1. Contexte de l'industrie : L'enveloppe stratégique
Le secteur dans lequel vous opérez influe fortement sur les résultats escomptés des cas d'utilisation de l'IA que vous envisagez de lancer.
Cette première porte repose sur trois critères : les forces réglementaires et les coûts de mise en conformité de l'industrie, la maturité de son écosystème technologique spécifique et la culture d'investissement à court ou à long terme qui y règne.
1.1 Forces réglementaires et coûts de mise en conformité
Chaque initiative en matière d'IA s'inscrit dans des limites réglementaires sectorielles spécifiques qui déterminent directement le potentiel de retour sur investissement.
Prenons l'exemple de l'accès à la prescription data par les professionnels de santé
- Aux États-Unis, la loi HIPAA protège les informations identifiables par le patient, mais autorise l'utilisation et la vente de prescriptions médicales dépersonnalisées à des fins commerciales et de recherche, sous réserve de contrôles moins stricts, ce qui a permis l'émergence d'un marché solide pour l'analyse des prescriptions.
- Au Brésil, la réglementation évolue : L'ANVISA et la Lei Geral de Proteção de Dados (LGPD) supervisent le data de santé, avec des règles similaires au GDPR, mais l'application est moins mature ; le data de prescription est considéré comme sensible, et son utilisation est soumise aux lois sur la confidentialité et le secret commercial, avec un accès souvent restreint à moins qu'il ne soit anonymisé ou agrégé.
- En Europe, le GDPR impose des contrôles stricts sur les data personnelles et de santé, rendant la collecte, le traitement et l'utilisation commerciale des data prescrites par les médecins très restreints et exigeant souvent un consentement explicite ou une forte anonymisation.
Par conséquent, le retour sur investissement de l'utilisation de la prescription data pour cibler les professionnels de la santé est élevé aux États-Unis, moyen au Brésil et limité en Europe, où la plupart du temps, le data est agrégé au niveau régional.
Ces contraintes créent des “garde-fous du retour sur investissement” qui déterminent les cas d'utilisation réalisables.
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 de fournisseurs de technologies, d'intégrateurs et de start-ups de niche, les organisations peuvent plus rapidement identifier, tester et déployer 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, réduisant ainsi les délais de développement et les obstacles à l'intégration.
En outre, les communautés open source et les fournisseurs spécialisés permettent aux entreprises d'expérimenter des cadres éprouvés et de bénéficier de l'innovation collective, ce qui rationalise les projets pilotes et raccourcit le délai de rentabilité. Par conséquent, les industries disposant d'un riche réseau d'acteurs spécialisés dans l'IA sont en mesure d'étendre les projets réussis plus rapidement et de réaliser des gains de productivité et d'efficacité tangibles plus tôt, ce qui a un impact direct sur leur trajectoire de retour sur investissement.
1.3 Le long terme comme accélérateur de retour sur investissement
Les industries qui adoptent une planification pluriannuelle (par exemple, l'énergie, l'aérospatiale) réalisent un retour sur investissement cumulé de l'IA nettement plus élevé 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 plus audacieuses, tout en lissant le coût de la gestion de projet, avec le recrutement interne et la planification de l'offre à long terme.
Un exemple célèbre est la feuille de route de BP en matière d'IA, qui s'étend sur une décennie, pour la maintenance prédictive dans le domaine du forage en mer.
2. Coûts de mise en œuvre de l'entreprise : Le niveau d'exécution
L'entreprise dans laquelle un cas d'utilisation de l'IA est déployé a une influence significative sur les coûts de mise en œuvre en fonction de la maturité de 3 actifs : les fondations technologiques, le data governance et l'appétence de l'entreprise pour l'IA.
2.1 Coûts de préparation de la pile technologique
Les organisations dotées d'une infrastructure data moderne (lacs cloud data, pipelines MLOps) accélèrent considérablement la mise en œuvre des cas d'utilisation de l'IA par rapport à leurs homologues qui s'appuient sur des systèmes hérités.
Pour vous donner une estimation, l'établissement d'une nouvelle connexion avec un système source peut prendre de quelques jours à un mois, en fonction des types de connecteurs disponibles.
2.2 Data dette de gouvernance
L'absence de data governance robuste réduit considérablement le retour sur investissement des cas d'utilisation de l'IA, et ce de deux manières principales.
Tout d'abord, les projets sont souvent retardés en raison de la nécessité d'une préparation data approfondie et de la mise en œuvre d'une gestion des accès appropriée, car les équipes doivent passer un temps considérable à nettoyer, organiser et sécuriser data avant de pouvoir commencer toute modélisation. La préparation Data peut absorber jusqu'à 80% des efforts dans les projets d'apprentissage automatique.
Deuxièmement, une gouvernance insuffisante entraîne une mauvaise qualité des data et un étiquetage inadéquat, ce qui a un impact direct sur les performances de l'IA - les modèles formés sur des data incomplets, incohérents ou mal étiquetés donnent des résultats moins précis et moins fiables, ce qui nuit à la valeur commerciale et nécessite des travaux de reprise coûteux ou des cycles de développement prolongés.
