Le ROI invisible des projets IA, et comment le rendre visible

Trois déplacements stratégiques que les conseils d'administration sérieux ont déjà opérés.

Voici un chiffre qui devrait circuler dans tous les comités exécutifs français en 2026.

Les dernières données disponibles de McKinsey, publiées en novembre 2025, indiquent que 5,5 % seulement des organisations qui ont déployé l'IA observent un impact EBIT supérieur à 5 %. La même étude rapporte que 39 % seulement ont mesuré un effet sur le résultat opérationnel au niveau entreprise, et que pour la quasi-totalité d'entre eux, cet effet reste sous la barre des 5 %.

Pendant ce temps, les chiffres individuels racontent une histoire opposée. Les déploiements de GenAI documentés dans la littérature scientifique mesurent des gains de productivité de 10 à 40 % par collaborateur, selon les tâches et les profils.

Vous voyez le problème. La productivité individuelle explose. L'impact financier organisationnel reste plat. La transmission de l'une vers l'autre est devenue le sujet le plus mal compris du dossier IA en conseil d'administration.

Si je vous écris cet essai aujourd'hui, c'est parce que cette transmission n'est ni mystérieuse, ni technologique. Elle est managériale. Elle repose sur trois déplacements stratégiques que les meilleurs comités opèrent en silence, et que je veux vous rendre visibles.

Pourquoi les conseils bloquent, et c'est rationnel

Mettez-vous une seconde à la place d'un administrateur prudent.

Vous arbitrez un budget IA présenté par votre direction des systèmes d'information. On vous parle de cas d'usage, d'agents, de modèles. Vous lisez en parallèle dans la presse économique que 81 % des dirigeants français déclarent que l'IA n'a eu aucun effet sur leur chiffre d'affaires en 2025. Votre directeur financier vous alerte sur la prédictibilité du ROI. L'AI Act européen, applicable depuis août 2025, sanctionne la non-conformité jusqu'à 7 % du chiffre d'affaires mondial.

Vous bloquez. C'est votre travail.

Peter Drucker formulait il y a soixante ans une intuition qui éclaire cette situation : « Le travail intellectuel ne peut pas être mesuré comme le travail manuel. On ne peut pas dire à un knowledge worker en quelques mots simples s'il fait le bon travail et s'il le fait bien. » L'IA en entreprise est exactement ce type de travail. La grille de mesure manque. L'argument du conseil tient sur ce manque.

Mais cette lecture, aussi justifiée soit-elle, repose sur l'angle mort le plus coûteux du débat IA actuel.

Je vais être très honnête avec vous. Sur les dossiers IA que j'ai eu à lire en conseil ces douze derniers mois, le motif d'échec ne tient presque jamais à la technologie elle-même. Il tient à trois confusions stratégiques qu'aucun rapport consultant ne nomme clairement.

Voici lesquelles.

Premier déplacement : de l'individu à l'organisation

La productivité individuelle ne devient pas automatiquement une productivité organisationnelle. Et le ROI invisible, c'est exactement cet écart.

Quand un commercial gagne une heure par jour grâce à l'IA, trois scénarios sont possibles. Premier scénario : l'heure est réallouée à une activité à plus forte valeur (prospection, qualification, fidélisation). Deuxième scénario : l'heure est supprimée par redimensionnement de l'équipe ou redéploiement vers d'autres priorités. Troisième scénario : l'heure s'évapore dans les pauses café et les réunions qui s'allongent.

Dans la quasi-totalité des entreprises que j'observe, le scénario par défaut est le troisième. Pas par malveillance des équipes. Par absence de capture organisationnelle.

McKinsey, dans son rapport State of AI 2025, identifie nommément la variable qui explique le mieux la corrélation entre adoption IA et impact EBIT. Ce n'est pas le modèle utilisé. Ce n'est pas la qualité de la formation. Ce n'est pas le pilote technique. C'est la redesign des workflows métier autour de l'IA. Sans cette redesign, le gain individuel reste invisible au compte de résultat.

Conséquence pour votre conseil : tout projet IA présenté sans tableau « ce que l'IA fait gagner / ce que nous décidons de faire de ce gain » est cosmétique. La colonne 1 sans la colonne 2 est une promesse, pas un engagement.

Cette colonne 2 est un travail managérial. Elle ne se délègue ni à votre direction technique, ni à votre fournisseur de solution. Elle s'écrit par la direction métier et le directeur financier, ensemble, avant la signature du budget. C'est elle qui transforme un gain de productivité individuelle en point de marge organisationnelle.

Deuxième déplacement : de l'offensif au défensif

Le narratif dominant sur l'IA est offensif. Nouveaux produits, nouveaux marchés, nouveaux revenus. Cette narration vend bien. Elle est aussi structurellement trompeuse.

Les premiers gains EBIT documentés par McKinsey, BCG et les rapports publics des grands groupes français viennent presque toujours du même endroit : la réduction du coût opérationnel back-office. Pas de la croissance top-line. Pas du nouveau produit. Pas de la diversification.

Alexandre Bompard l'a parfaitement compris dans son plan stratégique Carrefour 2030 présenté en février 2026. Il n'a pas dit à son conseil « nous allons investir 150 millions d'euros dans l'IA ». Il a dit « nous allons aller chercher un milliard d'euros d'économies annuelles d'ici 2030 en automatisant nos magasins, et l'IA est l'un des leviers ». La différence est invisible à la lecture rapide. Elle est totale dans la conduite du projet.

