Mesurer le vrai retour sur investissement des projets basés sur des modèles génératifs
Un assistant génératif peut faire gagner du temps aux équipes sans améliorer le résultat de l’entreprise. Pour mesurer le ROI de l’IA générative, il faut relier les usages à des bénéfices réellement capturés, puis les confronter à l’ensemble des coûts du projet.
Cette démarche concerne autant les responsables métier que les directions financières, les équipes produit et les chefs de projet web ou IT. Elle aide à décider quels pilotes poursuivre, comment les mettre en production et à quelles conditions un gain local devient une valeur économique pour l’organisation.
Pourquoi le ROI de l’IA générative dépasse la productivité individuelle
Le premier résultat visible d’un projet génératif est souvent une tâche exécutée plus vite : rédiger une réponse, préparer une synthèse ou produire une première version de code. C’est un signal utile, mais il ne dit pas encore si le processus coûte moins cher, si la qualité progresse ou si l’entreprise peut servir davantage de clients.
McKinsey rapporte en 2026 que 80 % des répondants estiment que l’IA a amélioré leur productivité personnelle, alors que 37 % seulement lui attribuent un impact positif sur l’EBIT de leur organisation. Ces deux indicateurs ne mesurent pas la même chose : le premier porte sur une perception individuelle, le second sur un résultat financier à l’échelle de l’entreprise.
Le ROI de l’IA générative se mesure en rapportant les bénéfices économiques attribuables au projet, diminués de ses coûts complets, à l’investissement engagé sur une période définie. Les heures gagnées ne deviennent un bénéfice financier que lorsqu’elles sont effectivement converties en économies, en capacité valorisée ou en revenus supplémentaires.
L’adoption ne suffit pas non plus. McKinsey indique que 44 % des organisations déclarent désormais déployer l’IA à l’échelle de l’entreprise, sans que l’impact financier global progresse au même rythme. Le passage d’un pilote à de nombreux utilisateurs peut donc amplifier les coûts aussi bien que les bénéfices.
La question de la mesure est elle-même un sujet de gouvernance. Dans les services professionnels, Thomson Reuters rapporte qu’en 2025, seules 20 % des organisations mesuraient le ROI de leurs outils génératifs, tandis que 59 % ne le mesuraient pas du tout. Sans cadre partagé, chaque équipe risque de présenter ses propres indicateurs sans qu’il soit possible d’arbitrer entre les projets.
Les résultats publiés donnent un contexte, pas une cible universelle. BCG rapporte un ROI moyen pondéré de 13,8 % sur des déploiements d’IA générative et agentique, avec des niveaux déclarés d’environ 19 % dans les entreprises à forte maturité, contre 8 % à 9 % chez les adopteurs peu matures. Avant de comparer un projet à ces chiffres, il faut examiner le périmètre, l’horizon et la méthode de calcul utilisés.
Définir le périmètre et la formule de calcul du ROI
Un calcul exploitable commence par une décision simple : que cherche-t-on à évaluer ? Le ROI d’un pilote de trois mois, celui d’un produit en production sur un an et celui d’un programme de transformation ne portent ni sur les mêmes coûts ni sur les mêmes bénéfices. Le périmètre doit rester stable entre la situation de référence et la situation avec IA.
Une formule opérationnelle pour une période donnée est la suivante : ROI = (bénéfices économiques attribuables − coûts complets du projet) / coûts complets du projet × 100. Le résultat est exprimé en pourcentage. Un ROI positif signifie que les bénéfices pris en compte dépassent les coûts sur la période retenue ; il ne précise pas à lui seul quand l’investissement a été récupéré.
Pour rendre cette formule utile à une décision, documentez les éléments suivants :
L’horizon :
par exemple, la première année après lancement ou une période incluant la conception et l’exploitation.
Le périmètre métier :
une équipe, un processus de bout en bout, un produit ou plusieurs services.
La situation de référence :
volumes traités, délais, qualité, coûts et revenus observés sans la solution.
Les flux retenus :
dépenses initiales, coûts récurrents et bénéfices économiques attribuables à l’usage.
Les règles de calcul :
source des données, responsable de validation et traitement des incertitudes.
Il est utile de suivre séparément le délai de récupération : c’est le moment où les bénéfices cumulés compensent les coûts cumulés. Un projet peut afficher un ROI positif à deux ans tout en nécessitant un financement important la première année. À l’inverse, un retour rapide sur un petit périmètre ne garantit pas un résultat favorable lors du déploiement général.
