1. Contexte sectoriel : le cadre stratégique
Le secteur dans lequel vous évoluez a une forte influence sur le chiffre d'affaires attendu des cas d'utilisation de l'IA que vous envisagez de lancer.
Cette première étape repose sur trois critères : les contraintes réglementaires et les coûts de mise en conformité propres au secteur, la maturité de son écosystème technologique spécifique et la culture d'investissement à court ou à long terme qui y prévaut.
1.1 Pressions réglementaires et coûts de mise en conformité
Chaque initiative en matière d'IA s'inscrit dans un cadre réglementaire propre à chaque secteur, qui influe directement sur son potentiel de retour sur investissement.
Prenons l'exemple de l'accès aux data relatives aux ordonnances data les professionnels de santé
- Aux États-Unis, la loi HIPAA protège les informations permettant d'identifier les patients, mais autorise l'utilisation et la vente de data anonymisées relatives aux prescriptions médicales data des fins commerciales et de recherche, sous réserve de contrôles moins stricts ; cela a permis l'émergence d'un marché florissant de l'analyse des prescriptions
- Au Brésil, la réglementation évolue : l'ANVISA et la Loi générale sur la protection des données (LGPD) régissent data de santé, avec des règles similaires à celles du RGPD, mais leur application est moins bien établie ; data relatives aux prescriptions data considérées comme sensibles, et leur utilisation est soumise aux lois sur la confidentialité et le secret commercial, leur accès étant souvent restreint à moins qu'elles ne soient anonymisées ou agrégées
- En Europe, le RGPD impose des contrôles stricts sur data à caractère personnel et data de santé, ce qui rend la collecte, le traitement et l'utilisation commerciale data relatives aux prescriptions médicales data limités et nécessite souvent un consentement explicite ou une anonymisation rigoureuse
En conséquence, le retour sur investissement lié à l'utilisation data sur les ordonnances data cibler les professionnels de santé est élevé aux États-Unis, moyen au Brésil et limité en Europe, où, la plupart du temps, les data agrégées au niveau régional.
Ces contraintes constituent des « garde-fous en matière de retour sur investissement » qui déterminent les cas d'utilisation envisageables.
1.2 Multiplicateurs de maturité de l'écosystème
Le paysage technologique d'un secteur — en particulier la présence d'acteurs spécialisés et de start-ups innovantes — joue un rôle essentiel dans l'accélération du retour sur investissement des projets d'IA.
Lorsqu'un secteur bénéficie d'un écosystème dynamique regroupant des fournisseurs de technologies, des intégrateurs et des start-ups spécialisées, les entreprises peuvent identifier, tester et déployer plus rapidement des solutions d'IA de pointe adaptées à leurs défis commerciaux spécifiques. Cet écosystème favorise la collaboration, le partage des connaissances et l'accès aux meilleurs outils du marché, ce qui réduit les délais de développement et les obstacles à l'intégration.
De plus, les communautés open source et les fournisseurs spécialisés permettent aux entreprises de tester des cadres éprouvés et de tirer parti de l'innovation collective, ce qui simplifie les projets pilotes et réduit les délais de rentabilisation. Ainsi, les secteurs disposant d'un réseau dense d'acteurs spécialisés dans l'IA sont en mesure de déployer plus rapidement les projets couronnés de succès et de concrétiser plus tôt des gains tangibles en termes de productivité et d'efficacité, ce qui a un impact direct sur l'évolution de leur retour sur investissement.
1.3 Le long-termisme comme accélérateur du retour sur investissement
Les secteurs qui adoptent une planification pluriannuelle (par exemple, l'énergie ou l'aérospatiale) enregistrent un retour sur investissement cumulé nettement plus élevé en matière d'IA sur des périodes de cinq ans que les secteurs à cycle court. Les cycles à long terme permettent d'investir dans des technologies plus innovantes et audacieuses, tout en lissant les coûts liés à la gestion de projet, grâce au recrutement interne et à une planification à long terme de l'approvisionnement.
Un exemple célèbre est la feuille de route en matière d'IA élaborée par BP sur une période de dix ans pour la maintenance prédictive dans le domaine du forage en mer.
