ROI de l’IA en entreprise : le budget ne fait pas la rentabilité

Pourquoi tant de projets IA ne produisent pas de retour mesurable

Le rapport s’appuie sur des entretiens avec 52 organisations, les réponses de 153 dirigeants et plus de 300 initiatives publiques[1]. Les auteurs signalent un échantillon non représentatif de tous les marchés, des critères de réussite variables et une observation sur six mois. Ces limites interdisent d’en faire un taux universel d’échec des projets IA[1].

Dans son enquête de 2025, BCG classe 5 % des entreprises parmi celles qui obtiennent des résultats substantiels grâce à l’IA à grande échelle, tandis que 60 % déclarent des gains faibles ou inexistants malgré les investissements engagés[2]. Le problème n’est donc pas l’accès à la technologie, désormais banalisé, mais la capacité à transformer une dépense en résultat.

Ce diagnostic doit être lu avec prudence, parce que d’autres enquêtes semblent dire l’inverse. Google Cloud observe qu’une large majorité d’organisations déclarent déjà un retour sur leurs investissements d’IA générative, souvent sur des périmètres ciblés comme le support, le marketing ou la productivité interne[8]. Deloitte relève aussi que les organisations les plus avancées rapportent plus fréquemment des gains mesurables que les autres[11]. La contradiction n’est qu’apparente : ces chiffres ne mesurent pas toujours la même chose. Un gain local, une économie d’heures ou un prototype apprécié ne constituent pas encore un ROI collectif, durable, attribuable et défendable devant une direction financière.

C’est ici que la lecture devient stratégique. McKinsey insiste sur l’écart entre adoption rapide et transformation réelle des processus : les organisations qui créent de la valeur ne se contentent pas de déployer des outils, elles redessinent les flux de travail, les responsabilités et les indicateurs de performance[7]. Le Stanford AI Index montre le même mouvement à l’échelle macroéconomique : les investissements privés explosent, mais la valeur capturée reste très hétérogène selon les secteurs et les organisations[9]. Autrement dit, le bon sujet n’est pas « l’IA rapporte-t-elle ? », mais « dans quelles conditions l’entreprise peut-elle prouver qu’elle rapporte ? ».

Pour un décideur, ce constat déplace la question. La bonne interrogation n’est pas « combien coûte l’IA », mais « qu’est-ce qui sépare les 5 % qui rentabilisent du reste ». Ces enquêtes ne prouvent pas qu’un budget plus faible suffirait à réussir. Elles invitent à examiner le cas d’usage, son intégration et la mesure des résultats avant d’engager les dépenses.

Ce qu’un projet IA coûte vraiment, poste par poste

La première erreur de budgétisation consiste à confondre le prix de l’outil avec le coût du projet. Une licence ou un abonnement à un modèle constitue rarement le premier poste de dépense. Ce qui pèse vraiment se trouve ailleurs, et reste largement invisible au moment de signer un devis.

Certaines estimations du marché français situent un premier projet IA structuré en PME entre 15 000 et 50 000 € HT, avec un retour visé sur 6 à 18 mois lorsque le périmètre est correctement cadré[5]. Ces ordres de grandeur ne doivent toutefois pas être appliqués mécaniquement à toutes les situations : une automatisation ciblée peut mobiliser un budget nettement inférieur et produire des effets plus rapidement. Plus que le montant total, la répartition du budget est instructive. Le cadrage et le diagnostic représentent 15 à 25 % de l’enveloppe, la conception et le prototype 25 à 35 %, le déploiement et l’intégration aux systèmes existants 30 à 40 %, et la conduite du changement 10 à 15 %[5]. La préparation des données peut, à elle seule, représenter 20 à 40 % du coût total d’un projet[4].

À ces coûts de mise en œuvre s’ajoutent des dépenses récurrentes que certaines entreprises sous-estiment au départ : pour un projet de 30 000 €, elles peuvent représenter entre 5 000 et 15 000 € par an entre frais d’API, maintenance, mises à jour et supervision continue[5]. Un système qui n’est plus suivi peut perdre en fiabilité ou devenir inadapté aux usages. La maintenance et la supervision doivent donc être intégrées au coût complet du projet.

Un dernier poste reste presque toujours absent des devis : la conformité. Dès qu’un projet traite des données personnelles, la CNIL invite à intégrer la mise en conformité — analyse d’impact, documentation, RGPD — dès la conception plutôt que de la traiter après coup[6]. Le cadre NIST AI RMF ajoute un point souvent sous-estimé : la maîtrise du risque IA n’est pas une vérification finale, mais une organisation continue de gouvernance, mesure, cartographie et supervision[10]. En amont encore, la constitution d’un patrimoine de données exploitable, que France Num identifie comme un prérequis de la transformation numérique des PME, conditionne la faisabilité même du projet[3].

Le tableau ci-dessous résume où part réellement l’argent. Sa lecture confirme un point simple : les postes les plus lourds — données, intégration, adoption — sont précisément ceux qu’aucun tarif d’outil ne fait apparaître.

Poste de dépense	Part du budget	Visible sur un devis d’outil ?
Cadrage et diagnostic	15 à 25 %	Non
Conception et prototype	25 à 35 %	Partiellement
Déploiement et intégration	30 à 40 %	Rarement
Préparation des données	20 à 40 % du total	Non
Conduite du changement	10 à 15 %	Rarement
Maintenance annuelle	5 à 15 k€/an (projet 30 k€)	Non

Le ROI se joue d’abord dans le cadrage

Le retour sur investissement met en regard la valeur créée et le coût complet du projet. Pourtant, les discussions portent souvent davantage sur le prix de la solution que sur les décisions qui permettront réellement de créer cette valeur. Le cadrage intervient précisément à ce niveau : il permet de choisir le bon problème, de définir ce qui sera mesuré et d’éviter d’engager des dépenses avant d’avoir vérifié que le projet mérite de l’être.

