Quand un outil d'IA coûte plus cher qu'il ne permet d'économiser

Une équipe de communication présente un agent IA pour suivre la couverture médiatique, préparer un briefing matinal et rédiger des propositions de réponses. L'outil génère rapidement une première version. Un collaborateur expérimenté supprime ensuite les mentions non pertinentes, vérifie les sources, ajuste le ton et reformule les recommandations avant que le briefing ne soit transmis à la direction. L'entreprise n'a pas automatisé cette tâche, elle a ajouté une nouvelle étape de production.

Des calculs similaires apparaissent désormais dans les domaines du marketing, de la communication, de la recherche et des services professionnels. L’IA a été initialement adoptée car elle promettait une réduction des coûts et une production plus rapide. De nombreuses organisations se rendent compte aujourd’hui que le coût direct de la technologie ne représente qu’une partie des dépenses. La révision humaine, les abonnements en double, la mauvaise qualité des sources, les contenus superflus et les cycles d’approbation supplémentaires peuvent absorber les économies escomptées.

Dans certains cas, un modèle d’IA plus simple suffira à résoudre le problème. Dans d’autres, un logiciel classique ou un meilleur processus de travail fera l’affaire. Il existe également des tâches pour lesquelles un employé compétent reste moins coûteux et plus fiable qu’un agent autonome.

Les entreprises ont besoin d'un critère plus précis : quel est le coût actuel de cette tâche, quelles étapes l'IA permettra-t-elle d'éliminer du processus et qui devra encore vérifier le résultat ?

Calculer le coût total de la tâche

Les coûts liés à l'IA sont difficiles à évaluer, car les entreprises paient rarement un prix fixe et prévisible pour un travail achevé. Elles s'acquittent d'abonnements, de frais de plateforme et de frais variables en fonction de leur utilisation. Un agent peut faire appel à plusieurs modèles, effectuer des recherches dans des bases de données, réviser ses propres résultats et répéter certaines étapes sans que l'utilisateur puisse savoir quelle charge de calcul a été nécessaire.

Une requête qui semble ne comporter qu'une seule instruction peut générer des dizaines d'actions facturables.

Seules 35 % des organisations dans un Enquête KPMG pouvaient avoir une vue d'ensemble complète de leurs dépenses liées à l'IA et les suivre en continu. 42 % d'entre elles ne disposaient que d'une visibilité partielle, tandis que 13 % ne connaissaient le montant total qu'après réception de la facture. La moitié avait déjà restreint ou reporté des projets liés aux agents IA en raison de leur coût.

Le calcul ne doit pas se limiter à la facture. Une analyse de rentabilité pertinente doit inclure les frais liés au modèle et à la plateforme, la mise en œuvre et l'intégration, la formation des employés, le temps consacré à la vérification et à la correction des résultats, l'examen juridique et de sécurité des données, le surcroît de travail généré pour les clients ou les équipes chargées de la validation, ainsi que le coût des erreurs ou des documents inutilisables.

Prenons l'exemple d'un rapport mensuel qui prenait auparavant huit heures à un analyste. Un outil d'IA réduit le temps de rédaction à une heure, mais l'analyste passe quatre heures à vérifier les données et à reformuler les conclusions. Le gain de temps est donc de trois heures, et non de sept. Lorsque le coût de l'outil, de sa mise en œuvre et de sa supervision dépasse ces trois heures, l'analyse de rentabilité n'est pas favorable.

La comparaison doit s'appuyer sur des chiffres d'exploitation réels plutôt que sur une estimation du pourcentage de temps gagné.

Déterminez la valeur de la prestation avant de choisir le modèle

De nombreuses entreprises utilisent le modèle le plus performant du marché pour leurs tâches courantes. Cela simplifie les achats et permet aux employés d'utiliser un seul système qu'ils connaissent bien, mais cela peut rendre des tâches simples inutilement coûteuses.

Le recours à une formule haut de gamme peut se justifier dans le cadre d'une mission de recherche complexe impliquant des éléments de preuve contradictoires, un langage technique et plusieurs juridictions. Cela s'avère rarement nécessaire pour la transcription, la mise en page, l'adaptation de textes validés ou la rédaction d'un compte-rendu de réunion simple.

Une répartition concrète pourrait se présenter comme suit.

Utilisez un logiciel classique ou un petit modèle pour la transcription et la mise en forme. Ces tâches obéissent à des règles claires et ne nécessitent pas de raisonnement complexe.

Utilisez un modèle de petite taille ou hébergé en local pour résumer les documents internes approuvés. Les sources sont déjà définies, et l'exigence principale réside dans une extraction ciblée plutôt que dans une analyse ouverte.

Utilisez un modèle de petite ou moyenne envergure pour les variantes d'un texte approuvé. La formulation peut varier, mais les arguments, le ton et les limites doivent déjà être fixés.

