ROI de l'IA en entreprise ? Le coût n'est pas le vrai problème : le décryptage stratégique pour dirigeants

La fin de l'illusion du forfait illimité

Reprenons calmement le fil. Le modèle économique de l'IA générative a discrètement basculé d'une logique d'abonnement à une logique de consommation. Pour le grand public, l'IA reste un service à prix fixe. Pour l'entreprise qui l'intègre massivement dans ses processus — des milliers de salariés, parfois des millions de requêtes par jour — la donne est tout autre : on paie ce que l'on consomme, à l'unité.

L'unité porte un nom : le token. Chaque requête est traduite en une quantité de jetons ; plus elle est longue et complexe, plus elle en mobilise. La métaphore qui s'impose est celle du compteur électrique : tant que la consommation est modeste, personne ne regarde le cadran. À l'échelle industrielle, la facture devient violente.

Et la consommation explose. Le volume de tokens traité chaque mois par un acteur comme Google est passé d'environ 9,7 billions en 2024 à 480 billions en 2025 — une multiplication par cinquante en douze mois — puis à plus de 3,2 quadrillions en 2026. Ces chiffres ne « parlent » plus à personne tant ils sont vertigineux, mais ils racontent une chose simple : l'usage est devenu un torrent. Et l'arrivée des agents IA, ces systèmes autonomes capables de générer eux-mêmes leurs requêtes, promet d'amplifier encore la note. Une IA qui travaille seule est une IA qui consomme jour et nuit.

Les premiers signaux de tension sont là. On évoque l'annulation d'une partie des licences d'outils de codage assistés par IA chez certains grands groupes, faute de retour suffisant ; ailleurs, un dirigeant technique confiait que son budget IA 2026 avait été englouti en quatre mois, ajoutant que ces dépenses devenaient « de plus en plus difficiles à justifier » et qu'une forte consommation de tokens ne se traduisait pas mécaniquement par des fonctionnalités utiles au client. [Lien source externe]

Voici la nuance que la lecture financière ambiante manque presque systématiquement. Le récit dominant — « les géants de l'IA sont-ils au bord de la chute ? », « assiste-t-on à une bulle ? » — est une lecture macro, boursière, spéculative. Pour le dirigeant ou le DRH, c'est la mauvaise focale. Le vrai signal n'est pas que l'IA coûte cher. C'est que les organisations ont introduit une ressource cognitive à coût variable dans leurs processus sans repenser la façon dont le travail, les rôles et la responsabilité s'articulent autour d'elle. La facture violente n'est pas une anomalie de prix : c'est la trace visible d'un vide de gouvernance. Nous mesurons une consommation là où nous devrions piloter une contribution.

Ce que le rapport MIT dit vraiment

En 2025, le MIT, via son initiative NANDA, a publié l'une des analyses les plus complètes à ce jour sur l'usage réel de l'IA en entreprise : The GenAI Divide: State of AI in Business 2025. Adossée à environ 150 entretiens de dirigeants, 350 réponses de salariés et l'analyse de 300 déploiements, l'étude livre un chiffre devenu glaçant pour les Comités de Direction : malgré 30 à 40 milliards de dollars investis, 95 % des pilotes d'IA générative ne produisent aucun impact mesurable sur le compte de résultat. Seuls 5 % des projets intégrés génèrent une valeur significative. [Lien source externe]

La tentation, en CODIR, est de lire ce 95 % comme un problème de maturité technologique — modèles pas assez bons, donnée pas assez propre, régulation trop floue. C'est l'interprétation rassurante, parce qu'elle est différable : « attendons la prochaine version ». Or l'étude dit l'inverse. La cause première de l'échec n'est ni la technologie, ni les talents, ni l'infrastructure, ni la réglementation. C'est ce que les auteurs nomment le « learning gap », le fossé d'apprentissage : les outils n'apprennent pas le contexte de l'organisation, et l'organisation n'apprend pas à intégrer les outils.

