Un rapport coût/valeur acceptable pour un cas d’utilisation de l’IA est celui où la valeur commerciale mesurable générée, qu’il s’agisse d’économies de coûts, de croissance du chiffre d’affaires ou de gains de productivité, l’emporte clairement sur l’investissement total nécessaire à la mise en place, à l’exploitation et à la maintenance de la solution. Dans la pratique, la plupart des entreprises visent un retour sur investissement d’au moins deux à trois fois le coût total sur une période définie, bien que le seuil approprié dépende fortement du type de cas d’utilisation, de la propension au risque de l’entreprise et de la manière dont la valeur est définie. Les questions ci-dessous expliquent comment mesurer cette valeur, où les budgets sont généralement insuffisants et quand il faut abandonner le projet.
Comment évalue-t-on la valeur d'un cas d'utilisation de l'IA ?
Pour évaluer la valeur d’un cas d’utilisation de l’IA, il faut identifier les résultats commerciaux spécifiques sur lesquels il a une incidence et attribuer à chacun d’eux un indicateur financier ou opérationnel. Cela implique d’aller au-delà des indicateurs de performance techniques et de relier les résultats de l’IA à des éléments que l’entreprise suit déjà : coût par transaction, gain de temps pour les employés, réduction des taux d’erreur, chiffre d’affaires généré ou amélioration de la fidélisation de la clientèle.
Commencez par définir la situation de référence. Quel est le coût actuel du processus en termes de temps, d’argent ou de risque ? Modélisez ensuite les changements qui interviendraient si l’IA fonctionnait comme prévu. La différence entre ces deux chiffres, ajustée en fonction du niveau de confiance dans la fiabilité de l’IA, correspond à votre valeur projetée. À partir de là, vous pouvez comparer cette valeur projetée au coût total de l’initiative.
Un cadre utile pour structurer cette évaluation s'articule autour de trois dimensions :
- Valeur de rendement : Gain de temps ou d'argent réalisé grâce à l'automatisation ou à l'accélération d'une tâche
- Valeur de la qualité de la décision : De meilleurs résultats grâce à des informations plus rapides ou plus précises
- Valeur stratégique : Avantage concurrentiel, réduction des risques ou capacité favorisant la croissance future
Tous les cas d'utilisation de l'IA n'apportent pas nécessairement de la valeur dans ces trois dimensions, mais identifier ceux qui s'y appliquent vous aide à élaborer une analyse de rentabilité plus honnête et plus complète. La valeur stratégique est la plus difficile à quantifier, mais la négliger complètement peut conduire à sous-estimer les cas d'utilisation qui comptent le plus pour l'orientation à long terme de l'organisation.
Quel est le rapport coût/valeur considéré comme acceptable pour l'IA ?
On considère généralement qu’un rapport coût/valeur acceptable pour un cas d’utilisation de l’IA est d’au moins 2:1, ce qui signifie que la valeur commerciale générée est au moins le double de l’investissement total. Pour les cas d'utilisation à haut risque ou expérimentaux, de nombreuses organisations placent la barre plus haut, en visant un rapport de 3:1, voire de 5:1, afin de tenir compte de l'incertitude liée à la réalisation de la valeur et du risque de dépassement des coûts de mise en œuvre.
Cela dit, le ratio adéquat n’est pas universel. Il dépend de facteurs tels que le degré de maturité de la technologie d’IA utilisée, la tolérance de l’organisation face à l’incertitude et la rapidité avec laquelle la valeur est censée se concrétiser. Un cas d'utilisation permettant de réaliser des économies claires et mesurables dans un délai de six mois peut justifier un ratio plus faible qu'un cas où la valeur est diffuse, à long terme ou difficile à attribuer.
Une façon d'aborder la question de l'acceptabilité consiste à comparer l'investissement dans l'IA à la meilleure alternative disponible. Si une amélioration des processus manuels ou une solution logicielle plus simple permettait d'obtenir 80% de valeur pour un coût de 20%, le cas d'utilisation de l'IA doit justifier ce surcoût. Le rapport coût/valeur ne consiste pas seulement à déterminer si l'IA apporte de la valeur en soi ; il s'agit de savoir si elle apporte plus de valeur que les alternatives.
En quoi le type de cas d'utilisation de l'IA influe-t-il sur le ratio attendu ?
