Avant de pouvoir calculer les économies générées par l'IA, vous devez disposer d'une base de référence fiable des coûts « pré-IA », qui reflète fidèlement ce que coûtait ce même travail avant l'introduction de cette technologie. Sans cela, tout chiffre d'économies que vous communiquerez ne sera qu'une estimation fondée sur des hypothèses plutôt que sur des faits. Les sections ci-dessous passent en revue les questions les plus importantes auxquelles les organisations sont confrontées lorsqu'elles établissent et utilisent une base de référence pour les économies générées par l'IA.
Pourquoi le choix d'une base de référence inadaptée fausse-t-il les calculs des économies réalisées grâce à l'IA ?
Le choix d'une base de référence inadaptée fausse les calculs d'économies générées par l'IA, car cela modifie le point de référence par rapport auquel toutes les améliorations sont mesurées. Si votre base de référence est trop élevée, vous surestimez les économies. Si elle est trop faible, ou si elle repose sur une période non représentative, vous les sous-estimez. Dans les deux cas, cela affaiblit votre analyse de rentabilité de l'IA et sape la confiance des services financiers et de la direction.
Cela revêt une importance particulière lorsque les investissements dans l’IA sont importants et que la pression pour les justifier est bien réelle. Une base de référence établie à partir d’un trimestre exceptionnellement coûteux, d’une période de pic d’effectifs ou d’un processus déjà partiellement optimisé produira des chiffres qui ne résisteront pas à un examen minutieux. Lorsque le directeur financier ou le conseil d’administration demande comment les économies ont été calculées, une base de référence erronée devient un problème de crédibilité, et pas seulement un problème de mesure.
Cette distorsion s'accentue également avec le temps. Si le suivi continu des économies continue de se baser sur une référence erronée, chaque rapport ultérieur reproduira la même erreur. C'est pourquoi définir correctement la référence dès le départ n'est pas un simple détail technique, mais une décision de gouvernance qui détermine la manière dont la valeur apportée par l'IA est communiquée au sein de l'organisation.
Quels sont les principaux types de références utilisés dans la mesure des coûts liés à l'IA ?
Les principaux types de références utilisés dans la mesure des coûts liés à l'IA sont la référence historique, la référence basée sur les activités, la référence de taux d'exécution et la référence contrefactuelle. Chacune d'entre elles rend compte d'une dimension différente des coûts antérieurs à l'IA et est adaptée à différents contextes de mesure.
- Référence du coût historique : Elle utilise les coûts réels enregistrés au cours d'une période définie précédant le déploiement de l'IA, généralement de 6 à 12 mois. Il s'agit de l'approche la plus simple, qui fonctionne bien lorsque le processus en place avant l'IA était stable et bien documenté.
- Référence fondée sur l'activité : Permet de calculer le coût par unité de travail effectuée, par exemple le coût par facture traitée ou le coût par demande d'assistance résolue. Cela permet de mesurer les économies réalisées même lorsque les volumes varient considérablement après la mise en place de l'IA.
- Référence de taux annuel : Le projet estime les coûts qui auraient été engagés sans l'IA, en se basant sur les tendances historiques et la croissance prévue des volumes. Cet outil s'avère utile lorsque l'activité de l'entreprise est en pleine croissance et qu'un simple aperçu historique ne permettrait pas d'évaluer correctement le niveau qu'auraient atteint ces coûts.
- Scénario de référence contrefactuel : Permet de simuler les dépenses que l'organisation aurait engagées si elle avait choisi une autre voie, par exemple en recrutant du personnel supplémentaire ou en modernisant ses systèmes existants. Il s'agit du type de simulation le plus complexe, mais il s'avère utile lorsque l'IA remplace un investissement prévu plutôt qu'un investissement existant.
La plupart des organisations ont intérêt à combiner au moins deux de ces approches, notamment la méthode du coût historique associée à un ajustement basé sur les activités, afin de tenir compte des variations de volume sans gonfler le chiffre des économies réalisées.
Comment établir une base de référence fiable des coûts avant l'arrivée de l'IA ?
Vous établissez une base de référence fiable des coûts antérieurs à l'IA en identifiant le processus ou la fonction spécifique sur lequel l'IA aura un impact, en collectant des données réelles sur les coûts pour ce périmètre sur une période représentative, et en validant ces données avec les parties prenantes des services informatiques et financiers avant le début du déploiement de l'IA.
