ROI de l’IA générative : adopter n’est pas transformer

Résumé

• Thèse : l’IA générative est adoptée (67 % des entreprises françaises de 20 salariés et plus), mais le retour fort reste rare. Adopter n’est pas transformer.
• Ce qu’on mesure décide de ce qu’on obtient : les départements qui suivent un indicateur de croissance déclarent bien plus souvent un fort retour que ceux qui ne suivent que le temps gagné.
• L’outil seul plafonne : sans accompagnement, l’usage quotidien stagne ; les compétences et les rôles font la différence.
• Partir du résultat, pas du cas d’usage : un résultat opérationnel borné, redessiné entre humains, logiciels et IA, avec la gouvernance intégrée au travail.
• À faire : nommer un responsable de la valeur, fixer des indicateurs de croissance avant le lancement, financer les compétences autant que les licences.

Deux tiers des entreprises françaises de 20 salariés et plus utilisent désormais l’IA générative. C’est le constat de la Banque de France, qui a interrogé environ 7 000 entreprises début 2026 ; la proportion atteint 83 % au-delà de 1 000 salariés. Mais la même enquête précise que cet usage reste surtout expérimental ou limité, et que les effets économiques observés sont encore modestes. Outre-Atlantique, le constat est voisin : dans l’étude Wharton et GBK Collective publiée le 13 octobre 2026, 80 % des personnes interrogées déclarent un retour positif, mais seuls 28 % des managers et dirigeants le jugent fortement positif.

Adopter n’est pas transformer. Le ROI de l’IA générative ne se joue pas au moment où l’on distribue des licences. Il se joue dans trois décisions que beaucoup d’organisations repoussent : ce que l’on mesure, qui en répond, et comment le travail change. C’est là que se creuse l’écart entre les entreprises qui expérimentent et celles qui transforment.

Pourquoi le ROI de l’IA générative reste-t-il si rare ?

L’IA générative s’est diffusée très vite parce qu’elle est facile d’accès : un abonnement, un navigateur, et chacun peut s’y mettre. Cette facilité est aussi un piège. Elle donne l’illusion d’une transformation, alors que l’organisation a seulement équipé des individus. Le gain reste personnel, dispersé, rarement capté au niveau d’une équipe ou d’un processus.

La Banque de France le montre en creux : pour l’IA non générative, l’adoption dépend davantage de la maturité organisationnelle et numérique des entreprises. Autrement dit, la valeur ne vient pas de l’outil mais de la capacité à l’intégrer dans le travail. L’étude Wharton va dans le même sens : seules 7 % des organisations interrogées réunissent les trois marqueurs qu’elle associe au succès, à savoir une valeur prouvée, des workflows transformés et un alignement entre directions et équipes.

Mesurer la valeur de l’IA : temps gagné ou croissance ?

Le premier écart se joue sur les indicateurs. Selon Wharton, le critère le plus utilisé pour juger un investissement IA reste le nombre d’heures économisées, cité par 40 % des départements. Or les départements qui suivent au moins un indicateur de croissance sont 35 % à déclarer un retour fortement positif, contre 13 % pour ceux qui ne suivent que l’efficacité.

Ces chiffres sont déclaratifs, issus d’un échantillon américain d’environ 1 400 salariés de grandes entreprises, et ils établissent des corrélations, pas des causalités. Ils confirment pourtant une intuition que nous partageons : le temps gagné est une métrique d’outil, pas une métrique de résultat. Trente minutes économisées par jour n’ont de valeur que si elles sont réinvesties dans quelque chose qui compte pour l’entreprise.

Dans la banque et l’assurance, un indicateur de croissance peut être le délai d’instruction d’un dossier de crédit, le taux de transformation d’une offre, le nombre de dossiers traités sans reprise ou la satisfaction client après un sinistre. L’important est de le fixer avant de lancer le cas d’usage, avec une mesure de départ et un responsable désigné. C’est aussi le sens de la démarche que nous décrivions dans Comment réussir le déploiement de l’IA en entreprise ? : mesurer l’enrichissement de la valeur, pas seulement l’automatisation.

Qui doit porter la transformation IA en entreprise ?

Le deuxième écart est organisationnel. Toujours selon Wharton, 58 % des managers dont l’organisation a récemment créé un poste de Chief AI Officer déclarent un retour fortement positif, contre 8 % là où aucun rôle de ce type n’existe. Prudence : une entreprise qui crée ce poste est sans doute déjà plus engagée. La leçon n’est donc pas de créer un titre, mais de s’assurer que quelqu’un répond de la valeur, arbitre les priorités et fait travailler ensemble DSI, métiers et RH.