Le type de cas d’utilisation de l’IA influe considérablement sur le rapport coût/valeur jugé réaliste et acceptable. Les cas d’utilisation qui automatisent des tâches bien définies et répétitives, telles que le traitement de documents, le rapprochement des factures ou la détection d’anomalies dans des données structurées, ont tendance à générer des retours prévisibles et peuvent atteindre des ratios élevés relativement rapidement. Les cas d’utilisation impliquant l’IA générative, l’aide à la décision complexe ou des applications novatrices comportent davantage d’incertitudes et nécessitent généralement un rapport attendu plus élevé pour justifier le risque.
Cas d'utilisation de l'automatisation opérationnelle
Ces cas d'utilisation remplacent ou accélèrent les processus manuels, avec un gain de productivité mesurable. La valeur ajoutée est généralement facile à calculer : réduction du nombre d'heures de travail, baisse des taux d'erreur, raccourcissement des temps de cycle. Le retour sur investissement de ces cas d'utilisation est souvent atteignable en 12 à 18 mois, ce qui en fait des candidats de choix pour un premier investissement dans l'IA.
Intelligence décisionnelle et cas d'utilisation prédictifs
Ces cas d'utilisation améliorent la qualité des décisions plutôt que de se substituer directement au travail humain. La valeur se mesure à l'aune des résultats : de meilleures décisions d'achat, une réduction du taux de désabonnement, des prévisions plus précises. Le lien de causalité entre les résultats générés par l'IA et les résultats commerciaux étant plus difficile à isoler, le ratio attendu doit être plus élevé afin de compenser l'incertitude liée à l'attribution. Les organisations doivent mettre en place des cadres de mesure clairs avant le déploiement, et non après.
Quels sont les coûts généralement sous-estimés dans les budgets consacrés aux cas d'utilisation de l'IA ?
Les coûts les plus souvent sous-estimés dans les budgets consacrés aux cas d'utilisation de l'IA sont la préparation des données, la maintenance continue des modèles, l'intégration aux systèmes existants et la gestion du changement. La plupart des organisations prennent en compte le coût de développement ou d'acquisition de la licence du modèle d'IA lui-même, mais sous-estiment tout ce qui est nécessaire pour le faire fonctionner de manière fiable dans un environnement de production et générer une réelle valeur ajoutée pour l'entreprise.
Parmi les catégories de coûts spécifiques qui surprennent souvent les organisations, on peut citer :
- Qualité et étiquetage des données : Les modèles d'IA nécessitent des données d'entraînement propres, structurées et souvent annotées manuellement, un processus qui demande plus de temps et d'efforts de la part de spécialistes que prévu
- Infrastructure et ressources informatiques : L'exécution de modèles d'IA à grande échelle, en particulier les grands modèles linguistiques, entraîne des coûts de calcul dans le cloud importants et récurrents.
- Travaux d'intégration : L'intégration des résultats d'une IA dans les flux de travail, les systèmes et les processus de validation existants nécessite souvent autant d'efforts d'ingénierie que la conception du modèle lui-même
- Dérive du modèle et réapprentissage : Les modèles d'IA perdent en efficacité au fil du temps, à mesure que le monde réel évolue ; les budgets doivent donc prévoir un suivi continu et un réentraînement périodique.
- Gestion du changement : Pour que les gens fassent confiance aux résultats générés par l'IA et agissent en conséquence, il faut mettre en place des formations, communiquer et, souvent, repenser les processus.
Sous-estimer ces coûts n'a pas seulement des répercussions sur le budget ; cela fausse le rapport coût-valeur et conduit à des cas d'utilisation de l'IA qui semblent séduisants sur le papier, mais qui ne tiennent pas leurs promesses dans la pratique. A L'approche FinOps pour la gestion des coûts du cloud peut aider les entreprises à suivre leurs dépenses en ressources informatiques et en infrastructure liées aux charges de travail d'IA avec la même rigueur que celle appliquée à leur consommation de cloud, évitant ainsi que des coûts imprévus ne viennent compromettre les retours sur investissement prévus.
Dans quels cas faut-il rejeter un cas d'utilisation de l'IA pour des raisons liées au rapport coût-valeur ?
Un cas d'utilisation de l'IA doit être rejeté pour des raisons de rapport coût-valeur lorsque la valeur attendue ne peut être mesurée de manière fiable, lorsque le coût total dépasse ce que la valeur peut raisonnablement permettre de récupérer dans un délai acceptable, ou lorsqu'une solution plus simple permettrait d'obtenir des résultats comparables à moindre coût et avec moins de risques. Le rejet est la bonne décision lorsque l'analyse de rentabilité repose sur des hypothèses qui ne peuvent être vérifiées avant qu'un investissement important ne soit engagé.
