Un dirigeant qui demande le retour sur investissement de son projet d'IA six mois après la mise en service pose une question à laquelle plus personne ne peut répondre. Le chiffre qui manque ne se trouve pas dans le tableau de bord de l'outil. Il se trouve dans l'état du processus avant qu'on y touche, et cet état n'a pas été relevé. À partir de là, tout ce qui remonte relève de l'impression : les équipes trouvent que ça va plus vite, le prestataire montre des volumes traités, la direction financière voit une ligne de dépense et rien en face.
Ce texte décrit la mesure telle qu'on la met en place sur des projets réels, avec les chiffres publics disponibles en septembre 2026 et l'arithmétique qui permet de trancher. La thèse tient en une phrase : le retour sur investissement d'un projet d'IA se décide au cadrage, pas au bilan.
L'IA se diffuse vite, les résultats comptables suivent lentement
En France, l'usage de l'IA a triplé en deux ans pendant que la part d'entreprises capables d'en montrer l'effet dans leurs comptes est restée minoritaire. L'Insee Première n° 2120, parue en juillet 2026, chiffre à 18 % les entreprises de dix salariés ou plus qui déclaraient utiliser au moins une technologie d'intelligence artificielle en 2025, contre 10 % en 2024 et 6 % en 2023, avec 58 % chez celles de 250 salariés et plus et 15 % chez celles de 10 à 49 salariés. L'adoption progresse donc vite, en partant de très bas dans les petites structures.
Sur les résultats, la pente est plus raide. Dans l'enquête mondiale publiée par McKinsey le 5 novembre 2025, 88 % des répondants déclarent un usage régulier de l'IA dans au moins une fonction, mais 39 % seulement rapportent un effet sur le résultat opérationnel au niveau de l'entreprise, et près de deux tiers des organisations n'ont pas encore commencé à passer à l'échelle. Autrement dit, presque tout le monde s'en sert, une minorité le retrouve dans ses comptes.
Les directions financières décrivent le même décalage. Une enquête Gartner menée en mars 2026 auprès de 204 responsables financiers, présentée le 28 mai 2026, montre que 63 % des organisations financières ont trouvé le déploiement de l'IA plus lent que prévu en 2025, tandis que 66 % de celles qui l'ont adoptée citent l'efficacité et la productivité comme premier bénéfice. Une efficacité largement ressentie, une valeur difficile à prouver.
La lecture facile consiste à accuser la technologie ou la maturité des équipes. Sur les projets que nous livrons, la cause première est ailleurs : au moment où l'on demande le retour sur investissement, personne ne dispose du point de départ. Le sujet n'est donc pas de mieux calculer après coup, mais de préparer le calcul avant. Cette exigence change la façon dont on choisit le premier cas d'usage, et elle vaut aussi bien pour un premier projet que pour une entreprise qui se demande par où commencer.
La mesure de référence se prend avant la mise en service
La seule fenêtre où l'on peut relever l'état initial d'un processus se situe avant d'y toucher, et elle ne se rouvre jamais. Quatre grandeurs suffisent dans la plupart des cas : le volume traité par mois, le temps passé par unité traitée, le taux d'erreur ou de reprise, et le coût complet du traitement actuel. Ces quatre nombres tiennent sur une feuille. Leur absence rend impossible tout calcul de retour, quel que soit le raffinement du tableau de bord installé ensuite.
Le temps par unité se relève en médiane, pas en moyenne. Un processus de traitement de demandes entrantes comporte presque toujours une queue de dossiers longs qui tire la moyenne vers le haut ; si l'IA n'attrape que les dossiers courts, la moyenne va s'effondrer sans qu'un seul dossier difficile ait bougé, et le gain affiché sera un artefact de composition. Relever la médiane et le quatre-vingt-dixième centile évite ce piège, parce que la comparaison porte alors sur des populations de même forme.
Le taux de reprise mérite une attention particulière, car c'est lui qui décide du résultat final et c'est le seul que personne ne journalise au démarrage. Un agent qui traite quatre-vingts pour cent des cas et laisse un humain reprendre les vingt pour cent restants ne fait pas gagner quatre-vingts pour cent du temps : il faut encore lire ce que l'agent a produit pour savoir s'il faut le reprendre. Ce coût de vérification, appliqué à cent pour cent du flux, mange une part considérable du gain, et il ne se déduit pas, il se chronomètre.