Réservez les modèles avancés aux recherches complexes portant sur des sources contradictoires. Leurs capacités supérieures peuvent se justifier lorsque la mission implique une interprétation technique, porte sur plusieurs marchés ou repose sur des données incomplètes.

Les communications externes soumises à une réglementation doivent rester sous le contrôle de personnes expérimentées. L’IA peut aider à comparer des documents, à tester des formulations ou à élaborer une première ébauche, mais c’est à un professionnel responsable qu’il revient de décider ce que l’organisation est prête à publier.

Confiez aux personnes concernées les décisions finales en matière de réputation, de politique et de relation client. Ces missions reposent davantage sur le jugement, le contexte institutionnel et le sens des responsabilités que sur la qualité de la première ébauche.

Cette répartition doit refléter le profil de risque propre à l'organisation. Une entreprise pharmaceutique classera les tâches différemment d'une marque grand public. Une banque peut avoir besoin d'une infrastructure sécurisée pour traiter des données qu'une autre entreprise peut gérer via un service cloud standard.

L'objectif est de cesser de considérer chaque mission comme un test des technologies les plus récentes. Les capacités du modèle doivent être en adéquation avec la valeur commerciale et les implications du projet.

Comparez l'IA aux véritables alternatives

L'alternative à l'IA ne consiste pas toujours à confier à une personne la tâche d'effectuer manuellement le même processus.

Un système basé sur des règles peut traiter un calcul répétitif avec plus de précision. Une recherche peut permettre de trouver un document approuvé de manière plus fiable qu'un modèle linguistique. Un modèle standard peut permettre d'élaborer un rapport client plus solide qu'un agent chargé de créer une nouvelle structure chaque semaine.

Il faudra peut-être aussi simplifier le processus lui-même.

Une entreprise qui publie cinq rapports hebdomadaires peut se demander si ces cinq rapports sont tous lus et utilisés avant d'automatiser leur production. Une équipe marketing qui génère des dizaines de variantes pour les réseaux sociaux peut réduire le nombre de versions plutôt que de recourir à l'IA pour en produire encore davantage. Un cabinet de conseil dont les fichiers sources manquent de cohérence devrait corriger sa base de connaissances avant d'y ajouter une interface conversationnelle.

L'IA permet d'accélérer les tâches à faible valeur ajoutée. Elle ne rend toutefois pas ces tâches plus utiles.

Chaque cas d'utilisation proposé doit être comparé à quatre options : continuer à faire appel à une personne, aider la personne à l'aide d'un outil d'IA aux fonctionnalités limitées, recourir à l'automatisation classique, ou supprimer ou simplifier la tâche.

L'automatisation totale devrait s'imposer parce qu'elle permet d'obtenir les meilleurs résultats d'exploitation, et non parce qu'elle semble la plus avancée.

Évaluer le travail après vérification humaine

Les projets d'IA sont souvent évalués en fonction de la rapidité, du volume de production ou de l'adoption par les utilisateurs. Ces chiffres sont faciles à communiquer, mais constituent de piètres indicateurs de la valeur commerciale.

Une équipe de communication peut générer 50 idées de campagne en un après-midi. L'entreprise peut passer deux jours à les examiner. Une équipe chargée du service client peut créer des réponses personnalisées à grande échelle, mais des messages de mauvaise qualité risquent d'entraîner une augmentation des réclamations et du travail de correction. Un système de recherche peut traiter des milliers de pages sans pour autant identifier les deux informations dont la direction a besoin.

Les indicateurs pertinents dépendent de la mission. Ils peuvent inclure le coût total par livrable validé, le temps consacré par les collaborateurs depuis la demande jusqu’à la finalisation, le taux de correction, le pourcentage de livrables acceptés sans réécriture substantielle, le nombre et la gravité des erreurs factuelles, le délai de validation, la satisfaction du client, les réductions des coûts fournisseurs ou les améliorations mesurables en termes de chiffre d’affaires et de service.

Il est indispensable de consigner les données de référence avant le lancement du projet pilote. Sans connaître les coûts actuels, les délais de traitement et le taux d'erreur, l'entreprise ne peut pas démontrer si le nouveau système a apporté une amélioration quelconque.

Un brouillon rédigé en 60 secondes ne constitue pas un gain de productivité s'il entraîne 45 minutes de relecture pour un document dont la rédaction correcte prenait auparavant 30 minutes.

Gardez la personne qui comprend le contexte

Un système d'IA est capable de traiter davantage d'informations qu'un employé. Il ne sait toutefois pas automatiquement ce qui mérite son attention.

