Stratégie

5 clés pour réussir vos projets IA, sans investir tous azimuts

---

Plus de la moitié des entreprises reconnaissent que leurs projets d'IA n'ont pas atteint leurs objectifs. Voici ce que les responsables technologiques doivent faire différemment pour améliorer ce ratio.

PublicitéMalgré des investissements massifs dans l'IA l'an dernier, la plupart des entreprises peinent à dégager des résultats tangibles. Selon une étude de PwC auprès de Pdg dans le monde entier, publiée en janvier 2026, 56% d'entre eux n'ont constaté ni augmentation de leurs revenus ni diminution de leurs coûts grâce à l'IA au cours des 12 derniers mois. Ce constat est corroboré par les chiffres de Gartner, qui montrent que seulement 5% des directeurs financiers ont fait état de réductions de coûts et 6% d'augmentations de revenus grâce à l'IA. Comment expliquer ces résultats décevants ? Tout simplement parce qu'ils « se concentrent vraiment sur les mauvais indicateurs, assure Shamim Mohammad, vice-président exécutif et DSI chez CarMax, une entreprise américaine de vente de véhicules neufs et d'occasion. Il y a une incompréhension fondamentale quant à la manière de mesurer l'IA. »

Les entreprises ont également tendance à privilégier les mauvais objectifs, comme l'amélioration de la productivité des employés, sans pour autant mesurer pleinement les résultats de l'entreprise. Une IA qui permet de gagner deux heures par développeur logiciel ne sert à rien si l'on ne peut pas expliquer au directeur financier comment ce temps a été utilisé, ce qui peut s'avérer complexe. De plus, certaines entreprises ont sous-estimé l'ampleur de la gestion du changement organisationnel nécessaire pour réaliser des gains d'efficacité. Enfin, les indicateurs de performance, comme le pourcentage de gains directement attribuables à l'IA et la prévision des coûts récurrents liés au déploiement à grande échelle de projets d'IA, sont difficiles à définir.


Shamim Mohammad, directeur des systèmes d'information et des technologies de CarMax. (Photo : CarMax)

Certains Pdg qui pensaient que les gains de productivité de l'IA se traduiraient par une réduction des effectifs ou des embauches ont également été déçus. Selon Gartner, les entreprises ont besoin de gains de productivité d'au moins 50 à 70% avant de pouvoir réduire leurs effectifs. « Nous observons peu de cas d'utilisation atteignant de tels niveaux », souligne Nate Suda, analyste directeur senior chez Gartner. La plupart se situant entre un gain nul et environ 30%, selon lui.

Certaines organisations obtiennent des résultats significatifs en s'alignant sur leurs objectifs stratégiques, en adoptant une vision à long terme du retour sur investissement et en se concentrant sur des objectifs métiers essentiels qui peuvent ou non relever d'indicateurs financiers traditionnels. Voici cinq points de repère clés à appliquer aux projets d'IA, ou à vérifier par rapport à ceux-ci.

1) Choisir les bons projets alignés sur les objectifs métiers majeurs

PublicitéAvant de considérer les indicateurs de réussite et les étapes clés d'une stratégie IA, assurez-vous que vos cas d'usage sont bien alignés sur les objectifs métiers et que vous avez priorisé les résultats les plus importants sur le plan stratégique. Selon Keith Sarbaugh, vice-président exécutif et directeur du numérique et de la technologie chez Zoetis, une entreprise spécialisée dans la santé animale, les analyses de rentabilité de l'IA doivent être élaborées par la direction. « En collaboration avec le conseil d'administration, nous avons priorisé les cas d'usage dans les domaines de la R&D et des activités commerciales », illustre-t-il.