Le dernier élément est le groupe témoin. Garder une équipe, une agence ou un canal qui continue sans l'outil pendant la période de test coûte peu et vaut cher, parce que les volumes bougent tout seuls avec la saison, la conjoncture ou une campagne commerciale. Sans témoin, on attribue à l'IA une variation qui vient d'ailleurs. Cette semaine d'instrumentation avant la première ligne de code correspond à ce que nous appelons un cadrage, et c'est la logique du diagnostic flash en cinq jours : mesurer, puis décider s'il y a un projet.
Une heure gagnée n'est pas encore un euro gagné
Convertir des heures en euros demande une hypothèse explicite, et c'est là que la plupart des calculs se déforment. Le coût horaire du travail en France s'élevait en moyenne à 44,7 euros dans le secteur marchand non agricole hors services aux ménages en 2025, dont 31,0 euros de salaires et traitements bruts, d'après l'ouvrage Insee Références paru le 2 juillet 2026, qui place la France en huitième position de l'Union européenne, derrière l'Allemagne à 45,7 euros. C'est le bon ordre de grandeur pour valoriser du temps de travail.
Prenons un service qui traite deux mille demandes par mois, à douze minutes par demande. Un agent qui ramène le traitement à neuf minutes libère trois minutes par dossier, soit cent heures par mois, soit environ 4 470 euros de temps de travail au coût moyen français. Le calcul est juste et il ne prouve rien encore, parce qu'aucun de ces euros n'entre au compte de résultat par le seul fait que le chronomètre a bougé.
Ces heures deviennent de l'argent dans quatre situations, et seulement dans celles-là. Un poste ouvert n'est pas pourvu et la charge est absorbée sans embauche. Un recours à l'intérim, à la sous-traitance ou à un prestataire externe diminue de façon mesurable sur une facture. Une croissance d'activité est encaissée à effectif constant. Ou bien le temps libéré est réaffecté à une tâche qui produit du revenu, et l'on sait dire laquelle. Hors de ces cas, cent heures libérées produisent du confort et de la baisse de pression, ce qui a de la valeur mais ne se comptabilise pas.
Cette exigence paraît sévère, elle est surtout protectrice. Un projet présenté avec un gain de 4 470 euros par mois qui ne se matérialise nulle part détruit la confiance dans les projets suivants, alors que le même projet présenté comme une absorption de croissance sans embauche se défend très bien devant une direction financière. La même logique vaut pour les chantiers d'automatisation classiques, où le ROI de l'automatisation des processus se heurte exactement au même passage entre le temps et l'argent.
Le ressenti et la mesure ne racontent pas la même histoire
L'écart entre ce que les utilisateurs perçoivent et ce qu'un chronomètre enregistre est le meilleur argument pour refuser une enquête de satisfaction comme preuve de rentabilité. L'organisation de recherche METR a mené un essai randomisé sur seize développeurs expérimentés et 246 tâches réelles dans leurs propres dépôts, entre février et juin 2025. Le résultat, publié le 10 juillet 2025, montre que les tâches réalisées avec accès aux outils d'IA ont pris 19 % de temps en plus, alors que les mêmes personnes estimaient après coup avoir été accélérées de 20 %. Trente-neuf points séparent l'impression de la mesure, chez des professionnels qui observaient leur propre travail.
Ce chiffre appelle une précaution que METR a elle-même posée. L'organisation considère ce résultat comme daté et a publié une suite le 24 février 2026 : sur une nouvelle campagne lancée en août 2025 avec dix développeurs de l'étude initiale et 47 nouveaux, les tâches prennent cette fois 18 % de temps en moins pour les premiers et 4 % de moins pour les seconds, avec des intervalles de confiance qui traversent le zéro dans les deux cas. METR reconnaît un biais de sélection important, les développeurs refusant de plus en plus de travailler sans IA et la rémunération étant tombée de 150 à 50 dollars de l'heure entre les deux campagnes, puis modifie le protocole de son étude.
La leçon utile n'est donc pas que l'IA ralentit les équipes, ce que les données de 2026 ne soutiennent pas. Elle tient dans la comparaison des deux régimes de preuve. Une organisation spécialisée, qui randomise ses affectations et paie ses participants jusqu'à 150 dollars de l'heure, obtient un effet petit, incertain et encadré d'un intervalle large. Le ressenti des mêmes personnes, lui, est net, ample et confiant. Une entreprise qui mesure son projet d'IA en demandant à ses équipes si elles vont plus vite obtiendra toujours oui, quel que soit le résultat réel.