Un outil de veille médiatique peut détecter toutes les mentions d'une entreprise sans pour autant identifier les articles susceptibles d'influencer les autorités de régulation, les collaborateurs ou un client important. Un générateur de propositions peut inclure tous les services demandés tout en omettant la question commerciale soulevée lors de la réunion. Un outil multilingue peut produire un texte en français grammaticalement correct, mais dont le ton ne convient pas à un public institutionnel basé à Genève.

C'est souvent pour ces raisons que ce travail a été confié.

Les collaborateurs expérimentés s'appuient sur le contexte issu de décisions antérieures, d'échanges avec les clients, de la dynamique interne et des attentes du marché. C'est dans les tâches qui font davantage appel à l'interprétation qu'à la production que leur valeur est la plus grande.

Une forme d'assistance plus ciblée pourrait donner les meilleurs résultats. L'IA peut rassembler des informations, comparer des documents ou élaborer une première ébauche. C'est l'employé qui décide de l'interprétation à donner à ces informations, de la recommandation la plus pertinente et du contenu à communiquer.

Le fait de remplacer cette personne par un processus entièrement autonome pourrait permettre de gagner du temps de production, mais cela reviendrait à supprimer la partie pour laquelle le client payait.

Définir des limites avant qu'un agent ne commence à travailler

Les agents autonomes posent un problème de coût différent de celui des outils de chat classiques. Ils peuvent effectuer plusieurs étapes, recourir à des services externes et continuer à travailler jusqu’à ce qu’ils estiment que la tâche est terminée.

Les entreprises doivent définir des limites d'exploitation avant le déploiement.

L'agent doit avoir un objectif précis plutôt qu'une instruction générale consistant à “ soutenir l'équipe ”. Des limites d'utilisation doivent être fixées par tâche, par utilisateur, par service et par mois. L'agent doit être doté d'une règle d'arrêt afin qu'il ne puisse pas répéter indéfiniment des recherches ou des révisions. Les recherches doivent s’appuyer, dans la mesure du possible, sur des bases de données, des sites web ou des sources internes définies. Les décisions sensibles, ambiguës ou à fort enjeu doivent être confiées à une personne. Un responsable désigné doit rester accountable de la qualité, du coût et de la poursuite de l’utilisation.

L'entreprise devrait également réévaluer l'outil à l'issue de la phase pilote. Un outil qui semblait prometteur au cours de son premier mois d'utilisation peut s'avérer plus coûteux à mesure que son utilisation se généralise, ou moins utile une fois que les employés en ont compris les limites.

Sans ces contrôles, un agent peut devenir un employé coûteux dont personne ne s'occupe.

Les organisations suisses devraient tenir compte du coût du risque dans leur prise de décision

Pour les entreprises suisses, l'automatisation présente souvent un intérêt financier certain, car la main-d'œuvre y est coûteuse. Les économies potentielles peuvent toutefois s'évaporer rapidement dans le cadre d'activités réglementées ou multilingues.

Une banque peut rédiger plus rapidement un communiqué d'investissement, puis le soumettre aux services juridiques, de conformité et à la direction générale, car le texte contient des affirmations qui doivent être vérifiées. Une entreprise pharmaceutique peut automatiser la réponse à une demande d'informations médicales, tout en conservant un contrôle par un spécialiste pour chaque réponse. Une institution publique peut produire des versions en allemand, en français et en italien, chacune nécessitant une adaptation locale.

La comparaison doit tenir compte du coût de ces contrôles.

La confidentialité influe également sur le choix du système. Les dossiers clients, les dossiers du personnel, les résultats non publiés et les documents stratégiques ne peuvent pas être saisis à la légère dans des outils externes. Un modèle public moins coûteux peut s'avérer plus onéreux une fois que l'entreprise y ajoute une infrastructure sécurisée, des contrôles d'accès et des dispositifs de surveillance.

La dépendance vis-à-vis d'un fournisseur a également un coût commercial. Les prix, les quotas d'utilisation et la disponibilité des modèles peuvent évoluer. Un processus de travail articulé autour d'un seul fournisseur peut devenir non rentable ou indisponible sans préavis.

Les entreprises suisses devraient conserver la possibilité de transférer les tâches courantes d'un prestataire à un autre et de maintenir les processus sensibles au sein d'environnements contrôlés. L'organisation devrait rester maître de ses invites, de ses règles de validation, de ses données et de la documentation relative à ses processus, plutôt que de les intégrer si profondément dans une seule plateforme que changer de prestataire devienne impossible.

Demandez aux agences de montrer où se situent les gains d'efficacité

Les clients doivent s'attendre à ce que les agences recourent à l'IA lorsque cela permet d'améliorer la réalisation de leur mandat. Ils doivent également s'attendre à ce que l'impact commercial leur soit clairement expliqué.

Une proposition d'agence doit préciser quelles activités font appel à l'IA, si les coûts liés aux technologies tierces sont inclus ou facturés séparément, quelles informations sont transmises à des systèmes externes, où s'effectue la vérification humaine, si l'IA permet de réduire les heures de production, ce qu'il advient du temps ainsi économisé et qui reste responsable du travail final.