Ancien directeur data et IA au sein de l'établissement financier Edward Jones et actuellement consultant chez Practitioners for Practitioners, un réseau de conseillers experts en IA et en données, Zar Toolan conseille lui de comparer les performances atteintes aux résultats associés à la stratégie de l'entreprise et d'évaluer les dépenses par rapport aux meilleures entreprises du secteur. D'après ses recherches sur les entreprises leaders du secteur des services financiers, les données et l'IA absorbent par exemple 15 à 20% des budgets informatiques globaux, qui représentent eux-mêmes 10 à 12% du chiffre d'affaires. « Bien que ces chiffres varient d'une organisation à l'autre, il est essentiel de savoir où et comment vos principaux concurrents investissent et où ils se désengagent », explique-t-il.


Keith Sarbaugh, vice-président exécutif et directeur du numérique et de la technologie de Zoetis. (Photo : Zoetis)

Selon Natev Suda, ce sont souvent les dirigeants non techniques qui décident des dépenses en IA, tandis que les DSI sont chargés de la mise en oeuvre. Cela suppose une compréhension partagée des attentes en matière de valeur et des échéances. C'est par exemple ce qui s'est passé chez CarMax. « Les responsables opérationnels adhèrent au projet et le directeur financier et moi-même examinons les cas d'usage, explique Shamim Mohammad. Le coût est imputé au budget de l'unité opérationnelle concernée et la responsabilité incombe à son responsable. »

Lorsque Zoetis a décidé de lancer un projet pilote d'IA pour améliorer la productivité de son service client, l'entreprise a mesuré le temps passé sur chaque appel et le temps nécessaire pour assurer un suivi des demandes. Un fois le projet déployé, le premier indicateur est resté stable tandis que le second a connu une nette amélioration grâce aux recommandations de suivi générées par l'IA. La qualité de l'expérience s'est ainsi améliorée et l'équipe a pu toucher davantage de clients, principal indicateur de réussite. Zoetis a également déployé Microsoft Copilot et d'autres fonctionnalités d'IA afin de démocratiser la technologie, mais se concentre désormais sur des transformations majeures dans les domaines de la chaîne d'approvisionnement et de la gestion du cycle de vie des contrats.

Il est donc crucial d'avoir une stratégie d'IA globale alignée sur la stratégie business de l'organisation. Chez Edward Jones, la mise en place de la stratégie data et IA s'est étalée sur deux ans, explique Zar Toolan. L'entreprise a doté ses conseillers d'outils de GenAI entraînés sur les données internes de la firme et a développé des assistants de conseil pour aider ses conseillers financiers à élaborer rapidement des plans d'actions pour les portefeuilles clients à partir des comptes rendus de réunion et des données du système CRM.

« Le système effectue des recherches internes, les met en correspondance avec le plan du client et formule des recommandations sur la manière de mise en oeuvre », explique l'ex-directeur data et IA au sein de l'établissement. Les équipes de conseillers ont ainsi économisé environ une journée de travail par semaine et ont pu répondre plus rapidement aux clients. « Ils ont pu approfondir leurs relations avec eux, obtenir de meilleurs scores de satisfaction et des résultats mieux alignés sur leurs objectifs prioritaires », ajoute-t-il.


Zar Toolan, consultant chez Practitioners for Practitioners. (Photo : Technology Partners)

L'IA qui améliore le service client peut également avoir un impact direct sur le compte de résultat. Par exemple, une réduction du taux d'attrition qui évite des pertes de revenus, tandis qu'une augmentation des conversions va générer une hausse des ventes. La difficulté réside dans la mesure de l'évolution des revenus et la détermination de la part de l'impact directement imputable à l'IA.

Et d'autres projets peuvent présenter des avantages financiers tout aussi importants, bien que moins visibles. Par exemple, l'utilisation de l'IA pour optimiser l'utilisation du capital, grâce à de meilleures prévisions des ventes et des comptes fournisseurs, peut améliorer sensiblement le cycle d'exploitation et le taux d'utilisation moyen de la dette renouvelable, augmentant ainsi la liquidité. « Plus la précision est grande, moins les charges d'intérêts liées au fonds de roulement ou à la dette renouvelable sont élevées », souligne Zar Toolan. « Ces deux éléments peuvent accroître le flux de trésorerie disponible et sont donc souvent considérés comme équivalents à des économies de coûts, même s'ils se matérialisent à d'autres niveaux », abonde Nate Suda.