Traduisons ces chiffres froids en comportements organisationnels — c'est là que tout se joue pour un DRH.

• La fracture est comportementale, pas technique. Le même salarié qui jure par ChatGPT le soir le trouve « inutilisable » dans le cadre rigide de l'entreprise. Le problème n'est pas l'outil : c'est l'environnement de travail qui l'entoure.
• Le « shadow AI » est le vrai laboratoire. Alors que ~40 % des entreprises seulement ont acheté des licences officielles, des salariés de plus de 90 % d'entre elles utilisent régulièrement des outils d'IA personnels — et cette IA fantôme délivre souvent un meilleur ROI que les initiatives officielles. Vos collaborateurs ont déjà voté avec leurs usages.
• Acheter bat construire. Les déploiements appuyés sur des partenariats externes réussissent dans environ 67 % des cas, contre à peine un tiers de ce taux pour les développements internes.
• L'argent ne va pas là où est la valeur. Plus de la moitié des budgets irriguent le marketing et la vente, quand le ROI le plus net se trouve dans l'automatisation des fonctions support.

Que ne voient pas la majorité des Comités de Direction ? Ils lisent ces données comme un tableau de bord d'adoption technologique. En réalité, ce rapport est un miroir tendu à leur propre organisation : il mesure sa capacité d'apprentissage, son niveau de confiance interne, et l'écart béant entre l'organisation formelle et l'organisation informelle, celle où le travail se fait réellement. Les chiffres du MIT ne parlent pas d'IA. Ils parlent de management.

Du compteur de tokens au métabolisme cognitif

Croisons nos trois fils : la flambée des coûts, le mur des 95 % enraciné dans le learning gap, et notre prisme RH. Une doctrine émerge, et elle change la conversation au sommet de l'entreprise.

La facture qui explose et le ROI introuvable ne sont pas deux problèmes distincts : ce sont les deux faces d'une même pièce. Une organisation au métabolisme faible consomme énormément de tokens (donc paie cher) tout en produisant peu de valeur (donc 95 % d'échec). À l'inverse, les 5 % qui réussissent ne sont pas ceux qui ont les meilleurs modèles : ce sont ceux dont le tissu organisationnel sait digérer l'IA.

Cessons donc de voir le token comme une unité de coût et voyons-le comme une unité de travail cognitif achetée au compteur. Or la valeur d'une unité de travail n'a jamais dépendu de son prix d'achat, mais du management qui l'orchestre. Conséquence institutionnelle majeure : le propriétaire naturel du ROI de l'IA n'est pas la DSI, c'est la fonction RH et managériale — parce que la valeur ne réside pas dans l'API, mais dans le flux de travail humain-IA qui l'entoure. Le DRH n'est plus le spectateur du dossier IA. Il en est l'architecte de la valeur.

Une grille de lecture à trois couches

La plupart des organisations optimisent furieusement la couche 1, négligent la couche 2 et abandonnent la couche 3. Quant au shadow AI, il cesse d'être une menace pour devenir ce qu'il est vraiment : le département R&D clandestin de votre entreprise. Le réprimer, c'est brûler vos propres résultats d'expérimentation. Le capter, c'est récupérer des mois d'apprentissage gratuit.

Plan d'action pour dirigeants et DRH

Une phrase à retenir : la question n'est pas « combien nous coûte l'IA ? », mais « notre organisation est-elle conçue pour en tirer de la valeur ? ». Cinq mouvements concrets, applicables dès le prochain trimestre.

Le débat sur la « bulle de l'IA » continuera d'agiter les marchés. Laissons-le aux analystes. Pour nous, dirigeants et stratèges RH, le verdict est plus exigeant : la prochaine vague de valeur ne sera pas captée par les entreprises qui auront acheté la meilleure IA, mais par celles qui auront construit la meilleure organisation pour l'accueillir. Et ça, par chance, c'est précisément notre métier.