative NANDA du MIT, dans The GenAI Divide : State of AI in Business 2025 (basé sur 150 entretiens de cadres, un sondage de 350 employés et 300 déploiements publics), a observé qu'environ 95 % des pilotes d'IA générative n'ont que peu ou pas d'impact mesurable sur la rentabilité. Le rapport BCG AI Transformation Is a Workforce Transformation, publié le 3 juin 2026, enfonce le clou : à peine 5 % des organisations retirent des gains financiers substantiels de leurs projets d'IA, et environ 70 % de la valeur vient de la dimension humaine et organisationnelle, pas de l'algorithme.

L'écart entre les 5 % et les 95 % tient presque toujours à la façon dont le dossier d'affaires a été construit. Voici six façons dont le calcul ment en silence, et une question à poser avant d'approuver le budget.

1. Le leurre des « heures sauvées = dollars sauvés »

Le scénario. Un employé gagne deux heures par jour. On multiplie par un coût chargé moyen de 50 $ de l'heure, on projette sur un an, et le chiffrier annonce 25 000 $ récupérés par personne. On multiplie par l'équipe. On imprime la diapositive.

Pourquoi ça échoue. Les gains de productivité théoriques se traduisent rarement au bas de la ligne, sauf si deux conditions sont réunies : les postes sont réellement supprimés, ou les heures récupérées sont explicitement converties en production facturable que le client paie. Quand aucune de ces conditions n'est remplie, le temps réapparaît comme surcharge administrative, réunions allongées ou discussions plus lentes. Le Microsoft 2025 Work Trend Index, qui a sondé 31 000 travailleurs dans 31 pays, a montré qu'environ 20 % seulement des organisations avaient réduit les effectifs après avoir déployé de l'IA. Les autres 80 % ont absorbé le temps.

Le coût réel. Klarna a annoncé en 2024 qu'un assistant d'IA avait remplacé le travail de 700 agents de service à la clientèle, puis a reconnu en 2025 que la qualité du service avait baissé, et a entrepris de reconstruire une opération hybride humain + IA. L'estimation de ROI initiale n'était pas fausse d'un pourcentage. Elle était fausse d'une catégorie. Le coût de reconstruction de la confiance client n'était pas dans le chiffrier.

Question à poser. Si on n'a pas réduit les effectifs et qu'on n'a pas facturé les heures récupérées à un client payant, où le temps est-il réellement allé, et qu'est-ce que ça nous a coûté ?

2. Ignorer le coût total de possession

Le scénario. Le dossier d'affaires est construit à partir de la ligne du contrat fournisseur, ou de l'estimation mensuelle d'API au volume actuel.

Pourquoi ça échoue. Les projets d'IA ont une structure de coûts qui ressemble à de la fabrication, pas à de la licence logicielle. Une fois le modèle en production, la facture grimpe dans trois directions à la fois :

Coûts de consommation. L'usage des jetons d'inférence et les appels au modèle montent avec l'adoption, souvent de façon non linéaire.
Coûts de données. Nettoyage, étiquetage, augmentation et ingénierie des données dont le modèle a besoin.
Coûts de supervision humaine. Revue des sorties, correction des erreurs, réentraînement sur les cas limites, maintenance des invites.

Le communiqué de Gartner du 26 février 2025 (Roxane Edjlali, analyste principale) prévient que 60 % des projets d'IA qui ne s'appuient pas sur des données prêtes pour l'IA seront abandonnés ou échoueront d'ici la fin 2026. Les dépassements de coûts qui causent ces abandonnements apparaissent rarement dans le dossier initial.

Question à poser. Quel est notre coût annuel pleinement chargé par processus en régime stable, données, calcul, réentraînement et revue humaine inclus, et à quel niveau d'adoption l'économie unitaire casse-t-elle ?

3. Mesurer des indicateurs de vanité au lieu de résultats d'affaires

Le scénario. Le tableau de bord affiche des utilisateurs actifs, du volume de requêtes, des versions de modèle déployées et des courbes d'adoption qui grimpent. Le comité IA déclare un déploiement réussi.

Pourquoi ça échoue. Une utilisation élevée ne signifie pas une valeur élevée. Une équipe peut traiter des millions d'appels au modèle sans générer d'augmentation mesurable de revenus, de rétention ou de coût par dossier. L'adoption est une donnée d'entrée, pas une donnée de sortie.