Pour certains projets d'IA, l'objectif peut simplement être de devancer les utilisateurs déjà familiarisés avec des outils comme ChatGPT. Le risque étant que, si l'organisation ne fournit pas d'outils de GenAI de base, les employés transfèrent ses données sensibles vers des outils publics pour analyse. Car l'IA générative devient un outil indispensable pour tout employé de bureau. « Comment mesurer la valeur d'Excel dans une organisation ?, interroge Afshean Talasaz, ancien vice-présidente senior et directeur technique de Colonial Pipeline (transport d'hydrocarbures). Tout le monde l'utilise, et personne ne se demande si c'est encore nécessaire. Nous n'en sommes pas encore là avec l'IA générative, mais c'est certainement une possibilité, car les méthodes de travail, les coûts et les attentes vis-à-vis de l'IA évoluent en entreprise. »

2) Connaître ses coûts réels

Lorsqu'on projette le retour sur investissement, déterminer avec précision le dénominateur de l'investissement ou du coût d'un projet d'IA peut s'avérer ardu. Contrairement aux projets IT traditionnels, les coûts de développement d'une IA sont inférieurs aux coûts d'exploitation courants, surtout à grande échelle. « Pour les DSI, cette dynamique de coûts est inédite », souligne Nate Suda de Gartner.

C'est d'autant plus problématique que les enjeux peuvent être considérables : le coût des projets d'IA, ainsi que celui des données, de l'infrastructure et de la gouvernance sous-jacentes nécessaires à leur mise en oeuvre, accroît les risques d'échec. « Je suis un professionnel dans le secteur des technologies depuis 25 ans, et c'est le projet le plus coûteux et le plus complexe sur lequel j'aie jamais travaillé », indique par exemple Keith Sarbaugh, de Zoetis.


Afshean Talasaz, ancien vice-président senior et directeur technique de Colonial Pipeline. (Photo : Colonial Pipeline)

Mais tous les projets ne sont pas forcément onéreux, précise Afshean Talasaz. « J'ai vu des projets peu coûteux et d'autres qui ont coûté des millions », dit-il. Le coût d'un projet d'IA dépend notamment de la capacité de l'organisation à concevoir et développer des projets d'IA en interne, ou de son recours à des partenaires externes ; de la prise en compte des besoins en données et en infrastructure, ou de son implémentation entièrement dans le cloud.

Selon l'ex-CTO de Colonial Pipeline, la manière dont on mesure le succès est cruciale pour le retour sur investissement (ROI). La plupart des projets reposent sur des plateformes mutualisées dont la mise en place peut s'avérer coûteuse, et la répartition de ces coûts influe sur la rentabilité. C'est pourquoi, explique-t-il, si l'aspect économique d'un projet est important, établir une vision globale peut s'avérer difficile. Ces projets comportent un degré d'innovation et d'incertitude qui peut leur conférer des caractéristiques propres au capital-risque, à l'instar de la recherche pharmaceutique ou de l'exploration pétrolière et gazière. « Il est plus efficace de définir des indicateurs financiers pour les projets d'IA à l'échelle d'un portefeuille, où les investissements dans les données et l'infrastructure d'IA, la mise en place de plateformes, la scalabilité, les attentes, les incertitudes liées au délai d'adoption et l'interconnexion avec d'autres cas d'usage peuvent être mesurés plus efficacement », conclut-il.

Le groupe de travail sur l'IA de la Fondation FinOps s'attelle précisément à définir une méthode de mesure plus précise de la valeur des projets d'IA, car 98% des équipes FinOps gèrent désormais les dépenses IA, contre seulement 31% il y a deux ans et 63% en 2025, selon une récente étude la Fondation.

Si les indicateurs financiers restent les mêmes, les données nécessaires à leur élaboration diffèrent et peuvent s'avérer difficiles à réunir. « En matière d'IA, le succès se mesure en jetons plutôt qu'en minutes, ou en appels d'API plutôt qu'en heures et minutes d'utilisation », explique Rob Martin, chercheur FinOps à la Fondation. « Malheureusement, une grande partie des données relatives aux coûts et à l'utilisation ne figure pas dans les factures » des fournisseurs, ajoute-t-il. Les entreprises n'ont donc d'autre choix que de les collecter via des proxys d'API ou des solutions tierces.