Relier le calcul à l’EBIT sans confondre les deux
L’EBIT correspond au résultat avant intérêts et impôts. Il peut être affecté par des économies de charges ou par une marge supplémentaire, mais le ROI du projet n’est pas automatiquement égal à sa contribution à l’EBIT : le traitement comptable des dépenses et leur calendrier peuvent différer du modèle économique présenté au comité projet.
La direction financière doit donc valider le passage entre le calcul de décision et les comptes. Un tableau de suivi peut présenter côte à côte le bénéfice économique estimé, le bénéfice effectivement capturé et son effet comptable attendu. Cette séparation évite de promettre une amélioration du résultat sur la seule base d’une estimation de temps gagné.
Transformer les heures gagnées en valeur économique vérifiable
Le temps est souvent le premier indicateur disponible, mais il faut en observer l’usage après le déploiement. Si un collaborateur termine une tâche plus vite puis consacre le temps libéré à une activité sans effet mesurable sur le service, le gain reste une capacité potentielle. Il peut être intéressant pour l’organisation, sans constituer immédiatement une économie budgétaire.
La recherche The Rapid Adoption of Generative AI, publiée dans Management Science en 2026, illustre cette distinction. Fin 2024, 27 % des employés américains utilisaient l’IA générative au travail au moins une fois par semaine ; les gains de temps estimés par les répondants représentaient 1,4 % du total des heures de travail. Les auteurs soulignent des variations selon les secteurs et les politiques d’entreprise : une moyenne ne remplace donc pas une mesure sur le processus concerné.
Pour passer d’une estimation de productivité à une valeur capturée, posez quatre questions :
Combien de temps est réellement économisé ?
Comparez le processus complet avant et après, y compris la préparation, la vérification et les corrections.
Que devient cette capacité ?
Identifiez si elle permet de traiter davantage de demandes, d’éviter une dépense prévue ou de renforcer une activité prioritaire.
Quelle part est attribuable au projet ?
Séparez l’effet de l’outil de celui d’un changement de procédure, d’une variation de volume ou d’une formation indépendante.
Où la valeur apparaît-elle ?
Recherchez une baisse de dépense, une marge supplémentaire ou un budget effectivement réalloué, puis faites valider le résultat.
Prenons un exemple fictif. Une équipe constate qu’un assistant lui permet d’économiser 100 heures sur une période. Valoriser mécaniquement ces heures à un coût horaire peut aider à estimer le potentiel, mais ce montant ne doit pas être présenté comme une économie réalisée si aucune dépense ne baisse et si aucune activité supplémentaire valorisable n’est produite.
Si ces heures permettent effectivement d’éviter une prestation externe prévue, le montant de la prestation évitée peut entrer dans le calcul, sous réserve de preuve. Si elles permettent plutôt de traiter plus de dossiers payants, on retient la marge additionnelle attribuable à ces dossiers, pas leur chiffre d’affaires intégral. Il faut choisir le bon mécanisme et ne pas compter deux fois les mêmes heures sous forme d’économie et de revenu.
La valeur peut aussi être non financière à court terme : baisse des délais, meilleure continuité de service ou amélioration de l’expérience collaborateur. Ces effets méritent des indicateurs et un suivi, sans leur attribuer une somme arbitraire. Ils complètent le ROI financier et peuvent soutenir une décision, à condition d’être présentés séparément.
Recenser les coûts complets d’un projet d’IA générative
Le prix d’une licence ou d’un appel à un modèle n’est qu’une partie du coût. Un pilote peut sembler peu cher parce qu’il bénéficie d’un accompagnement ponctuel de l’équipe technique, utilise un petit volume de données ou évite les exigences d’intégration d’un service en production. Le budget doit couvrir le fonctionnement prévu, pas seulement la démonstration.
Google Cloud rapporte que 37 % des répondants placent la confidentialité et la sécurité des données parmi leurs trois principales considérations dans le choix d’un fournisseur de modèle de langage, devant l’intégration et le coût. Ces critères ont des conséquences budgétaires : contrôle des accès, revue juridique, protection des données et surveillance doivent être prévus dès le cadrage.
Les postes à intégrer au modèle
Conception et livraison :
cadrage métier, développement, tests, gestion de projet et mobilisation des experts internes.