Le rapport BCG de juin 2026 le pose crûment : à peine 5 % des organisations obtiennent des gains financiers substantiels. Le même rapport note que les 95 % restants affichent typiquement une adoption élevée et un faible impact, un paradoxe qui ne se résout que lorsqu'on cesse de mesurer des indicateurs d'entrée et qu'on commence à mesurer des indicateurs de résultat.

Question à poser. Si on retire les chiffres d'adoption et qu'on regarde seulement les revenus, la marge, le taux d'erreur et le délai de traitement, est-ce que la courbe monte ?

4. Attribuer la croissance générale à l'outil d'IA

Le scénario. Les ventes ont augmenté de 14 % le trimestre suivant la mise en service de l'IA. L'outil d'IA reçoit le crédit dans la présentation au comité de direction.

Pourquoi ça échoue. Sans comparaison contrôlée, on ne peut pas séparer la contribution de l'IA de la demande saisonnière, d'une campagne marketing parallèle, d'une vague d'embauches, d'un changement de prix ou d'un faux pas d'un concurrent. Le graphique AI at work but not at scale de McKinsey souligne que la petite part de performeurs isole son impact IA par analyse de cohortes ou tests A/B. Tous les autres devinent.

Le Hype Cycle for Agentic AI 2026 de Gartner est plus brutal : les progrès rapides de l'IA agentique sont dépassés par le battage et la confusion. Une part croissante des « victoires de l'IA » déclarées se trouve dans cette bande de battage.

Question à poser. Qu'est-ce que cette métrique aurait fait en l'absence de l'outil d'IA, dans une cohorte comparable ou un trimestre comparable, et peut-on montrer cet écart par écrit ?

5. Traiter l'IA comme un investissement ponctuel en capital

Le scénario. Le projet est approuvé en immobilisation, amorti sur trois ans, et oublié au quatrième mois.

Pourquoi ça échoue. Les modèles d'IA se dégradent à mesure que le monde change. Le comportement des clients évolue, les réglementations bougent, les données sources dérivent, et les invites qui marchaient en janvier cessent de marcher en juillet. Le rapport NANDA du MIT rend le point opérationnel : la durée de vie utile d'un modèle d'IA générative en production est couramment plus courte que le cycle budgétaire qui l'a financé.

Le communiqué de Gartner du 25 juin 2025 prévoit que plus de 40 % des projets d'IA agentique seront annulés d'ici la fin 2027, en grande partie parce que la gouvernance continue, le réentraînement et la maintenance n'ont jamais été chiffrés. Le calendrier d'amortissement du dossier initial devient fiction au neuvième mois.

Question à poser. Quel est notre budget trimestriel de maintenance pour la surveillance, le réentraînement, la mise à jour des invites et la gouvernance, et quel déclencheur nous dit que le modèle a dérivé au-delà du seuil de retour utile ?

6. Ignorer les passifs de risque, de sécurité et de conformité

Le scénario. Le ROI est calculé sur la vitesse opérationnelle. Le risque est traité dans un chantier à part, souvent par une autre équipe, souvent après l'approbation du budget.

Pourquoi ça échoue. Un seul incident d'IA peut effacer des années de gains d'efficacité. Le rapport Cost of a Data Breach 2025 d'IBM chiffre le coût moyen mondial d'une violation de données à 4,88 millions de dollars, en hausse de 10 % sur un an. Les expositions liées à l'IA et à l'IA fantôme y sont signalées comme vecteur en croissance.

L'exposition réglementaire est devenue concrète. En vertu du règlement européen sur l'IA (règlement (UE) 2024/1689), les amendes pour les manquements les plus graves atteignent 35 millions d'euros ou 7 % du chiffre d'affaires annuel mondial, le montant le plus élevé étant retenu. Le « Digital Omnibus », adopté en 2026, a reporté l'essentiel des obligations à haut risque au 2 décembre 2027, mais les obligations de transparence de l'article 50 et l'intégralité du régime de sanctions sont entrées en vigueur le 2 août 2026. Le ROI ajusté au risque n'est plus un raffinement théorique. C'est la loi.

Question à poser. Si cet outil d'IA produit une décision matériellement erronée, une fuite de données ou un manquement de conformité dans les douze prochains mois, quelle est la perte financière attendue, et figure-t-elle sur la même diapositive que le gain projeté ?