Rob Martin, chercheur associé à la Fondation FinOps. (Photo : FinOps Foundation)

Cependant, les modèles ne permettent pas toujours de connaître le nombre de jetons utilisés. « Les coûts de l'IA et la disponibilité des services sont plus volatils, il est donc possible que vous ne puissiez pas prévoir les coûts d'exploitation de votre modèle à grande échelle », résume Rob Martin. Cette situation a contraint de nombreux DSI à prévoir les coûts sous forme de fourchettes plutôt que de chiffres précis. Le chercheur recommande donc la création d'un comité d'investissement en IA ou d'une équipe d'experts, présidée par le DSI, qui inclut toutes les parties prenantes impliquées dans les dépenses en IA, ainsi qu'un cadre expérimenté capable de définir un périmètre FinOps pour les dépenses, de financer progressivement les projets concurrents, d'élaborer un plan de collecte et d'analyse des données et de présenter les indicateurs de performance au conseil d'administration.

3) Prioriser pour réussir

Parmi les 10 indicateurs de valeur de l'IA identifiés par le cabinet Gartner, la productivité se situe en bas de l'échelle. Les projets qui améliorent l'utilisation du capital, réduisent les pertes, améliorent l'expérience client ou contribuent au développement de nouveaux produits présentent un potentiel de croissance de revenus bien plus important.

Les indicateurs opérationnels tels que le Net Promoter Score (NPS), la productivité horaire et la réduction du backlog mesurent le rendement des employés, tandis que les indicateurs financiers comme le coût moyen de la main-d'oeuvre par employé, les taux de vente et de conversion, et les pertes évitées se concentrent sur le retour sur investissement (ROI). Les indicateurs avancés comme le trafic, les clics et la croissance des parts de marché mesurent ce que Gartner appelle le retour sur investissement futur.

Pour Zar Toolan (Practitioners for Practitioners), il existe certains référentiels d'évaluation de l'IA que chaque entreprise devrait suivre, en l'adaptant à la situation particulière. Il convient ainsi d'évaluer la stratégie, l'architecture technologique en place ou la plateforme d'IA, d'apprécier le niveau de préparation des employés en fonction de leurs compétences et de leur état d'esprit, et de mesurer les résultats déjà atteints par rapport aux objectifs business. « Ces référentiels doivent être très spécifiques à chaque secteur d'activité et adaptés à l'avancement de votre organisation dans le domaine de l'IA », explique-t-il.

Cependant, les indicateurs financiers traditionnels ne sont pas toujours les plus pertinents pour atteindre les objectifs visés. Par exemple, l'objectif commercial peut consister à améliorer la satisfaction client grâce à des mesures telles que les enquêtes NPS. Mais ces dernières ont leurs limites. « Il faut se fier aux réponses aux enquêtes, et la tentation est grande de surestimer l'importance de l'amélioration », explique Keith Sarbaugh (Zoetis).

Chez CarMax, les indicateurs clés de performance (KPI) les plus importants des deux principaux projets d'IA sont la satisfaction client, les conversions et les ventes. Le concessionnaire automobile en ligne a développé Skye, son assistant IA, pour accompagner les clients dans leur processus d'achat. Rhodes, un agent virtuel, guide de son côté les conseillers des centres d'appels en leur suggérant des questions à poser aux clients, en leur fournissant rapidement les documents nécessaires et en les aidant à s'y retrouver parmi les règles, réglementations et politiques en vigueur. « Le gain de temps est un bon indicateur, mais ce qui nous intéresse surtout, ce sont les résultats commerciaux obtenus, explique le DSI Shamim Mohammad. Comment utilisons-nous le temps ainsi libéré pour créer davantage de valeur pour l'entreprise ? » Les scores NPS témoignent d'une meilleure expérience client, tandis que l'association de Skye et Rhodes a permis d'augmenter les taux de conversion et les ventes. « Il s'agit de faire évoluer le rôle de nos conseillers, de simples collecteurs d'informations à de véritables conseillers de confiance, ajoute-t-il. Les rôles convergent, les activités des individus sont redéfinies et les processus réorganisés. »