Modèles et infrastructure :
abonnements, appels aux API, hébergement, stockage et traitement des données nécessaires au service.
Intégration :
connexions aux applications existantes, préparation des données, gestion des droits et maintenance des interfaces.
Qualité et supervision :
évaluation des réponses, revue humaine, traitement des erreurs et suivi des performances en production.
Sécurité et conformité :
analyses de risques, contrôles de confidentialité, exigences contractuelles et audits adaptés au contexte.
Adoption et exploitation :
formation, documentation, support utilisateur, amélioration continue et gestion des changements.
Sortie ou remplacement :
travail nécessaire pour migrer vers un autre fournisseur, récupérer les données ou retirer la fonctionnalité.
Certains coûts sont fixes, d’autres varient avec le nombre de demandes ou la longueur des traitements. Il faut donc établir un coût par usage pertinent : par dossier traité, par réponse validée ou par fonctionnalité livrée, plutôt que par simple requête technique. Une requête isolée ne reflète pas nécessairement les tentatives supplémentaires et le temps de vérification nécessaires à un résultat utilisable.
Le risque budgétaire grandit avec l’usage. McKinsey indique qu’une entreprise sur cinq voit déjà les coûts d’exploitation de l’IA freiner son utilisation. Dans le prévisionnel, comparez au minimum un scénario de volume modéré et un scénario de forte adoption, avec leurs coûts variables et leurs besoins de support respectifs.
Enfin, distinguez les dépenses nouvelles des dépenses déjà engagées, sans faire disparaître ces dernières du coût complet. Pour une décision future, les coûts qui ne peuvent plus être récupérés ne doivent pas être confondus avec les dépenses encore évitables. Pour évaluer la rentabilité globale du projet, ils restent néanmoins pertinents s’ils appartiennent à la période et au périmètre étudiés.
Choisir des indicateurs adaptés au cas d’usage et au niveau d’autonomie
Tous les projets d’IA ne créent pas de valeur de la même manière. Un modèle de prévision traditionnel, un assistant génératif soumis à validation humaine et un système agentique capable d’enchaîner des actions n’ont ni les mêmes résultats attendus ni les mêmes besoins de contrôle. Le cadre publié par le Cigref en mars 2026 invite précisément à distinguer ces catégories pour relier les usages à la valeur.
Commencez par décrire le travail réel : qui formule la demande, quelles données sont utilisées, qui vérifie le résultat et quelle décision ou action intervient ensuite ? Cette cartographie révèle souvent des activités en amont et en aval que le pilote technique ne mesure pas. Elle permet aussi de choisir un indicateur qui reflète le résultat final plutôt que le seul nombre de générations.
Trois familles d’indicateurs complémentaires
Productivité du processus :
temps de traitement complet, volume terminé, taux de reprise et coût par dossier effectivement clôturé.
Qualité et expérience :
conformité aux critères métier, corrections nécessaires, délais de réponse et retours des utilisateurs ou clients.
Résultat économique :
dépenses évitées et vérifiées, marge additionnelle, budget réalloué ou contribution financière validée.
Pour un assistant de support, le temps de première réponse peut s’améliorer alors que les dossiers nécessitent davantage de corrections. Il faut donc suivre également la résolution, les reprises et la qualité jugée par l’équipe. Pour une aide au développement, le nombre de lignes produites ne suffit pas : observez le travail nécessaire pour intégrer, tester et maintenir le changement.
Un cas orienté revenus demande une logique différente. Il peut viser à accélérer une proposition commerciale ou à améliorer une étape de conversion. Le suivi doit alors relier l’usage à une variation observable de ventes, puis calculer la marge attribuable en tenant compte des autres facteurs susceptibles d’avoir influencé le résultat.
Dans l’étude Google Cloud de 2025, les moteurs de valeur les plus cités sont la productivité à 70 %, l’expérience client à 63 % et la croissance à 56 %. Ces catégories peuvent coexister dans un même projet, mais elles ne doivent pas être additionnées comme si chacune représentait automatiquement un bénéfice financier distinct.
Pour un système agentique, ajoutez des indicateurs sur les actions effectivement autorisées, les interventions humaines, les échecs et les corrections. Plus l’autonomie confiée est importante, plus le dispositif de validation doit être explicite. Un gain de vitesse sur l’exécution n’est utile que si les actions réalisées restent acceptables pour le processus et ses responsables.