BCG propose une répartition des efforts pour déployer l’IA : 10 % pour les algorithmes, 20 % pour les données et la technologie, et 70 % pour les équipes, les processus et la culture de travail[2]. Ce repère ne mesure pas la part de valeur créée par chaque poste et ne garantit aucun résultat. Il rappelle que le choix de l’outil ne suffit pas à préparer son utilisation dans l’entreprise. À l’inverse, un cadrage réalisé avant l’engagement principal permet de fixer les variables qui conditionneront une grande partie du retour attendu : choix du processus, état de référence, données nécessaires, seuils de risque, sponsor métier et conditions d’arrêt.

Ce que recouvre concrètement le cadrage : choisir un cas d’usage fréquent, mesurable et suffisamment stable, pour lequel les erreurs éventuelles restent détectables et maîtrisables ; vérifier que les données nécessaires existent et sont exploitables ; définir l’état de référence à améliorer ; désigner la personne responsable du résultat. Tant que ces quatre points ne sont pas tranchés, augmenter le budget accroît surtout le risque d’investir dans une mauvaise direction. C’est aussi la raison pour laquelle le cadrage en amont peut représenter une part limitée du budget au regard des décisions qu’il permet de sécuriser — et pourquoi le bon réflexe est de choisir les usages avant les outils.

Calculer un ROI que vous pourrez défendre

La formule du ROI est simple : retour = (gains économiques attribuables au projet − coût complet du projet) / coût complet du projet. Le délai de retour correspond, quant à lui, au coût initial rapporté aux gains économiques nets générés sur une période donnée. La difficulté n’est pas dans le calcul, mais dans la qualité des données utilisées. Un ROI défendable devant un comité de direction repose sur quatre conditions, toutes posées avant le lancement.

Ces quatre conditions ont un point commun : elles doivent être définies avant le lancement du projet. Le ROI ne se constate pas, il se construit en amont, au moment où l’on décide quoi mesurer et comment.

La tentation inverse consiste à retenir uniquement les indicateurs flatteurs : heures gagnées, tâches accélérées, taux d’adoption d’un assistant, satisfaction déclarée. Ces signaux sont utiles, mais ils ne suffisent pas. Une heure gagnée ne crée de valeur que si elle est réallouée, un assistant utilisé ne prouve rien si les erreurs remontent plus tard dans le processus, et une équipe enthousiaste ne garantit pas que le contrôle interne accepte le nouveau mode opératoire. C’est pourquoi les mesures doivent séparer trois niveaux : l’usage individuel, la performance du processus, puis l’effet économique net. Sans cette séparation, le ROI devient un récit plutôt qu’une mesure.

Les trois décisions qui transforment un budget en perte

Les projets qui échouent ne se ressemblent pas, mais leurs causes, si. Trois décisions — ou plutôt trois renoncements — reviennent systématiquement, et aucune n’est de nature technique.

Ces trois renoncements partagent une racine commune avec les usages IA non gouvernés qui se répandent dans les équipes : l’absence de décision claire en amont. Là où la gouvernance manque, le budget se dissout.

Choisir l’accompagnement sans confondre diagnostic et mise en œuvre

Le mode d’accompagnement influence le coût, la vitesse d’exécution et la capacité à rester au plus près du besoin métier. Aucun format n’est supérieur par principe. Le bon choix dépend de la maturité de l’entreprise, des compétences déjà disponibles et de la nature du projet.

Internaliser permet de capitaliser les compétences et de garder une maîtrise directe des décisions, mais suppose de disposer des ressources nécessaires dans la durée. Une agence apporte une capacité de production plus large et peut réunir plusieurs expertises lorsque le projet devient complexe. Un consultant indépendant offre davantage de souplesse et une relation directe avec la direction, particulièrement utile lorsqu’il faut d’abord clarifier le besoin, comparer plusieurs options ou conduire un audit ciblé.

Dans tous les cas, la qualité du cadrage compte davantage que le statut du prestataire. L’enjeu est d’éviter que le choix d’une technologie ou d’un mode de réalisation ne précède l’analyse du problème à résoudre.

Format	Atout principal	Point de vigilance	Particulièrement adapté à
Internalisation	Maîtrise et capitalisation des compétences	Ressources et compétences à maintenir dans la durée	Projets récurrents, forte maturité interne
Agence	Capacité de production et expertises complémentaires	Coordination et coût de structure	Projets complexes nécessitant plusieurs compétences
Indépendant	Relation directe, souplesse et expertise ciblée	Capacité de production plus limitée	Audit, cadrage, expertise ponctuelle ou premier projet

Aucune de ces voies n’est préférable dans l’absolu. Pour un premier projet, il est surtout utile de séparer deux décisions : déterminer ce qui mérite réellement d’être automatisé, puis choisir la manière de le mettre en œuvre. Le même acteur peut parfaitement intervenir sur les deux étapes, à condition que les critères de choix, les solutions possibles et les indicateurs de réussite aient été explicités avant d’arrêter la solution.

Lorsque le besoin n’est pas encore stabilisé, un audit mené en amont peut éviter de consacrer du temps et du budget à une priorité mal choisie, à une solution surdimensionnée ou à une automatisation dont les gains seraient absorbés par les contrôles et les reprises. Son intérêt économique ne tient donc pas à l’ajout d’une étape supplémentaire, mais aux mauvaises décisions qu’il peut permettre d’éviter. La mise en œuvre et l’outillage viennent ensuite, une fois le besoin, les gains attendus et les conditions de réussite clairement établis.