La conséquence pratique est directe. Les questionnaires d'adoption servent à repérer les frictions, les blocages et les cas d'usage inattendus, ce qu'aucun chronomètre ne montre. Ils ne servent jamais de numérateur dans un calcul de rentabilité. Le numérateur se prend sur des données de production : durées horodatées, volumes, tickets rouverts, factures externes.
Le coût complet : tout ce que le devis ne chiffre pas
Le coût réel d'un projet d'IA se répartit sur quatre postes, dont le plus visible est presque toujours le plus petit. Les appels au modèle se chiffrent aujourd'hui à la ligne près : la grille publique d'OpenAI consultée le 9 septembre 2026 affiche 5 dollars par million de jetons en entrée et 30 dollars par million en sortie pour son modèle principal, 0,75 et 4,50 dollars pour la déclinaison réduite, avec 50 % de remise en traitement différé et un dixième du prix sur les entrées mises en cache. À ces tarifs, un agent qui traite deux mille dossiers par mois coûte quelques dizaines d'euros mensuels en inférence.
Le raccordement au système d'information pèse bien davantage. Il faut lire et écrire dans l'outil métier, gérer les droits, tracer ce qui a été fait, prévoir le comportement quand une dépendance ne répond pas. Cette part est un développement classique, elle se chiffre comme tel, et elle ne diminue pas parce que le cœur du produit repose sur un modèle de langage. C'est la raison pour laquelle nous construisons des agents IA sur mesure en partant du processus et des interfaces existantes, plutôt qu'en partant du modèle.
Le troisième poste est la reprise humaine, déjà évoquée comme grandeur à mesurer et qu'il faut aussi budgéter. Le quatrième est la maintenance, et c'est celui que les devis oublient le plus souvent : les prompts se périment quand le métier change, les jeux d'évaluation doivent suivre, les fournisseurs mettent leurs modèles à jour et un comportement stable depuis six mois se met à dériver sans qu'une ligne de code ait bougé chez vous. Une provision annuelle de maintenance est une hypothèse honnête, son absence est une omission. Sur la partie variable, les méthodes pour maîtriser les coûts LLM évitent que la facture d'inférence dérape à mesure que l'usage grandit.
Reste la conformité, qui n'est pas un poste de confort. Parmi les entreprises françaises qui n'utilisent pas l'IA, 38 % invoquent la protection des données et 38 % l'incertitude juridique. Ces obligations coûtent du temps d'analyse et parfois des choix d'architecture plus chers, et elles pèsent dans le coût complet au même titre que le reste : le sujet est traité en détail dans notre article sur la gouvernance de l'IA face au RGPD et à l'AI Act.
Trois types de paris, trois façons de compter
Un projet de productivité, une aide à la décision et un pari de transformation ne se jugent pas avec la même règle, et leur appliquer un seuil de rentabilité unique revient à financer les mauvais et à tuer les bons. Gartner formule cette idée dans une intervention du 24 mars 2026 : les directions financières traitent l'IA comme un problème de retour unique alors qu'il s'agit d'un portefeuille de paris de natures différentes, avec des horizons, des profils de risque et des coûts récurrents distincts. La conséquence pratique consiste à définir la règle de mesure en même temps que le cas d'usage.
Les cas de productivité pure se mesurent à la tâche, et ce sont les seuls qui supportent un calcul de retour classique. Traitement de demandes répétitives, extraction d'informations de documents, rédaction de premières versions, qualification d'entrants. Le numérateur est du temps converti selon les quatre conditions décrites plus haut, le dénominateur est le coût complet, et un projet qui ne se rembourse pas en douze à dix-huit mois se discute franchement.
Les cas d'aide à la décision se mesurent par échantillon relu à l'aveugle, jamais par chronomètre. Une aide au diagnostic, une détection d'anomalies, une priorisation de dossiers ne fait pas gagner de temps, elle change la qualité de ce qui sort. La mesure consiste à faire relire cent cas par un expert qui ignore lequel a été traité avec l'outil, puis à compter les écarts. Le résultat n'est pas une économie, c'est un taux d'erreur évité, qu'il faut ensuite valoriser explicitement pour qu'il pèse dans une décision.