Établir une référence et attribuer les résultats au projet
Un bon indicateur ne suffit pas si l’on ignore ce qui se serait passé sans l’IA. Avant le déploiement, rassemblez les données disponibles sur une période représentative : volumes, délais, coûts, qualité et éventuelles variations saisonnières connues. Si les données historiques sont incomplètes, documentez cette limite et organisez une mesure initiale plutôt que de choisir une hypothèse favorable.
Lorsque c’est possible, comparez des situations similaires : une équipe qui utilise la solution et une autre qui conserve le processus existant, ou des dossiers comparables traités avec et sans assistance. La comparaison doit tenir compte des différences de complexité, d’expérience des opérateurs et de volume. L’objectif n’est pas de produire une expérience parfaite à tout prix, mais de rendre l’attribution plus crédible.
Un protocole simple peut suivre ces étapes :
Définir le résultat attendu :
par exemple, réduire le temps total nécessaire pour clôturer un type précis de demande sans dégrader la qualité.
Fixer la mesure initiale :
relever le temps, les volumes et les reprises selon une méthode identique pour tous les dossiers retenus.
Suivre l’utilisation réelle :
distinguer les personnes disposant de l’outil de celles qui l’utilisent sur le processus étudié.
Observer les changements simultanés :
noter les nouvelles procédures, les formations ou les variations de charge qui peuvent influencer le résultat.
Faire valider la capture de valeur :
vérifier avec le métier et la finance si le gain s’est traduit par un flux économique identifiable.
La mesure doit aussi inclure les parties prenantes en aval. Dans les services professionnels, Thomson Reuters souligne que beaucoup d’organisations n’ont pas encore de discussions structurées avec leurs clients ou interlocuteurs sur les effets de l’IA générative sur la relation d’affaires. Or un travail réalisé plus vite peut modifier les attentes sur les délais, les livrables ou les modalités de facturation.
Il est donc utile de vérifier qui bénéficie réellement du changement. Une économie interne peut être partagée avec le client, absorbée par une demande de qualité plus élevée ou utilisée pour enrichir le service. Ces options peuvent toutes être légitimes ; elles produisent simplement des résultats financiers différents pour l’entreprise qui investit.
Présentez enfin une fourchette quand l’attribution reste incertaine. Un scénario prudent peut ne retenir que les économies confirmées ; un scénario central peut ajouter des bénéfices documentés mais encore partiellement attribuables ; un scénario ambitieux peut intégrer des hypothèses de volume à valider. Pour chaque scénario, indiquez ce qui doit se produire pour qu’il soit atteint.
Passer du pilote à la production sans perdre le bénéfice attendu
Le pilote répond à une question de faisabilité : le modèle aide-t-il à accomplir une tâche dans des conditions définies ? La production pose une question plus large : le service reste-t-il utile, sûr et économiquement viable pour les volumes et les contraintes réels ? La seconde réponse demande généralement des preuves supplémentaires.
Google Cloud indique que 51 % des organisations transforment une idée en cas d’usage en production en trois à six mois, contre 47 % en 2024. Ce repère décrit une vitesse de livraison déclarée ; il ne démontre pas qu’un délai plus court suffit à créer du ROI. Aller vite peut réduire le temps avant les premiers bénéfices, mais une livraison précipitée peut aussi reporter des coûts sur l’exploitation.
Préparer une décision de passage à l’échelle
Avant d’étendre le projet, consolidez un dossier qui réunit la valeur observée, les coûts réels du pilote et les coûts prévisionnels de production. Il doit préciser le volume cible, les hypothèses d’adoption, les contrôles nécessaires et la personne responsable du résultat métier. Si le pilote n’a pas encore permis de mesurer un élément important, inscrivez-le comme condition à vérifier.
Continuer :
les utilisateurs trouvent une valeur démontrable, les risques sont maîtrisés et le modèle économique reste crédible aux volumes prévus.
Modifier :
la solution aide sur une étape précise, mais le parcours, les données, le modèle ou le niveau de supervision doivent être ajustés.
Limiter :
la valeur existe pour certains dossiers ou certaines équipes, sans justifier un déploiement général.
Arrêter :
les bénéfices observés ne compensent pas les coûts ou les conditions de maîtrise nécessaires ne sont pas réunies.