2. Coûts de mise en œuvre en entreprise : la couche d'exécution
L'entreprise dans laquelle un cas d'utilisation de l'IA est déployé a une influence considérable sur les coûts de mise en œuvre, en fonction du degré de maturité de trois éléments : les fondements technologiques, la data et l'intérêt de l'entreprise pour l'IA.
2.1 Coûts liés à la mise en place de la pile technologique
Les entreprises dotées data moderne (data cloud , pipelines MLOps) accélèrent considérablement la mise en œuvre de cas d'utilisation de l'IA par rapport à leurs homologues qui s'appuient sur des systèmes hérités.
À titre indicatif, la mise en place d'une nouvelle connexion avec un système source peut prendre entre quelques jours et un mois, selon les types de connecteurs disponibles.
2.2 Retard en matière de Data
L'absence d'data solide data réduit considérablement le retour sur investissement des cas d'utilisation de l'IA, et ce de deux manières principales.
Tout d'abord, les projets prennent souvent du retard en raison de la nécessité de data approfondie data et de mettre en place une gestion des accès adéquate, les équipes devant consacrer un temps considérable au nettoyage, à l'organisation et à la sécurisation data pouvoir commencer la modélisation. Data peut représenter jusqu'à 80 % de l'effort requis dans les projets d'apprentissage automatique.
Deuxièmement, une gouvernance insuffisante entraîne data mauvaise data et un étiquetage inadéquat, ce qui a un impact direct sur les performances de l'IA : les modèles entraînés à partir de data incomplètes, incohérentes ou mal étiquetées data des résultats moins précis et moins fiables, ce qui nuit à la valeur commerciale et nécessite des retouches coûteuses ou allonge les cycles de développement.
2.3 Indice de résistance à l'adoption
C'est l'intérêt des employés pour les technologies et leur capacité à gérer le changement qui déterminent si les outils d'IA apportent une réelle valeur ajoutée ou finissent par rester inutilisés.
Si plusieurs réussites dans le domaine de l'IA ont déjà ouvert la voie, et si les employés ont accès à des programmes de formation continue sur l'IA qui contribuent à démystifier cette technologie, à en démontrer les résultats et à mettre en avant sa complémentarité avec l'humain, ils deviennent nettement plus réceptifs aux futurs cas d'utilisation de l'IA qui seront mis en place.
Par exemple, les sessions de formation accompagnant le lancement d'un produit d'IA consacrent généralement 20 % de leur contenu à l'acculturation à l'IA, et comprennent au moins un module sur l'accès aux outils. Plus ces produits sont centralisés au sein d'une interface unique et destinés à des équipes déjà formées, plus l'effort d'acculturation diminue de 30 à 40 %.
3. Avantages multi-horizons : la matrice de valeur
Les avantages des cas d'utilisation de l'IA s'articulent autour de deux horizons temporels permettant d'exploiter pleinement leur potentiel, avec des gains dont le caractère concret varie.
Le premier horizon s'étend sur un an et est très concret ; il met l'accent sur les gains liés au lancement de nouveaux produits et services rendus possibles par l'IA, ainsi que sur l'automatisation des tâches grâce à l'IA.
Le deuxième horizon s'étend sur deux à trois ans et est moins concret ; il porte sur l'amélioration de la prise de décision stratégique et le renforcement de la résilience de l'entreprise face aux fluctuations du marché grâce à l'utilisation de l'IA.
3.1 Court terme (0 à 12 mois)
Moteur de croissance du chiffre d'affaires
La principale stratégie de croissance du chiffre d'affaires consiste à augmenter les recettes générées par les produits existants. Dans le domaine de la personnalisation, prenons deux exemples illustratifs : le moteur de recommandation de Netflix, qui a permis d'augmenter l'engagement des clients de 30 % et, par conséquent, de réduire le taux de désabonnement. Un autre exemple est celui de Stitch Fix, une entreprise de vêtements qui utilise des algorithmes d'IA pour analyser les préférences et les comportements des clients, afin de leur proposer des recommandations vestimentaires sur mesure. Une personnalisation à une telle échelle serait impossible sans l'IA, et c'est précisément cette technologie qui rend le modèle économique de Stitch Fix viable.