Soit dit en passant, c'est une bonne nouvelle pour votre conseil. Parce que la défense est plus facile à chiffrer que l'attaque. Vous savez ce que coûte aujourd'hui votre service client, votre back-office comptable, votre support technique. Vous savez le mesurer avant projet, le remesurer après projet, et présenter l'écart comme un Hard ROI tangible.

Conséquence : positionnez l'IA dans votre conseil comme un assureur de marge dans un marché qui se commoditise par tous les concurrents qui adoptent en parallèle. Le ROI à inscrire au business case n'est pas le gain hypothétique. C'est le coût de ne pas faire. Ce que vos concurrents vont gagner sur leurs marges et que vous allez perdre sur les vôtres.

Ce déplacement change la conversation avec votre directeur financier. Vous ne demandez plus un budget de croissance. Vous demandez un budget de défense. Les comités financiers savent arbitrer cela depuis quarante ans.

Troisième déplacement : du modèle à la donnée propriétaire

Voici l'idée la moins comprise du débat IA actuel, et la plus structurante pour vos arbitrages à dix-huit mois.

Andrej Karpathy, ancien directeur de l'IA chez Tesla et ancien d'OpenAI, a tenu en juin 2025 à Y Combinator une keynote devenue la grille de lecture standard des CIO européens. Sa thèse : les modèles fondationnels (Claude, GPT, Gemini, Mistral) deviennent une utility comme l'électricité. Leur prix par token baisse d'un facteur deux à quatre tous les douze à dix-huit mois. Leurs capacités convergent. L'écart entre eux se réduit à chaque trimestre.

Carlota Perez, dans son ouvrage de référence Technological Revolutions and Financial Capital (Edward Elgar, 2002), démontre que toutes les révolutions technologiques majeures suivent un cycle d'une cinquantaine d'années en deux phases. La phase d'installation, où le capital financier domine et où une bulle se forme autour de l'infrastructure technologique. Puis la phase de déploiement, où le capital productif domine et où la valeur se diffuse dans l'économie réelle.

Croisez les deux. Vous obtenez la conclusion la plus contrariante du débat actuel : les gagnants d'une révolution technologique ne sont jamais les early adopters de la phase d'installation. Ce sont les acteurs qui ont accumulé pendant la phase d'installation les capacités complémentaires nécessaires à la phase de déploiement.

Pour l'IA en 2026, ces capacités complémentaires portent un nom précis : la donnée propriétaire structurée.

Tous les modèles convergent. Demain matin, votre concurrent direct utilisera le même Claude ou le même GPT que vous, au même prix, avec la même qualité brute. La différenciation ne viendra plus du modèle. Elle viendra exclusivement de ce que vous lui donnez à mâcher.

Votre historique commercial documenté. Vos cas clients qualifiés. Vos processus internes tracés. Vos décisions passées argumentées. Vos retours d'expérience capitalisés. Tout ce patrimoine cognitif que vos équipes ont produit pendant trente ans et qui dort dans des serveurs partagés, des emails archivés, des comptes-rendus de réunion non indexés.

Conséquence pour votre conseil : arbitrer le budget IA vers la qualité, la structuration et la gouvernance de la donnée propriétaire, pas vers les licences de modèle. C'est l'inverse de ce que recommandent les fournisseurs de solutions. C'est exactement ce que recommandent les penseurs en avance sur le sujet.

Concrètement, cela signifie un budget qui se ventile autrement. Moins de licences de plateformes intégrées tout-en-un, plus de chantiers de structuration documentaire interne. Moins d'achats de modèles propriétaires, plus de gouvernance de données. Moins de PoC techniques pluriannuels, plus de constitution méthodique d'un patrimoine cognitif activable par n'importe quel modèle, présent ou futur.

Pour conclure

Le ROI IA n'est pas invisible parce qu'il n'existe pas. Il est invisible parce qu'on le cherche au mauvais endroit, avec la mauvaise grille de mesure, dans le mauvais langage.

Les trois déplacements stratégiques que je vous propose ne sont pas des outils techniques. Ce sont des outils de cadrage politique.

Premier déplacement, de l'individu à l'organisation : refusez tout business case IA qui ne contient pas la colonne « ce que nous décidons de faire du gain ». Sans elle, le ROI est cosmétique.

Deuxième déplacement, de l'offensif au défensif : positionnez l'IA comme un assureur de marge, pas comme un moteur de croissance. Le ROI mesurable est dans la défense, pas dans l'attaque.

Troisième déplacement, du modèle à la donnée propriétaire : votre budget IA doit financer l'actif qui ne se commoditise pas. Les modèles convergent. Vos données ne convergeront jamais.

« Si l'algorithme se trompe, il se trompe de manière prévisible. Si l'humain se trompe, il se trompe de manière imprévisible. Le premier est corrigeable, le second pas toujours. » Olivier Sibony, Vous allez commettre une terrible erreur, Flammarion, 2019

Olivier Sibony, dans Noise qu'il a co-écrit avec Daniel Kahneman et Cass Sunstein, formule la dernière clé. Un conseil d'administration qui arbitre un budget IA sans grille de cadrage partagée ne fait pas du risk management. Il crée du bruit. Il transforme un sujet décidable en sujet conflictuel.

Les trois déplacements stratégiques de cet essai sont des outils de réduction de bruit dans la décision collective. Ils rendent la conversation possible.

Ils rendent surtout votre dossier décidable.