Le choix d’une alternative fait partie de l’analyse. Une automatisation classique, une recherche documentaire mieux organisée ou une amélioration du processus peuvent répondre au besoin sans recourir à un modèle génératif. Comparez ces options sur le même périmètre, avec les mêmes critères de coût, de qualité et de délai.
La réallocation budgétaire mérite une attention particulière. McKinsey observe qu’environ un tiers des organisations ont renoncé à acheter au moins un logiciel ou une fonctionnalité parce qu’elles pouvaient désormais le construire en interne avec des outils de codage agentiques. Pour un projet donné, l’économie ne correspond toutefois pas automatiquement au prix d’achat évité : il faut aussi intégrer la construction, la maintenance, la sécurité et l’évolution de la solution interne.
Après le lancement, prévoyez des revues régulières des volumes, du coût par résultat utile et des incidents ou reprises. Une décision favorable au départ ne dispense pas de réexaminer le service si les usages, les tarifs ou les besoins métier changent. Le passage à l’échelle est une étape de contrôle économique, pas la fin de la mesure.
Piloter le portefeuille et présenter un business case crédible
Un projet ne vit pas isolément : plusieurs équipes peuvent partager une plateforme, une licence, une base documentaire ou des compétences de sécurité. Pour arbitrer un portefeuille, affectez les coûts directs aux projets concernés et définissez une règle cohérente pour les coûts mutualisés. Présentez aussi le coût global de la plateforme afin qu’une somme de ROI locaux ne masque pas une dépense commune importante.
La maturité de l’organisation compte dans la lecture des résultats. Les chiffres BCG sur les écarts de ROI déclaré entre entreprises plus ou moins matures ne prouvent pas qu’une pratique unique produira le même écart partout. Ils rappellent en revanche qu’une comparaison sérieuse doit considérer les processus, les compétences et la gouvernance disponibles pour transformer un outil en résultat.
Dans le business case, séparez clairement trois états : observé pour les résultats mesurés, prévu pour les flux à venir et conditionnel pour les bénéfices qui dépendent d’une décision ou d’un changement supplémentaire. Cette présentation rend les hypothèses discutables sans affaiblir inutilement l’ambition du projet.
Les attentes publiées doivent être lues avec la même discipline. Le rapport SAP et Oxford Economics de 2026 indique que les entreprises interrogées prévoient un ROI moyen de 21 % sur l’année, contre 16 % l’année précédente, et de 38 % dans deux ans. Il s’agit de prévisions déclarées, non de résultats constatés ; elles ne sont pas directement comparables au ROI mesuré d’un projet particulier.
Exemple fictif de décision financière
Supposons qu’un projet engage 60 000 € de coûts complets sur la période étudiée. Les économies vérifiées et la marge additionnelle attribuable représentent ensemble 75 000 €, sans double comptage. Avec la formule définie plus haut, le ROI est de (75 000 − 60 000) / 60 000, soit 25 % sur cette période.
Supposons maintenant que 20 000 € de ces bénéfices correspondent en réalité à une capacité libérée dont l’usage économique n’est pas encore démontré. Les bénéfices confirmés tombent alors à 55 000 € et le ROI calculé sur cette seule base devient négatif : (55 000 − 60 000) / 60 000, soit environ − 8,3 %. L’écart ne dit pas que la capacité libérée est inutile ; il montre qu’une décision favorable dépend encore de sa conversion effective en valeur.
La discussion avec la direction peut alors porter sur une action précise : réorganiser le travail pour absorber un volume supplémentaire, confirmer une dépense évitée ou réduire les coûts d’exploitation. Le responsable du projet dispose ainsi d’un plan de validation plutôt que d’un pourcentage présenté sans contexte.
Mesurer le vrai retour sur investissement des modèles génératifs revient à relier trois niveaux : un usage qui fonctionne, un processus qui s’améliore et une valeur effectivement capturée. La qualité du calcul dépend autant de la référence choisie et des coûts inclus que de la performance du modèle.
Pour lancer la démarche, choisissez un cas d’usage bien délimité, associez dès le départ le métier et la finance, puis documentez les résultats avant toute généralisation. Vous pourrez ainsi décider de poursuivre, d’ajuster ou d’arrêter sur des éléments comparables, tout en conservant une place explicite pour les bénéfices qualitatifs.