Les étapes à suivre sont simples, mais chacune d'entre elles nécessite de la rigueur pour être exécutée correctement :
- Définissez précisément le périmètre. Identifiez les processus, les équipes, les systèmes ou les résultats sur lesquels l'IA aura un impact direct. Évitez les définitions trop larges qui incluent des coûts sur lesquels l'IA n'aura jamais d'incidence.
- Choisissez une période de mesure représentative. Utilisez au moins 6 mois de données, et idéalement 12, afin de lisser les variations saisonnières. Évitez les périodes marquées par des événements ponctuels, des incidents majeurs ou des restructurations organisationnelles.
- Répertoriez toutes les catégories de coûts pertinentes. Tenez compte de la main-d'œuvre (coût total, pas seulement le salaire), des licences logicielles, de l'infrastructure, de l'assistance technique et de toutes les solutions de contournement manuelles dont dépend le processus actuel.
- Préciser les hypothèses et les exclusions. Notez ce qui est pris en compte et pourquoi, afin de pouvoir justifier cette base de référence ultérieurement et la comparer de manière cohérente aux résultats réels obtenus après la mise en œuvre de l'IA.
- Vérifier auprès du service financier. Une base de référence établie uniquement par le service informatique est susceptible d'être contestée. L'aval du service financier dès le départ garantit l'intégrité des affirmations relatives aux économies réalisées par la suite.
Ce processus se connecte directement à Pratiques FinOps pour assurer la visibilité des coûts du cloud, où la mise en place de données fiables sur les coûts avant même de commencer l'optimisation constitue une pratique fondamentale.
Quels coûts faut-il inclure et exclure de la base de référence ?
La base de référence doit inclure tous les coûts que l'IA remplace ou réduit directement, et exclure les coûts qui ne sont pas liés au processus automatisé ou qui resteront constants, quel que soit l'investissement dans l'IA. Définir correctement cette délimitation est l'une des décisions les plus importantes dans la mesure des économies réalisées grâce à l'IA.
Frais à inclure
- Coûts salariaux globaux pour le personnel chargé de la tâche dont l'IA prendra le relais, y compris les avantages sociaux, les frais généraux et le temps consacré à la gestion
- Licences logicielles pour les outils que l'IA remplace ou regroupe
- Coûts d'infrastructure directement liés au processus, tels que la puissance de calcul ou le stockage pour les systèmes existants
- Coûts liés aux services fournis par des tiers, tels que le traitement externalisé ou les services de saisie manuelle de données
- Coûts liés à la correction des erreurs et aux retouches résultant d'un traitement manuel
Frais à exclure
- Les frais généraux qui resteront inchangés, quel que soit le déploiement de l'IA, tels que les coûts liés aux locaux ou à l'infrastructure informatique partagée au service d'autres fonctions
- Coûts ponctuels ou non récurrents de la période de référence qui ne sont pas représentatifs de l'activité normale
- Coûts des processus connexes sur lesquels l'IA n'a pas d'incidence directe
- Coûts d'opportunité ou économies théoriques qui ne peuvent être comparés aux dépenses réelles
Une erreur courante consiste à inclure des coûts qui semblent liés au champ d'application de l'IA, mais qui n'ont en réalité aucun lien de causalité avec celui-ci. Cela gonfle le niveau de référence et donne l'impression que les économies réalisées sont plus importantes qu'elles ne le sont en réalité, ce qui pose des problèmes lors de l'audit des résultats.
Faut-il utiliser une référence statique ou glissante pour le suivi continu des économies réalisées grâce à l'IA ?
Pour un suivi continu des économies générées par l'IA, il est recommandé, dans la plupart des cas, d'utiliser une référence glissante plutôt qu'une référence statique. Une référence statique fige un instantané unique antérieur à la mise en œuvre de l'IA et compare toutes les périodes ultérieures à celui-ci, ce qui perd de sa pertinence au fil du temps et à mesure que la conjoncture économique évolue. Une référence glissante s'ajuste périodiquement pour tenir compte des variations de volume, de l'inflation et de l'évolution des processus.
Le choix approprié dépend de vos objectifs de mesure :
- Utiliser une référence statique lorsque vous devez rendre compte des économies cumulées totales réalisées depuis le déploiement de l'IA, ou lorsque l'analyse de rentabilité a été élaborée sur la base d'un objectif de coûts fixes. Cela s'avère utile pour les rapports destinés à la direction et pour valider la décision d'investissement initiale.
- Utilisez une base de référence glissante lorsque vous suivez les performances au quotidien et que vous devez tenir compte du fait que les volumes, la taille des équipes ou les tarifs du marché ont évolué depuis le déploiement. Une base de référence glissante permet de garantir la pertinence de la comparaison et évite que les économies réalisées ne soient surestimées simplement en raison de la croissance de l'activité.
