--- title: "Comment mesurer le retour sur investissement de l'IA — Marsanne Studio" description: "Usage, résultats, conduite du changement : les trois familles de mesures du retour sur investissement de l'IA. Traduction d'un article de la rubrique Bartleby, The Economist." url: "https://marsanne.studio/opinions/mesurer-le-retour-sur-investissement-de-l-ia/" lang: "fr" --- Opinions # Comment mesurer le retour sur investissement de l'IA Du « tokenmaxxing » à quelque chose de plus normal. The Economist · Bartleby · 20 août 2026 · Traduit de l’anglais par Marsanne Studio Au commencement était l’IA, et les dirigeants du monde entier perdirent la tête et décrétèrent que chacun devait se servir de cette technologie, peu importe qu’elle soit utile et peu importe ce qu’elle coûte. Ils instaurèrent des classements d’usage de l’IA et inventèrent des mots stupides comme « tokenmaxxing ». Et voici que l’usage augmenta. Puis les dirigeants se souvinrent de notions très élémentaires comme les « budgets » et se dirent que l’idée n’était peut-être pas si bonne. Alors une autre question résonna dans les conseils d’administration, une question de retours, à laquelle il était plus difficile de répondre. Cette Genèse résumée de l’adoption de l’IA n’est pas tout à fait équitable. Tant qu’une organisation cherche à encourager l’usage, il reste sensé de regarder des indicateurs comme la consommation de tokens des salariés. « Je m’attends à ce qu’un ingénieur logiciel dépense plus qu’un analyste financier », dit le dirigeant d’un éditeur de logiciels. « Mais pour quelqu’un à la finance, ça ne devrait pas être zéro. » Les mesures d’usage — les entrées — ne disent pourtant rien de la valeur créée. Et même quand l’IA produit des bénéfices, souligne Mika Ruokonen, de l’université LUT en Finlande, beaucoup reviennent discrètement aux individus, sous la forme de gains de temps éparpillés. Si une heure ou deux libérées dans la journée d’un salarié servent à faire les boutiques sur Vinted, quelqu’un y gagne (Vinted, surtout), mais ce n’est pas votre entreprise (sauf si vous travaillez chez Vinted). Déplacer l’attention vers le retour sur investissement suppose de se concentrer davantage sur des mesures de résultat : la productivité d’une équipe, la satisfaction des clients. Encore faut-il les concevoir avec soin. Les scientifiques, par exemple, se servent de l’IA pour produire davantage d’articles (bravo !) de valeur douteuse (aïe !). Une étude récente de Tulsi Suchak, de l’université du Surrey, et de ses coauteurs, a établi que les articles tirés d’un jeu de données de santé et de nutrition paraissaient au rythme moyen de quatre par an entre 2014 et 2021 ; sur les neuf premiers mois de 2024, il y en a eu 190. Les mesures de résultat doivent donc être conçues pour capter les effets positifs comme les effets négatifs de l’IA. Chez Google, par exemple, les ingénieurs sont évalués depuis longtemps sur trois dimensions. La vitesse : combien de temps prend une revue de code. La facilité : quelle friction le système impose pour, par exemple, l’arrivée d’un nouveau développeur. Et la qualité, point décisif : « Je ne veux pas seulement aller vite et rendre facile la livraison de logiciels catastrophiques », dit Richard Seroter, de Google Cloud. S’ajoute à cela le fait que les bénéfices de l’IA mettent souvent un certain temps à se manifester. Il faut du temps pour apprendre à se servir de la technologie. Une production accrue crée des goulets d’étranglement ailleurs. Un article publié l’an dernier par Kristina McElheran, de l’université de Toronto, et ses coauteurs, s’est penché sur l’adoption de l’IA dans l’industrie manufacturière américaine et a confirmé l’existence d’une « courbe en J » : la productivité recule avant de s’améliorer. L’effet est particulièrement marqué dans les entreprises établies et semble s’expliquer en partie par les changements apportés aux pratiques de management qui leur permettaient jusque-là de suivre la performance. Tout calcul de retour prévisionnel doit tenir compte de cette période initiale de perturbation. Les dirigeants doivent aussi trancher une question bien plus fondamentale : quel type de retour les intéresse ? Une manière d’afficher un retour financier sur l’IA consiste à saisir les gains de temps comme prétexte à réduire les effectifs. Pour certains postes et dans certaines circonstances, cela peut se justifier. Mais la tronçonneuse et le moral des équipes vont ensemble à peu près comme le sel et les limaces. Et les gens qui ne sont plus là ne peuvent pas être redéployés de manière plus productive. Une meilleure option consiste à calculer ce que l’IA fait économiser sur les recrutements à venir. (Déterminer le chiffre d’affaires supplémentaire attribuable à la technologie relève encore davantage de l’art : il faut au minimum de bonnes données de référence et une culture du test A/B pour en isoler les effets.) Par-dessus tout, l’incertitude est totale quant à la direction que prend l’IA. C’est un argument en faveur d’une troisième famille de mesures, à côté de celles sur les entrées et sur les résultats. Ces mesures, que M. Seroter appelle « organisationnelles », visent plutôt à saisir la qualité de la conduite du changement. Elles peuvent porter sur la satisfaction des salariés quant à la manière dont l’IA a été déployée, ou sur les progrès accomplis dans la constitution d’une expertise interne, dans les domaines que l’IA n’automatisera pas. Une attention exclusive à l’usage ignore l’importance des retours. Une attention rigide aux retours ignore la nécessité de continuer à apprendre. ■ ## Source « How to measure returns on AI », rubrique Bartleby, The Economist, édition du 22 août 2026, publié le 20 août 2026. Illustration originale de Paul Blow. Traduction française établie par Marsanne Studio à des fins de lecture. Le texte original et ses droits appartiennent à The Economist Newspaper Limited. [Lire l’article original sur economist.com →](https://www.economist.com/business/2026/08/20/how-to-measure-returns-on-ai) [← Voir toutes les opinions](https://marsanne.studio/opinions)