2.3 Indice de friction d'adoption
L'affinité des employés pour la technologie et les capacités de gestion du changement déterminent si les outils d'IA apportent de la valeur ou s'ils deviennent des accessoires de bureau.
Si plusieurs réussites en matière d'IA ont déjà ouvert la voie et que les employés ont accès à des programmes de formation continue à l'IA qui contribuent à démystifier la technologie, à démontrer les résultats et à mettre en évidence sa complémentarité avec les humains, ils deviennent nettement plus réceptifs aux futurs cas d'utilisation de l'IA qui seront lancés.
Par exemple, les formations accompagnant le lancement d'un produit d'IA comprennent généralement 20% de contenu dédié à l'acculturation à l'IA, ainsi qu'au moins une section sur l'accès aux outils. Plus ces produits sont centralisés au sein d'une interface unique et s'adressent à des équipes déjà formées, plus l'effort d'acculturation diminue de 30 à 40%.
3. Avantages à horizons multiples : La matrice de valeur
Les avantages des cas d'utilisation de l'IA s'articulent autour de deux horizons temporels pour libérer leur pleine valeur, avec des gains qui varient en termes de tangibilité.
Le premier horizon s'étend sur un an et est très tangible, se concentrant sur les gains liés au lancement de nouveaux produits et services rendus possibles par l'IA, ainsi qu'à l'automatisation des tâches permise par l'IA.
Le deuxième horizon couvre deux à trois ans et est moins tangible, impliquant des améliorations dans la prise de décision stratégique et une résilience accrue de l'entreprise aux changements du marché grâce à l'utilisation de l'IA.
3.1 Court terme (0-12 mois)
Moteur de croissance
La principale méthode de croissance du chiffre d'affaires consiste à augmenter les recettes des produits existants. Dans le domaine de la personnalisation, prenez deux exemples illustratifs : Le moteur de recommandation de Netflix, qui a augmenté l'engagement des clients de 30% et, par conséquent, réduit 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 et leur fournir des recommandations vestimentaires sur mesure. Une telle personnalisation à grande échelle serait impossible sans l'IA, et c'est précisément cette technologie qui rend le modèle d'entreprise de Stitch Fix viable.
La seconde 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 ont toutes été vendues en l'espace d'une semaine. Sans l'IA, la production d'un tel nombre d'étiquettes uniques aurait été prohibitive ou tout simplement impossible, ce qui a rendu la campagne exceptionnellement rentable.
3.2 Long terme (12 mois et plus)
Supériorité en matière de décision stratégique
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 artificial intelligence dans cette décision. Cependant, les avis convergent pour reconnaître que l'IA est déjà devenue un partenaire stratégique dans la prise de décision. Un exemple fourni par Artefact est l'utilisation de la modélisation du mix marketing, un outil destiné à optimiser l'allocation du budget marketing entre les différents canaux pour l'année suivante. Dans certains cas, l'augmentation des bénéfices permise par cette optimisation peut atteindre 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 de routine, de détecter rapidement les anomalies et de rationaliser les flux de travail, libérant ainsi les employés pour qu'ils se concentrent sur l'innovation et la création de valeur. Cette culture encourage la décentralisation de la prise de décision et permet aux équipes de tester de nouvelles idées, d'analyser les résultats et d'itérer sur les processus en temps réel, ce qui favorise un état d'esprit où le changement est accepté et où l'échec est considéré comme une opportunité d'apprentissage. En conséquence, les organisations deviennent plus flexibles, mieux préparées à répondre aux changements du marché et capables de faire évoluer leurs stratégies et leurs rôles pour relever les nouveaux défis, faisant de l'agilité un élément central de leur identité et de leur force opérationnelle.
Quatre-vingt-dix pour cent des entreprises interrogées dans le cadre d'une étude Dataiku considèrent l'IA comme un outil de résilience face aux risques de récession et aux crises économiques. Plus de 80% des dirigeants déclarent 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 Concentric ROI
Sur la base de tous les facteurs susmentionnés, nous proposons la formule suivante pour calculer le ROI d'un cas d'utilisation de l'IA, qui dépend de trois niveaux : l'industrie, l'entreprise et la rationalisation des cas d'utilisation autour des coûts informatiques, de 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 compte.
Conclusion : Équilibrer l'équation du retour sur investissement
Ce cadre va au-delà de l'analyse statique des coûts et des bénéfices pour modéliser les impacts en cascade de l'IA :
- Les forces du secteur définissent les règles du jeu en matière de retour sur investissement
- L'état de préparation de l'entreprise détermine les coûts d'entrée
- L'horizon des prestations s'allonge avec le temps
Dans notre dernier article, nous étudierons comment rendre ce cadre opérationnel à l'aide de deux exemples tirés du secteur des soins de santé, l'un axé sur le ROI à 0-12 mois et l'autre sur le ROI à +12 mois.
