Retour sur investissement

Ce que le calcul doit inclure

Un retour sur investissement sérieux part du temps réellement passé sur une tâche, mesuré avant le projet et non estimé de mémoire. Il convertit ce temps en coût chargé, puis estime la part que l'outil supprime vraiment, en tenant compte des pauses, des cas particuliers et des reprises. Les erreurs évitées se chiffrent de la même manière : relances, litiges, corrections, pénalités de retard. Le revenu supplémentaire ne s'inscrit que s'il est attribuable au projet, ce qui suppose un suivi commercial et non une simple intuition.

Le coût complet ne se limite pas à la licence. Il inclut l'intégration au logiciel existant, la reprise des données, la formation des équipes, la supervision quotidienne et le temps passé à corriger les sorties. Un projet d'IA reste un système vivant : les modèles évoluent, les prompts se maintiennent, les usages dérivent. Ces charges récurrentes pèsent souvent plus lourd que la mise en route, et c'est pourtant la ligne que l'on omet le plus souvent dans le premier tableau de calcul.

Les coûts que l'on oublie

Trois postes reviennent dans les projets qui dérapent. D'abord la qualité des données : si les documents sont dispersés, incomplets ou contradictoires, le travail préparatoire devient le vrai chantier, bien avant le choix du modèle. Ensuite le temps humain de vérification, qui ne disparaît pas mais se déplace vers la relecture et la décision. Enfin l'infrastructure, dès que l'on quitte les offres à l'usage pour un serveur dédié ou un modèle hébergé en interne.

À cela s'ajoute le coût de l'inaction partielle : un outil déployé mais peu adopté ne produit rien. La formation, l'accompagnement et la désignation d'un référent interne conditionnent le retour réel autant que la performance technique. Un projet techniquement réussi mais ignoré par les équipes affiche un bilan négatif, alors que son coût figure déjà dans les comptes et que la direction le croit rentable parce que la démonstration avait convaincu.

Une trajectoire, pas un chiffre

Le retour sur investissement d'un outil d'IA se lit sur une courbe, pas sur une promesse unique. Les premiers mois servent à apprendre l'usage, à ajuster les processus et à stabiliser la qualité. La valeur monte ensuite avec l'adoption, puis se stabilise. Juger le projet sur le seul premier trimestre conduit souvent à l'abandonner juste avant qu'il ne devienne rentable, ou au contraire à le prolonger alors qu'il plafonne depuis plusieurs mois. Cette lecture progressive évite deux erreurs symétriques : l'abandon prématuré et l'acharnement sur un outil qui ne convainc personne.

La comparaison la plus honnête se fait avec une alternative réaliste : ne rien changer, recruter, externaliser ou acheter un logiciel classique. Le projet d'IA n'est intéressant que s'il bat l'une de ces options sur un horizon de deux à trois ans, avec une marge d'incertitude assumée. Cette méthode évite de justifier une décision déjà prise par un calcul arrangé après coup, et elle rend la discussion possible avec un banquier ou un associé.