Parmi les signes indiquant qu'un cas d'utilisation ne doit pas être mis en œuvre, on peut citer :
- Cette valeur n'est définie qu'en termes qualitatifs, sans qu'il soit possible de la quantifier financièrement de manière plausible.
- Le processus de référence est mal compris, ce qui rend impossible la modélisation de l'amélioration
- Les données nécessaires à l'entraînement ou au fonctionnement du modèle n'existent pas, sont inaccessibles ou leur préparation entraînerait des coûts prohibitifs.
- Ce cas d'utilisation reproduit des fonctionnalités déjà disponibles dans des outils existants, pour un coût bien moindre.
- La durée de récupération prévue dépasse les trois ans, sans étapes intermédiaires de création de valeur.
Le rejet d’un cas d’utilisation pour des raisons liées au rapport coût-valeur n’est pas un échec ; cela signifie simplement que le processus de gouvernance fonctionne comme prévu. Les organisations qui mettent en place un processus rigoureux d’évaluation des investissements dans l’IA se dotent au final d’un portefeuille d’initiatives plus solide et évitent le piège des coûts irrécupérables, qui consiste à continuer de financer des projets qui ne porteront pas leurs fruits.
Comment évaluer la valeur des cas d'utilisation de l'IA après leur déploiement ?
La valeur d'un cas d'utilisation de l'IA doit être suivie après son déploiement en mesurant les mêmes résultats opérationnels que ceux définis dans l'analyse de rentabilité initiale, en les comparant à la situation de référence antérieure au déploiement et en les examinant à intervalles réguliers, au moins une fois par trimestre. Ce suivi doit débuter dès la mise en service, et non six mois plus tard, afin que les premiers signes de sous-performance puissent déclencher des mesures correctives avant que les coûts ne continuent de s'accumuler.
Un suivi efficace après le déploiement repose sur trois éléments. Premièrement, il faut désigner un responsable des mesures, c’est-à-dire une personne chargée de collecter les données et de rendre compte de la réalisation de la valeur, distincte de l’équipe qui a développé la solution. Deuxièmement, il faut disposer d’indicateurs convenus et définis avant le déploiement, et non adaptés a posteriori pour embellir les résultats. Troisièmement, il faut établir une fréquence de réévaluation assortie de pouvoirs de décision : si la valeur ne se concrétise pas dans le délai prévu, l’organisation doit disposer d’un processus clair pour décider s’il convient d’ajuster, de réduire l’ampleur du projet ou d’y mettre fin.
Le suivi de la valeur alimente également en temps réel le ratio coût/valeur. À mesure que les coûts réels se précisent, y compris les coûts récurrents liés au calcul, à la maintenance et au support, qui sont souvent sous-estimés au départ, ce ratio doit être recalculé en fonction de la valeur réelle générée. Cela renforce la responsabilisation et améliore la qualité des futures analyses de rentabilité liées à l'IA à l'échelle de l'organisation.
Comment nous vous aidons à évaluer et à gérer la valeur de vos investissements dans l'IA
Pour trouver le juste équilibre entre coût et valeur dans les cas d’utilisation de l’IA, il faut faire preuve de discipline financière, mettre en place une gouvernance claire et être capable de relier les dépenses technologiques aux résultats commerciaux. C’est précisément ce que nous aidons les organisations à mettre en place. Chez It’s Value, nous travaillons avec les responsables informatiques, financiers et opérationnels pour mettre en place les structures adéquates :
- Définir des indicateurs de valeur et des références fiables avant de prendre des décisions d'investissement dans l'IA
- Assurer la transparence des coûts pour les charges de travail d'IA dans le cloud et sur site grâce au FinOps et gestion stratégique de portefeuille pratiques
- Mettre en place des cadres de gouvernance qui définissent clairement les responsabilités et les fréquences de révision pour chaque cas d'utilisation de l'IA
- Suivre la concrétisation de la valeur après le déploiement afin que l'analyse de rentabilité reste un document évolutif, et non une justification ponctuelle
- Intégrer la gestion des coûts basée sur l'IA dans le cadre plus large de la gestion financière des technologies de l'information à l'aide des cadres TBM et FinOps
Si vous souhaitez mettre en place une approche plus rigoureuse en matière de justification des coûts liés à l'IA et de suivi de la valeur ajoutée au sein de votre organisation, contactez-nous pour discuter de la manière de s'y prendre.