Mesurer le retour sur investissement de l’IA

Le retour sur investissement de l’IA correspond à la valeur qu’une organisation tire de ses investissements dans l’intelligence artificielle. Mais le retour sur investissement ne se résume pas à un simple chiffre. Avec une technologie aussi novatrice que l’IA, les retours doivent être mesurés par étapes, depuis l’adoption et l’efficacité jusqu’à la qualité et l’innovation.

À ce jour, 96 % des dirigeants déclarent que leurs initiatives en matière d’IA ont peu d’impact significatif. Une partie du problème réside dans la difficulté à mesurer le retour sur investissement de l’IA.

Le retour sur investissement de l’IA est difficile à mesurer, car les avantages et les limites peuvent être flous.

• Les avantages sont souvent indirects et ne sont pas toujours quantifiables (micro-efficacités, meilleure qualité, meilleures idées, collaboration plus fluide).
• L’attribution est compliquée, car les changements liés à l’IA ont tendance à s’accompagner de changements dans les processus et l’organisation.
• Les modèles de retour sur investissement traditionnels ne sont pas adaptés à une capacité intégrée en constante évolution.
• La valeur apparaît à différents moments, car les équipes utilisent l’IA pour explorer, optimiser, améliorer, puis transformer.
• La plupart des organisations en sont encore au stade pilote/expérimental, où l’apprentissage prime sur les gains.
• Les coûts sont souvent plus faciles à voir que les avantages, en particulier pour les dirigeants financiers.
• Il n’existe pas d’« unité de valeur » unique et consensuelle (par exemple, gain de temps, revenus, satisfaction, fidélisation, etc.).

• La valeur réalisée dépend fortement du comportement humain, de la confiance et de l’adoption, et pas seulement de la technologie.

Le calcul classique du retour sur investissement suppose des entrées stables et une relation de cause à effet claire. L’IA correspond rarement à ce modèle.

Mesurer le retour sur investissement de l’IA transforme les expériences d’IA vagues en investissements ciblés et responsables. Lorsque vous quantifiez l’impact, même avec des métriques de base, vous pouvez prouver la valeur de l’IA aux dirigeants et au conseil d’administration, conserver le financement pour ce qui fonctionne et dissiper le scepticisme.

La mesure du retour sur investissement (ROI) incite également les équipes à associer le travail qu'elles effectuent à l'aide de l'IA à des résultats commerciaux concrets, et pas seulement à la nouveauté.

En bref, la mesure du ROI de l'IA ne consiste pas à obtenir des chiffres parfaits. Il s'agit de prendre des décisions plus intelligentes concernant ce qu'il faut faire évoluer, ce qu'il faut arrêter de faire, les domaines où il faut doubler la mise et comment maintenir la dynamique.

Chez Atlassian, nous constatons que la valeur ajoutée de l'IA transparaît dans quatre domaines : l'exploration, l'optimisation, l'amélioration et la transformation. Cette valeur ajoutée se concrétise au fil du temps et se mesure à l'aide de métriques uniques. Il est essentiel de privilégier les bonnes mesures pour éviter de mal évaluer les progrès ou de revoir l'utilisation de l'IA à la baisse trop tôt.

Exploration de l'IA : vous laissez les équipes expérimenter avec l'IA et voir ce qu'elles peuvent en faire. Concentrez-vous sur la mesure de l'adoption en recourant par exemple aux métriques suivantes :

• Utilisateurs actifs hebdomadaires ou mensuels de l'IA et superutilisateurs
• Incubateurs ou laboratoires d'IA créés
• Tests ou projets pilotes d'IA réalisés

• Participation au hackathon IA

Optimisation grâce à l'IA : vous utilisez l'IA pour rendre les workflows actuels des équipes plus rapides ou moins coûteux. Concentrez-vous sur la mesure de l'efficacité en recourant par exemple aux métriques suivantes :

• Durée de cycle par workflow
• Temps gagné par tâche grâce à l'IA
• Taux d'automatisation

• Réduction des coûts attribuable à l'IA

Amélioration grâce à l'IA : vous améliorez la qualité des résultats des équipes avec l'IA. Concentrez-vous sur la mesure de la qualité en recourant par exemple aux métriques suivantes :

• Précision, qualité ou cohérence du travail
• Respect des normes
• CSAT

• Indicateurs de performance clés de l'entreprise antérieurs à l'adoption de l'IA

Transformation grâce à l'IA : vous utilisez l'IA pour obtenir de meilleurs résultats organisationnels et créer une nouvelle valeur ajoutée. Concentrez-vous sur la mesure de l'innovation en recourant par exemple aux métriques suivantes :

• Nouvelles fonctionnalités, nouveaux produits, nouveaux brevets ou nouvelles offres
• Nouveaux revenus attribuables à l'IA

Commencez à mesurer le ROI de l'IA dès que votre équipe ou organisation l'utilise de manière délibérée. Les éléments mesurés changent en fonction de l'étape.

Au début, l'objectif est d'adopter et d'apprendre à utiliser l'IA. À mesure que vous avancez dans le processus, vous vous posez progressivement les questions suivantes : « Les gens utilisent-ils ceci ? » (phase d'expérimentation), puis « Est-ce plus rapide/moins cher ? » et « Est-ce de meilleure qualité ? » (phase d'application aux workflows réels), et enfin « Est-ce que cela génère de nouveaux revenus ou un avantage stratégique ? » (phase de création de nouveaux produits).

Voici une façon simple de savoir quoi mesurer et à quel moment :

• Exploration (premiers projets pilotes, laboratoires, hackathons) → mesurez l'adoption et l'apprentissage (par exemple, utilisation, nombre de projets pilotes, participation aux laboratoires d'IA ou aux semaines d'hackathon)
• Optimisation (intégration de l'IA dans les workflows existants) → mesurez l'efficacité (par exemple, durée du cycle, temps gagné par tâche, taux d'automatisation, coûts évités)
• Amélioration (amélioration de la qualité des résultats de l'équipe grâce à l'IA) → mesurez la qualité (par exemple, précision, cohérence, score CSAT, comparaison du taux d'erreur actuel au taux de référence calculé avant l'adoption de l'IA)
• Transformation (nouveaux produits/modèles économiques optimisés par l'IA) → mesurez l'innovation et le ROI financier (par exemple, nouveaux revenus attribuables à l'IA, adoption de nouvelles fonctionnalités, impact sur la marge)

En suivant les résultats dans les quatre modes de valeur de l'IA (exploration, optimisation, amélioration et transformation), vous pouvez :

• Aider les dirigeants à déterminer les domaines où il faut doubler la mise ou arrêter d'employer l'IA en leur montrant quels cas d'usage apportent réellement une valeur ajoutée mesurable
• Renforcer la confiance des dirigeants et des parties prenantes en transformant des expériences IA vagues en résultats quantifiés
• Vous assurer que les gains d'efficacité se traduisent par un impact économique réel, comme la conversion du temps gagné et de l'automatisation en économies annuelles et capacités claires
• Créer un playbook reproductible (base de référence → déploiement → mesure → développement ou arrêt) qui peut être réutilisé dans le cadre de tous les projets d'IA
• Surveiller l'avancement de l'IA au fil du temps pour ne pas mal évaluer les progrès réalisés ou revoir son utilisation à la baisse trop tôt