Ce que les six erreurs ont en commun

Chaque erreur ci-dessus est la même erreur déguisée : l'organisation engage des ressources avant que le dossier d'affaires ait été confronté à des preuves.

Les 5 % qui captent une vraie valeur font typiquement trois choses que les 95 % sautent. Ils notent chaque processus candidat selon des critères explicites avant d'engager le budget. Ils isolent la contribution de l'IA avec une mesure de référence qu'ils peuvent défendre devant un directeur financier. Et ils fixent un seuil de rentabilité dur, puis s'éloignent de tout projet qui le rate.

Un scorecard de faisabilité qui force une réponse sur la complexité de décision, la variabilité des entrées, le volume de transactions, le coût d'erreur et la tolérance à la latence attrape chacune des erreurs de cet article avant la signature de la première facture.

Ce qui marche : redessiner l'opération d'abord

La réaction naturelle face à une liste d'échecs de ROI est de refaire le même exercice avec un chiffrier plus serré. Les preuves de 2026 pointent dans l'autre direction.

Le même rapport BCG qui place les gagnants à 5 % des organisations est plus précis sur l'origine réelle de la valeur. Environ 10 % de la valeur de l'IA vient des algorithmes eux-mêmes. Un autre 20 % vient de la technologie nécessaire pour les déployer. Les 70 % restants viennent de la refonte de la dimension humaine et des processus. Autrement dit, une organisation qui installe un modèle dans un flux de travail inchangé ne capte au mieux que les 30 % qui reposent sur la pile technologique. L'organisation qui réingénière le flux autour de ce que le modèle sait bien faire capte le reste.

Le revirement de Klarna en 2025 est la démonstration la plus claire. L'annonce initiale de 2024 présentait l'IA comme un remplacement direct des agents humains du service à la clientèle. En 2025, l'entreprise a reconnu que la qualité du service avait baissé et a entrepris de reconstruire une opération hybride. La leçon n'était pas « l'IA a échoué ». La leçon était « remplacer un flux de travail par un modèle n'est pas la même chose que redessiner un flux de travail pour utiliser un modèle ». L'hybride qui en est sorti garde l'IA pour les requêtes à haut volume et faible complexité, et route les litiges, les remboursements complexes et les cas de hardship vers des humains. Le coût de la refonte était réel. Le coût de ne pas la faire, en confiance client et en réacquisition, était plus élevé.

Le Microsoft 2025 Work Trend Index fait la même observation côté employés. Dans les organisations qui captaient de la valeur de l'IA, les heures libérées étaient réinvesties dans des tâches à plus haut jugement : conversations client, résolution de cas limites, mentorat et contrôle qualité. Dans les organisations qui n'en captaient pas, ces mêmes heures ne faisaient qu'allonger la réunion moyenne. L'IA était identique dans les deux cas. La conception opérationnelle autour ne l'était pas.

Le pattern se vérifie sur les six erreurs de cet article. Chacune devient plus petite quand le flux de travail est redessiné en même temps que le modèle est introduit.

Le leurre des « heures sauvées » perd de sa force si l'opération route explicitement le temps sauvé vers une production mesurable et nouvelle.
La surprise du coût total de possession s'atténue si les coûts de données, de supervision et de réentraînement sont absorbés dans le processus redessiné dès le premier jour.
Les indicateurs de vanité perdent leur légitimité si le scorecard suit les résultats par rapport au flux redessiné, et non l'adoption par rapport à l'ancien.
L'erreur d'attribution de croissance devient visible si la refonte inclut un groupe témoin qui conserve l'ancien flux.
L'erreur du « capital ponctuel » s'efface si c'est la refonte elle-même qui devient l'unité de comptabilisation, avec des points de contrôle trimestriels intégrés.
L'erreur du risque ignoré s'amoindrit si le flux redessiné prévoit une étape de dépassement humain à chaque décision à coût élevé.

L'implication est directe. Avant de mesurer le ROI d'un outil d'IA, mesurez le ROI de la refonte opérationnelle que vous êtes prêt à mener en parallèle. Si ce chiffre est zéro, le ROI de l'IA a peu de chances de dépasser le plafond de 30 % que BCG rapporte.

