Pourquoi l’IA peine-t-elle à décoller en entreprise ? Le casse-tête du ROI.

L’intelligence artificielle promet de transformer les entreprises, d’optimiser les coûts et d’augmenter la productivité. Pourtant, son adoption reste plus lente que prévu. 

L’une des raisons ? Une difficulté majeure à mesurer son retour sur investissement (ROI).

Un exemple frappant : le cas Klarna

Le géant du paiement en ligne a massivement investi dans l’IA. L'entreprise a automatisé une grande partie de ses processus internes, notamment le service client et certaines tâches de marketing et d’ingénierie, en s'appuyant sur des solutions d’IA avancées.

Rien que 39 millions de dollars économisés grâce à son assistant IA, l’équivalent du travail de 800 employés.

En 2024, Klarna a annoncé des réductions de coûts liées à l’IA sur plusieurs fronts :

• $2,6 millions économisés sur les fournisseurs marketing

• $2,5 millions grâce à l’optimisation de campagnes publicitaires IA

• $4,8 millions via l’automatisation des processus d’ingénierie

Au total, Klarna affirme que l’IA a contribué à une réduction de 203 millions de dollars de coûts commerciaux et marketing sur deux ans.

Mais voilà : avec des dépenses annuelles de 2,9 milliards de dollars, ces gains représentent une fraction des coûts globaux.

Autre donnée clé : Klarna a réduit ses effectifs de 38% depuis 2022, en partie grâce à l’IA. Mais cette réduction a-t-elle véritablement boosté la productivité et la croissance, ou s’agit-il d’une simple coupe budgétaire ?

Ces chiffres illustrent bien le paradoxe du ROI de l’IA : Les bénéfices sont réels, mais leur impact financier direct est complexe à isoler et mesurer.

L'IA reste bloquée au stade de l'expérimentation

Si l'IA est là pour durer, de nombreuses entreprises restent coincées dans la phase d'expérimentation. Selon Deloitte, la plupart des organisations ont mis en production moins d'un tiers de leurs expérimentations en IA générative. De son côté, Bain constate que malgré une augmentation des projets pilotes sur presque tous les cas d'usage, de moins en moins de ces initiatives passent à l'échelle.

Pourquoi ? Ce n'est pas une question de valeur, mais de confiance. Les dirigeants hésitent à faire évoluer ces projets, car ils peinent à mesurer leur impact selon les indicateurs traditionnels de performance. Sans preuves tangibles, il est difficile d'obtenir l'adhésion du comité de direction et de l'ensemble de l'organisation.

Pourquoi est-il si difficile de mesurer le ROI de l’IA ?

1. Des bénéfices intangibles difficiles à valoriser

L’IA améliore la prise de décision, la satisfaction client, et l’innovation. Mais comment chiffrer ces gains ? Une étude montre que 74% des entreprises utilisant l’IA générative voient un ROI positif, mais seulement 45% arrivent à le quantifier.

2. Un horizon temporel trop long

Les entreprises veulent des résultats rapides. Mais les bénéfices de l’IA se mesurent souvent sur plusieurs années. Une étude KPMG révèle que 78% des dirigeants anticipent un ROI d’ici 2027, mais aujourd’hui, seuls 12% des projets d’IA mesurent à la fois les économies et la croissance des revenus.

3. L’absence de métriques standardisées

Comment comparer des gains de productivité avec une meilleure satisfaction client ? Un rapport IDC indique un retour de 3,50$ pour chaque dollar investi en IA, mais les écarts entre secteurs sont énormes.

Comment surmonter ce défi ?

1. Développer des modèles hybrides de mesure

Associer des métriques financières classiques (VAN, TRI) à des indicateurs qualitatifs comme l’impact sur l’innovation ou l’expérience employé. Grammarly propose, par exemple, un cadre d’analyse basé sur quatre catégories :

• La conformité

• La qualité

• L’expérience employé

• L’impact sur les indicateurs de performance clés de l’entreprise

2. Aligner l’IA avec des objectifs business clairs

Un projet IA doit s’intégrer dans une stratégie globale : réduction des coûts, augmentation du chiffre d’affaires, amélioration de la satisfaction client.

3. Prendre en compte les bénéfices cachés

L’IA ne se résume pas à des chiffres sur un tableau Excel. Klarna, par exemple, a réduit ses effectifs de **38%**, un impact énorme sur ses coûts... mais difficile à quantifier précisément.

Conclusion

Les entreprises hésitent à investir massivement en IA, car son ROI reste flou. Pourtant, l’absence de résultats mesurables ne signifie pas une absence de résultats tout court.

Le vrai enjeu ?

Accepter une vision long terme et intégrer des outils de mesure plus adaptés aux spécificités de l’IA.