Les 95 % de projets IA qui ne rapportent rien

La statistique a circulé dans tous les comités de direction en 2025, et elle reste le meilleur point de départ pour une décision d’investissement : selon une étude du MIT, environ 95 % des projets d’IA générative en entreprise ne génèrent aucun retour mesurable sur le compte de résultat[1]. Le chiffre est brutal, mais sa lecture l’est encore plus. Les auteurs, qui ont croisé 150 entretiens de dirigeants, 350 réponses de collaborateurs et 300 déploiements publics, attribuent l’échec non pas à la qualité des modèles, mais à un défaut d’intégration aux processus et d’apprentissage organisationnel[1].

Le BCG arrive au même verdict par un autre chemin : seules 5 % des entreprises tirent une valeur économique substantielle de l’IA à l’échelle, tandis que 60 % n’en retirent aucun bénéfice tangible malgré des budgets 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 ». La réponse tient en une phrase, et le reste de cet article la décline : ces entreprises ne dépensent pas davantage, elles décident mieux en amont.

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.

Sur le marché français, un premier projet IA en PME se situe le plus souvent entre 15 000 et 50 000 € HT, avec un retour attendu sur 6 à 18 mois lorsque le périmètre est cadré dès le départ[5]. Mais la répartition interne de ce budget est plus instructive que son montant total. Le cadrage et le diagnostic absorbent 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, à elle seule, représente fréquemment 20 à 40 % du coût total d’un projet[4].

À ces coûts de construction s’ajoute un récurrent que beaucoup d’entreprises découvrent après coup : entre 5 000 et 15 000 € par an pour un projet de 30 000 €, entre frais d’API, maintenance, mises à jour et supervision continue[5]. Un modèle qui n’est pas maintenu dérive ; un usage qui n’est pas supervisé crée du risque. La maintenance n’est pas une option, c’est une ligne budgétaire structurelle.

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 qu’en correctif[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 %	Jamais
Maintenance annuelle	5 à 15 k€/an (projet 30 k€)	Non

Le vrai dénominateur du ROI, c’est le cadrage

Le retour sur investissement est un rapport. On regarde toujours le numérateur — les gains attendus — et l’on néglige le dénominateur, qui décide pourtant du résultat. Or le levier le moins coûteux du dénominateur est aussi le plus puissant : le cadrage.

Le BCG résume la mécanique par une formule devenue référence : dans un projet IA, 10 % de la valeur tient aux algorithmes, 20 % à la technologie, et 70 % à l’organisation et à la culture[2]. Une entreprise qui investit massivement dans l’outil et néglige le cadrage organise donc son propre échec, quel que soit le montant engagé. À l’inverse, un cadrage court réalisé avant l’engagement principal détermine la quasi-totalité du retour à venir : 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 dont l’erreur coûte cher et dont la règle est stable, vérifier que la donnée nécessaire existe et qu’elle est exploitable, définir l’état de référence à battre, et nommer qui sera responsable du résultat. Tant que ces quatre points ne sont pas tranchés, augmenter le budget ne fait qu’augmenter la perte. C’est aussi la raison pour laquelle cadrer le projet en amont coûte si peu au regard de ce qu’il sécurise — et pourquoi le bon réflexe est de choisir les usages avant les outils.

Calculer un ROI que vous pourrez défendre

La formule du ROI n’a rien de compliqué : retour = (gains nets − coût complet) / coût complet, et le délai de retour se lit comme l’investissement divisé par le gain mensuel. La difficulté n’est jamais dans le calcul, elle est dans l’honnêteté des entrées. Un ROI défendable devant un comité de direction repose sur quatre conditions, toutes posées avant le lancement.

Ces quatre conditions ont un point commun : aucune ne se règle après le 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 une narration.

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.

Internaliser, agence ou indépendant : l’effet sur le ROI

Le format de l’accompagnement n’est pas neutre sur la rentabilité, car il modifie la structure de coût et la distance entre la décision et l’exécution. Trois voies existent, et chacune a sa logique.

Internaliser donne le contrôle et capitalise les compétences, mais suppose un coût de recrutement et de montée en charge que peu de PME amortissent sur un premier projet. Passer par une agence apporte des moyens et une force de production, au prix d’une couche commerciale et d’une distance au métier qui peut alourdir la phase de cadrage — celle, justement, qui décide du ROI. Travailler avec un consultant indépendant réduit cette distance : le cadrage, l’arbitrage et la mise en ordre des décisions restent dans une relation directe avec la direction, sans transformer l’article en promesse de résultat.

Format	Coût de structure	Distance à la décision	Adapté pour
Internalisation	Élevé (recrutement)	Faible	Projets récurrents, forte maturité
Agence	Moyen à élevé	Moyenne	Forte volumétrie de production
Indépendant	Faible	Très faible	Premier projet, cadrage stratégique

Aucune de ces voies n’est mauvaise dans l’absolu ; le bon choix dépend de la maturité de l’entreprise et de la récurrence des projets. Pour un premier projet, l’enjeu est plus simple : éviter que la dépense parte trop tôt vers l’outil, le développement ou la production de livrables, alors que la question de départ n’est pas stabilisée. Ce que cela change concrètement : moins de budget consommé par la coordination, davantage par la décision.

Ce qu’il faut mettre en place maintenant tient en trois gestes : documenter l’état de référence du processus visé avant toute dépense, isoler la donnée nécessaire et vérifier qu’elle est exploitable, et cadrer le projet — en interne ou avec un tiers — avant d’arrêter le budget. La mise en œuvre et l’outillage viennent après, jamais avant. C’est l’ordre des décisions, et non leur montant, qui sépare un investissement d’une perte.