4) Préparer ses utilisateurs et suivre les taux d'adoption

Même les plans les mieux conçus en matière d'IA échoueront si les utilisateurs n'adoptent pas la technologie. L'acceptation par les utilisateurs est donc un indicateur crucial qui exige une planification rigoureuse. Il ne suffit pas d'entraîner les modèles d'IA ; il faut former les utilisateurs à utiliser la technologie et la personnaliser en fonction de leur poste dans l'organisation. « L'expérience doit être fluide et intégrée à leur flux de travail, dit ainsi Zar Toolan (Practitioners for Practitioners). Dans le cas contraire, le score de satisfaction sera plus faible et l'adoption de l'IA médiocre. »

Au départ, reconnait Keith Sarbaugh, Zoetis a sous-estimé l'investissement nécessaire en gestion du changement, car l'objectif principal était d'agir rapidement. « Nous pensions que si nous développions la solution, les utilisateurs l'adopteraient, mais la valeur ajoutée est nulle si les utilisateurs ne comprennent pas comment l'intégrer à leur travail quotidien », tranche le directeur du digital et des technologies.

5) Penser à la valeur à long terme

Chez CarMax, les indicateurs de performance du projet d'IA présentés à la direction générale se répartissent en quatre catégories : retour sur investissement (ROI), impact sur le chiffre d'affaires, rentabilité et valeur stratégique, c'est-à-dire capacité à obtenir un avantage concurrentiel.

Lors de la présentation de la valeur business des projets d'IA, il est essentiel d'inclure une évaluation de la manière dont cette valeur peut être exposée et réexploitée, conseille Afshean Talasaz (ex-Colonial Pipeline). Car chaque cas d'usage de l'IA peut nécessiter des modifications de données, de processus et de plateformes, ou créer de nouvelles capacités susceptibles de permettre à d'autres projets de tirer parti de ces investissements. « Cela ouvre la voie à d'autres opportunités, explique-t-il. Il s'agit généralement d'un élément qualitatif, car vous ne connaissez peut-être pas encore en détail les coûts et avantages de ces autres projets, mais il est précieux de savoir que le projet actuel ouvre stratégiquement de nouvelles perspectives. » Et si un projet constitue un avantage concurrentiel, il est également nécessaire de définir des indicateurs de succès.

Lors de la présentation d'un projet, Afshean Talasaz ajoute qu'il définit les attentes en toute transparence. « Il est important de proposer des scénarios, et pas seulement un indicateur financier. Il faut donc présenter un éventail de résultats possibles, ainsi que les hypothèses et les facteurs sous-jacents qui les influencent », détaille-t-il. Et de décrire, par exemple, un tableau incluant les résultats attendus en fonction de différents taux d'adoption ou de mise en oeuvre. « Les dirigeants veulent comprendre les liens entre tous les facteurs et avoir une vision d'ensemble », souligne-t-il.

En fin de compte, les indicateurs de succès sont ceux qui démontrent l'impact d'un projet sur le compte de résultat et la manière dont l'IA influence l'expérience des employés. « Dès que vous avez l'occasion d'intégrer un indicateur quantitatif à chaque étape du processus, faites-le, conseille le directeur du numérique et de la technologie de Zoetis, Keith Sarbaugh. Cependant, compte tenu de la nouveauté de l'IA et du fait que nous sommes encore au début de son adoption, certains aspects restent difficiles à mesurer. Il faudra donc parfois se fier au jugement des personnes qui connaissent bien l'entreprise. Faites preuve de bon sens et veillez à ne pas surestimer les résultats. »

Article rédigé par

Robert Mitchell, CIO US (adapté par Reynald Fléchaux)

Partager cet article