La deuxième approche consiste à lancer de nouveaux produits qui n'étaient pas rentables avant l'avènement de l'IA. Par exemple, Nutella s'est associé à Ogilvy Italia pour utiliser un réseau neuronal afin de créer sept millions d'étiquettes de pots uniques, qui se sont toutes vendues en moins d'une semaine. Sans l'IA, la production d'un nombre aussi important d'étiquettes uniques aurait été d'un coût prohibitif, voire tout simplement impossible, ce qui a rendu cette campagne exceptionnellement rentable.
3.2 Long terme (12 mois et plus)
Supériorité en matière de décisions stratégiques
Il est toujours difficile d'évaluer l'impact d'une décision stratégique sur les finances d'une entreprise, et encore plus d'évaluer l'influence de l'intelligence artificielle dans cette décision. Cependant, les avis s'accordent à reconnaître que l'IA est déjà devenue un partenaire stratégique dans la prise de décision. Artefact l'exemple Artefact l'utilisation de la modélisation du mix marketing, un outil conçu pour optimiser la répartition du budget marketing entre les différents canaux pour l'année suivante. Dans certains cas, l'augmentation des bénéfices rendue possible par cette optimisation peut atteindre jusqu'à 40 %.
Résilience organisationnelle
L'adoption d'une culture axée sur l'IA apporte de l'agilité aux organisations en intégrant l'apprentissage continu, l'adaptabilité et l'expérimentation rapide dans les opérations quotidiennes. L'IA permet aux équipes d'automatiser les tâches routinières, de détecter rapidement les anomalies et de rationaliser les flux de travail, libérant ainsi les employés qui peuvent alors se concentrer sur l'innovation et la création de valeur. Cette culture encourage la prise de décision décentralisée et donne aux équipes les moyens de tester de nouvelles idées, d'analyser les résultats et d'itérer sur les processus en temps réel, favorisant ainsi un état d'esprit où le changement est accueilli favorablement et où l'échec est considéré comme une opportunité d'apprentissage. En conséquence, les organisations deviennent plus flexibles, mieux préparées à répondre aux évolutions du marché et capables de faire évoluer leurs stratégies et leurs rôles pour relever les nouveaux défis, faisant ainsi de l'agilité un élément central de leur identité et de leur force opérationnelle.
Selon une étude Dataiku, 90 % des entreprises interrogées considèrent l'IA comme un outil de résilience face au risque de récession et aux crises économiques. Plus de 80 % des dirigeants indiquent maintenir ou augmenter leurs investissements dans l'IA malgré les incertitudes économiques, ce qui témoigne d'une grande confiance dans la capacité de l'IA à protéger les entreprises contre les perturbations.
Le cadre de calcul du retour sur investissement concentrique
Compte tenu de tous les facteurs susmentionnés, nous proposons la formule suivante pour calculer le retour sur investissement d'un cas d'utilisation de l'IA, qui dépend de trois niveaux : le secteur d'activité, l'entreprise et la rationalisation des coûts liés aux cas d'utilisation en matière d'informatique, data et de gestion du changement. Bien que l'évaluation de chaque facteur soit complexe, cette formule vous aidera à garder à l'esprit tous les éléments à prendre en considération.
Conclusion : trouver le juste équilibre dans le calcul du retour sur investissement
Ce cadre va au-delà de l'analyse coûts-avantages statique pour modéliser les répercussions en cascade de l'IA :
- Les acteurs du secteur définissent les règles du jeu en matière de retour sur investissement
- La maturité de l'entreprise détermine les coûts d'entrée
- Les perspectives de gains s'accumulent au fil du temps
Dans notre dernier article, nous verrons comment mettre en pratique ce cadre à travers deux exemples tirés du secteur de la santé, l’un axé sur le retour sur investissement (ROI) sur une période de 0 à 12 mois et l’autre sur une période supérieure à 12 mois.