De nombreuses organisations utilisent ces deux approches en parallèle : une base de référence statique pour l'analyse de rentabilité initiale et une base de référence évolutive pour la gestion des performances opérationnelles. Cette approche offre à la direction une vision claire du rendement global, tout en fournissant aux équipes informatiques et financières des indicateurs pertinents pour une optimisation continue. Cela correspond à la manière dont les organisations matures gestion financière dans le cloud Ces programmes permettent de suivre la rentabilité au fil du temps, en distinguant les économies ponctuelles des réductions de coûts structurelles.
Quelles sont les erreurs de base les plus courantes qui compromettent la viabilité économique des projets d'IA ?
Les erreurs de base les plus courantes qui compromettent la viabilité économique des projets d'IA consistent à utiliser une période de mesure non représentative, à ne pas prendre en compte l'ensemble des coûts, à confondre réduction des coûts et évitement des coûts, et à ne pas obtenir l'accord des services financiers avant le déploiement. Chacune de ces erreurs aboutit à des chiffres d'économies qui ne résistent pas à un examen approfondi.
- Période non représentative : Le fait de mesurer les coûts de référence pendant une période exceptionnellement coûteuse ou exceptionnellement calme donne lieu à un point de référence biaisé. Vérifiez toujours que la période prise en compte reflète un fonctionnement normal.
- Prise en compte incomplète des coûts : Le fait de ne prendre en compte que la main-d'œuvre directe, sans tenir compte des frais généraux, des coûts d'outillage et des coûts de retouche, sous-estime le coût réel avant l'IA et minimise le montant des économies réalisées.
- Confondre la réduction des coûts et la prévention des coûts : Si l'IA permet d'éviter des coûts qui auraient autrement augmenté, il s'agit d'une « prévention des coûts », et non d'une « réduction des coûts ». Ces deux notions sont valables, mais elles doivent être présentées séparément. Les confondre prête à confusion lors de la comparaison des chiffres réels avec le scénario de référence.
- Pas d'harmonisation financière : Un scénario de référence élaboré uniquement par le service informatique peut facilement être remis en cause. L'implication du service financier dès le début permet de créer un sentiment d'appropriation commune de la méthodologie et rend les estimations d'économies bien plus défendables.
- Ignorer les variations de volume : Si l'activité a progressé de 20% après le déploiement de l'IA, certaines des économies apparentes pourraient simplement s'expliquer par le fait que davantage de travail est effectué pour un coût identique, et non par une baisse du coût unitaire. Il est nécessaire de tenir compte du volume pour obtenir une mesure fiable.
- Absence de documentation relative aux hypothèses : Sans un état des lieux précis indiquant ce qui a été inclus, ce qui a été exclu et pourquoi, la situation de référence ne peut être appliquée de manière cohérente ni défendue au fil du temps.
Comment nous vous aidons à établir une base de référence solide en matière d'économies grâce à l'IA
Pour évaluer avec précision les économies générées par l’IA, il faut faire preuve de la même discipline financière que celle qui sous-tend toute décision d’investissement informatique sérieuse. Chez It’s Value, nous aidons les organisations à mettre en place la transparence des coûts et les cadres de gouvernance qui rendent les analyses de rentabilité de l’IA crédibles et défendables. Plus précisément, nous vous accompagnons dans les domaines suivants :
- Définir le périmètre et les catégories de coûts adaptés à votre référence pré-IA, en concertation avec les parties prenantes des services informatiques et financiers
- Mettre en œuvre les cadres de référence « IT Financial Management » (ITFM) et « Technology Business Management » (TBM), qui vous fournissent les données structurées sur les coûts nécessaires pour mesurer de manière fiable les économies réalisées au fil du temps
- Intégrer les pratiques FinOps aux charges de travail d'IA dans le cloud, afin que les coûts de calcul et de plateforme soient répartis avec précision et pris en compte dans votre base de référence dès le départ
- Mettre en place des cycles de reporting permettant de suivre les économies générées par l'IA par rapport à des références fixes et glissantes, afin d'offrir à la direction la visibilité nécessaire pour valider l'investissement
Si vous préparez une analyse de rentabilité liée à l'IA ou si vous souhaitez valider la méthodologie de calcul des économies que vous avez déjà mise en place, contactez-nous pour discuter de la manière dont nous pouvons vous aider à établir une base de référence solide.