Note sur les sources et leurs limites

Cet article s'appuie sur des sources primaires publiées entre 2024 et 2026. Les citations tirées de rapports de langue anglaise ont été traduites librement. Lorsqu'un chiffre n'a pu être rattaché à une source primaire vérifiée, il a été écarté.

Les sources les plus solides utilisées ici sont :

State of AI in the Enterprise 2026 de Deloitte (21 janvier 2026, Davos) pour la vitesse d'adoption.
State of AI trust in 2026 de McKinsey (avril 2026) pour la thèse de maturité.
AI Transformation Is a Workforce Transformation de BCG (3 juin 2026) pour les chiffres de 5 % et 70 %.
The GenAI Divide : State of AI in Business 2025 de l'initiative NANDA du MIT (août 2025) pour le chiffre de 95 % de pilotes et la méthodologie.
Communiqués de Gartner des 26 février 2025 et 25 juin 2025 pour les prédictions de 60 % et 40 %, et Hype Cycle for Agentic AI 2026 pour le cadrage « le battage dépasse les progrès ».
Cost of a Data Breach Report 2025 d'IBM pour la moyenne mondiale de 4,88 millions de dollars.
Règlement (UE) 2024/1689 (règlement sur l'IA) pour le plafond réglementaire, avec le report du Digital Omnibus noté honnêtement.

Une limite importante. Il n'existe aucune étude unique mesurant « de combien les entreprises surestiment leur ROI d'IA en moyenne ». Les erreurs ci-dessus sont déduites de preuves convergentes (Klarna, le chiffre de 95 % de pilotes, les 5 % qui gagnent). Toute personne qui affirme un pourcentage précis pour cette surestimation est, selon notre expérience, en train de l'inventer.

Envie d'attraper ces erreurs avant qu'elles frappent le budget ?

Un court scorecard de faisabilité de processus, noté avant tout engagement, aurait signalé chacun des cas ci-dessus. Cinq axes, une porte de rentabilité, pas d'agent construit à moins que les preuves tiennent.

Si votre équipe évalue une initiative d'IA ce trimestre, le cadre Agentic Process Value (APV) est la méthodologie que nous utilisons pour mener exactement cet audit. Elle est publiée en cinq langues sur agenticprocessvalue.ai.

Sources

Deloitte, State of AI in the Enterprise 2026, publié le 21 janvier 2026, Davos. (Enquête officielle, 3 235 dirigeants dans 24 pays.)
McKinsey, State of AI trust in 2026 : Shifting to the agentic era, AI Trust Maturity Survey, avril 2026. (Enquête officielle ; titre, sous-titre et auteurs vérifiés via une capture d'archive.org du 22 avril 2026. Corps du rapport non accessible au moment de la rédaction.)
BCG, AI Transformation Is a Workforce Transformation, quatrième enquête annuelle, publié le 3 juin 2026. (Rapport officiel.)
Initiative NANDA du MIT, The GenAI Divide : State of AI in Business 2025, méthodologie : 150 entretiens de cadres, sondage de 350 employés, 300 déploiements publics. (Rapport de recherche universitaire ; couverture par Fortune le 18 août 2025.)
Gartner, communiqué de presse, Lack of AI-Ready Data Puts AI Projects at Risk, 26 février 2025 (Roxane Edjlali). (Communiqué officiel.)
Gartner, communiqué de presse, Gartner Predicts Over 40 Percent of Agentic AI Projects Will Be Canceled by End of 2027, 25 juin 2025. (Communiqué officiel.)
Gartner, Hype Cycle for Agentic AI 2026, été 2026. (Cycle de recherche officiel.)
Microsoft, 2025 Work Trend Index, 31 000 travailleurs dans 31 pays. (Enquête officielle.)
IBM, Cost of a Data Breach Report 2025, publié en juillet 2025. (Rapport sectoriel annuel officiel.)
Klarna, déclarations publiques sur la stratégie de service à la clientèle par IA, 2024 à 2026, avec couverture dans Forbes (mai 2025), Reuters et Bloomberg. (Communications officielles de l'entreprise et couverture de presse.)
Union européenne, règlement (UE) 2024/1689 (règlement sur l'IA), article 99 sur les sanctions, avec le report du Digital Omnibus adopté en 2026. (Règlement officiel.)

← Retour au blogue