Cette économie peut se traduire par des honoraires moins élevés, une livraison plus rapide, une étude plus approfondie ou une implication accrue de la part des conseillers seniors. Chacune de ces options peut être raisonnable. Le client doit être en mesure d'identifier l'avantage qu'il en retire.

Un volume plus important de contenu ne garantit pas automatiquement la qualité. Un nombre accru d’articles, de concepts et de versions de campagne peut alourdir la charge de travail liée à la validation par le client. Une agence qui utilise l’IA pour réduire dix possibilités à trois recommandations crédibles peut apporter davantage de valeur qu’une agence qui propose 30 options sans filtrage.

Les entreprises de services devraient être évaluées en fonction de la qualité de la décision et de l'effort demandé au client, et non en fonction du volume de documents qu'elles sont désormais capables de produire.

Réaliser une analyse « faire ou acheter » en bonne et due forme

Avant d'approuver un cas d'utilisation de l'IA, la direction peut poser une brève série de questions.

Quel problème cherchons-nous à résoudre ? Décrivez, en termes opérationnels, le retard, le coût, l'erreur ou la lacune du service.

Quel est le coût du processus actuel ? Tenez compte du temps de travail des employés, des frais des fournisseurs, ainsi que des étapes de validation et de correction.

Quelle partie l'IA va-t-elle supprimer ? “ Favoriser la productivité ” ne suffit pas.

Quelles tâches incombent encore aux personnes ? L'identification, l'examen, l'évaluation, la remontée d'informations et la responsabilisation.

Quel est le taux d'erreur acceptable ? La réponse varie selon qu'il s'agit d'un résumé interne ou d'une communication réglementée destinée à un client.

Un modèle plus petit ou un outil classique peut-il faire l'affaire ? Testez l'option adéquate la moins chère.

Pourrions-nous plutôt désactiver cette activité ? L'automatisation d'un rapport inutilisé entraîne un gaspillage.

Comment allons-nous évaluer les résultats ? Définissez les indicateurs de coût, de qualité et de service avant le lancement du projet pilote.

Quand allons-nous nous arrêter ? Définissez les conditions dans lesquelles le cas d'utilisation sera réduit ou supprimé.

Ce processus ne devrait pas nécessiter des mois de délibérations. Il nécessite en revanche que des représentants des services métier, financier, informatique et de gestion des risques examinent ensemble cette même tâche.

Un pilote d'IA devrait avoir le droit à l'échec

Il arrive souvent que les entreprises poursuivent des projets d'IA peu performants parce que la direction les a annoncés publiquement, que les employés y ont consacré du temps ou que l'entreprise souhaite donner l'impression de s'engager en faveur de l'innovation.

Un pilote a rempli sa mission lorsqu'il prend une décision fiable, y compris celle de ne pas poursuivre.

Mettre fin à l'utilisation d'un agent coûteux ne signifie pas pour autant revenir définitivement au travail manuel. L'entreprise pourra réexaminer cette tâche lorsque les modèles s'amélioreront, que les prix baisseront ou que le processus sous-jacent sera repensé. Elle pourra également conserver un élément utile tout en supprimant le reste.

Une équipe de communication pourrait conserver la transcription automatisée tout en abandonnant les recommandations automatisées. Un cabinet de services professionnels pourrait utiliser l'IA pour comparer des documents, tout en confiant la rédaction du rapport client à un analyste. Un service marketing pourrait automatiser les adaptations approuvées, mais pas l'élaboration des campagnes originales.

Une utilisation ciblée est généralement plus pertinente qu'une approche “ IA d'abord ” appliquée à tous les processus.

L'IA devrait alléger la charge de travail, et non la redistribuer

Une analyse de rentabilité est convaincante lorsque l'IA permet de réduire les coûts, d'améliorer la qualité ou de créer un service qui ne pouvait auparavant être proposé de manière rentable.

Cette technologie s'avère peu efficace lorsqu'elle réduit le temps de rédaction mais allonge celui de la révision, génère des documents supplémentaires dont personne n'a besoin ou remplace un processus humain clair par un système opaque aux coûts variables.

La question concrète n'est pas de savoir si l'IA est capable de mener à bien cette tâche. Dans de nombreux cas, elle en est capable. La direction doit déterminer si l'ensemble du processus s'en trouve amélioré une fois que l'outil a terminé son travail et que les personnes impliquées ont achevé le leur.

Parfois, la solution consistera à opter pour un modèle sophistiqué. D’autres fois, un système plus modeste ou une automatisation classique suffira. Un employé qualifié peut encore offrir un meilleur service à un coût global moindre. C’est là une règle de base en matière de gestion d’entreprise.