L’étude relève aussi un écart de perception qui devrait alerter les comités de direction : 78 % des managers et dirigeants estiment que les salariés sont correctement formés à l’IA, contre 56 % des salariés eux-mêmes. Un pilotage fondé sur la seule vision du sommet risque d’être trop optimiste. Nous l’avons développé à propos du nouveau rôle du DSI dans la gouvernance de l’IA : la gouvernance n’est pas un frein, c’est le cadre de confiance qui permet aux métiers d’aller vite.

Que nous apprend le cas Doctolib sur l’accompagnement ?

Le troisième écart se joue sur le terrain. Dans un entretien publié par Yaniro, Jordan Defas, People Development & Culture Director de Doctolib, raconte la transformation de l’entreprise, environ 3 000 collaborateurs, en « AI Company ». Il s’agit d’un témoignage interne : les gains annoncés n’ont pas été vérifiés de façon indépendante. Le récit est néanmoins instructif.

L’outil sans plan d’accompagnement plafonne

Doctolib a d’abord mis un outil d’agents à la disposition de tous. Résultat : environ 1 000 agents créés en six mois, mais un usage quotidien qui plafonne autour de 30 %. L’enthousiasme d’une partie des équipes ne suffit pas à changer les pratiques de l’ensemble.

Les compétences d’abord, puis l’outil

L’entreprise a alors changé d’approche. Deux compétences, AI Fluency et AI Mastery, sont entrées dans les fiches de poste avec un niveau attendu. Une académie interne a certifié plus de 1 000 personnes en trois mois. Et une ligne « tokens » apparaît désormais dans le budget de chaque responsable. La conclusion de Jordan Defas tient en une phrase : « l’outil ne fera pas tout ». Financer les compétences autant que les licences : c’est souvent la décision qui manque.

Par où commencer ? Partir d’un résultat, pas d’un cas d’usage

Reste la question de méthode. Dans un billet publié le 14 octobre 2026, Bertrand Duperrin propose de ne pas partir d’une liste de cas d’usage, mais d’un résultat opérationnel bien borné, par exemple une facture correcte, validée et payée. Selon lui, « l’IA ne doit pas déterminer le problème que l’organisation cherche à résoudre ».

La démarche consiste à comprendre comment ce résultat est produit aujourd’hui, puis à redessiner le travail à rebours, en confiant chaque activité à un humain, à un logiciel déterministe, à l’IA ou à une combinaison des trois. La gouvernance est intégrée dès la conception : droits, validations, escalades, réversibilité. L’exécution est ensuite rendue observable, pour améliorer le système par boucles successives. Comme l’écrit l’auteur, « une correction humaine récurrente n’est pas seulement du travail mais une information sur le système ». C’est une opinion, sans données à l’appui, mais elle rejoint ce que nous observons en mission : les projets qui créent de la valeur partent d’un flux de travail concret, pas d’une technologie.

Ce qu’il faut retenir pour votre organisation

1. Fixer des indicateurs de croissance avant de lancer un cas d’usage, avec une mesure de départ et un responsable, et ne pas se contenter du temps gagné.
2. Désigner qui répond de la valeur de l’IA, au niveau du comité de direction, avec un mandat clair entre DSI, métiers et RH.
3. Investir dans les compétences autant que dans les outils : référentiel par métier, parcours de formation, certification interne.
4. Choisir un premier résultat opérationnel borné et redessiner le travail autour de lui, plutôt que multiplier les expérimentations.
5. Confronter la perception du sommet à celle du terrain : interroger les équipes sur leur usage réel et leur niveau de formation.

Conclusion : du ROI de l’IA générative à la transformation du travail

L’adoption de l’IA générative est acquise ; la transformation, elle, reste à construire. Le ROI de l’IA générative dépend moins du modèle choisi que de trois décisions de direction : mesurer de la croissance, nommer des responsables, investir dans les compétences. On ne mesure pas un outil, on mesure du travail qui change.

Pour aider les comités de direction à arbitrer leurs priorités IA, nommer les responsables et fixer leurs jalons de succès, Inspearit Academy propose la formation Leading the AI-Native Organization. Vous préférez commencer par un diagnostic de votre situation ? Échangez avec un de nos experts.