La troisième catégorie regroupe les paris de transformation, ceux qui visent une capacité nouvelle plutôt qu'une économie. Leur juger un retour sur investissement à six mois n'a pas de sens ; ils se pilotent par jalons et par options, avec un budget plafonné et une date de réexamen. L'erreur classique consiste à leur imposer le seuil des cas de productivité, ce qui les élimine avant qu'ils aient produit une information, et à l'inverse à financer un projet de productivité sur une promesse de transformation impossible à réfuter.
Le protocole minimum tient en six semaines
Six semaines suffisent pour savoir si un projet d'IA mérite d'être industrialisé, à condition de figer les règles avant de commencer. La semaine zéro sert au cadrage écrit : le périmètre exact, les quatre grandeurs de référence relevées sur les trois derniers mois de données réelles, le groupe témoin désigné, et surtout le critère d'arrêt. Ce critère s'écrit sous la forme d'un nombre et d'une date, par exemple un taux de reprise supérieur à trente pour cent à la sixième semaine, et il se signe avant que la première ligne existe.
Les semaines un et deux servent à instrumenter et à construire. Instrumenter veut dire poser les horodatages, le journal des reprises et le comptage des cas non traités, sur le processus actuel comme sur le futur. Un projet qui démarre sans ce journal produira dans six semaines des captures d'écran et des anecdotes. Un projet qui l'a posé produira un tableau à deux colonnes que la direction financière saura lire sans traduction.
Les semaines trois à six exécutent, sur un canal unique et un périmètre gelé. Élargir le périmètre en cours de route est la façon la plus courante de rendre un test illisible, parce que la population change en même temps que l'outil et qu'aucune comparaison ne tient. Le témoin reste actif pendant toute la durée. À la sixième semaine, on relève les mêmes quatre grandeurs et on applique le critère écrit au départ, sans le renégocier, y compris quand la réponse déplaît.
Le rapport final tient en une page : les quatre grandeurs avant et après, l'écart avec le témoin, le taux de reprise observé, le coût complet des six semaines, l'hypothèse de conversion des heures en euros et le nom de la personne qui en répond. Une entreprise qui produit cette page à chaque projet peut arbitrer son portefeuille ; celle qui produit des démonstrations arbitre au ressenti. Si vous voulez construire cette page sur votre propre processus, vous pouvez contacter Noxcod avec vos volumes actuels et l'on regardera ensemble s'il y a un projet à faire.
Questions fréquentes
Sur quelle durée juger un projet d'IA en entreprise ?
Six semaines suffisent pour trancher sur un cas de productivité délimité, à condition d'avoir relevé l'état initial. Pour un projet touchant plusieurs équipes ou plusieurs outils, comptez deux trimestres, avec un point intermédiaire à trente jours. Au-delà d'un an sans mesure formelle, le sujet n'est plus la rentabilité mais la gouvernance : personne ne sait plus dire ce qui était vrai au départ.
Comment mesurer si nous n'avons aucune donnée de départ ?
Vous relevez l'état actuel pendant deux à quatre semaines avant de déployer quoi que ce soit. Un chronométrage sur un échantillon de trente à cinquante dossiers, plus un comptage des volumes et des reprises, donne une référence utilisable. Cette étape paraît coûteuse et revient moins cher qu'un projet livré dont personne ne pourra jamais dire s'il a servi.
Faut-il compter une réduction d'effectif dans le calcul ?
Vous comptez ce que vous décidez réellement de faire, et rien d'autre. Sur les projets français qui passent entre nos mains, la conversion se fait le plus souvent par un poste non pourvu, une baisse de sous-traitance ou une croissance absorbée sans embauche, rarement par une suppression de poste. Inscrire une économie de masse salariale que la direction n'a aucune intention de réaliser fabrique un chiffre qui ne se vérifiera jamais.
Quel budget minimum pour une mesure sérieuse ?
La mesure elle-même coûte surtout du temps interne : quelques jours pour relever la référence et tenir le journal des reprises. Le poste réellement variable est le développement du cas d'usage et son raccordement aux outils métier. Nous chiffrons cette partie sur devis, après le cadrage, parce qu'un chiffre annoncé avant de connaître les interfaces existantes n'engage personne.
Que faire si le calcul ressort négatif ?
Vous appliquez le critère d'arrêt écrit au départ, et vous gardez la mesure. Un cas d'usage qui ne se rembourse pas indique souvent un mauvais choix de processus plutôt qu'une impasse technique : volume trop faible, cas trop variés, ou reprise humaine incompressible. Le même travail de mesure, appliqué au processus voisin, part alors avec un avantage considérable puisque l'instrumentation existe déjà.
