L'IA rapporte 0 € à la plupart des entreprises : la fin du hype ?

Cette semaine, TechCrunch a relayé une analyse d'un économiste d'Apollo : pour la majorité des entreprises qui ont adopté l'IA générative, le rendement financier mesurable est quasiment nul.

Quelques jours plus tôt, un autre article du même média racontait une scène presque comique : des agents IA laissés sans tâche précise se sont mis… à jouer entre eux.

Mis côte à côte, ces deux faits racontent la même histoire : un grand écart entre ce que l'IA promet et ce qu'elle rapporte réellement dans les entreprises. Et si tu construis des produits avec de l'IA, c'est ton problème numéro un.

Ce que dit (vraiment) l'étude

Le message de l'économiste d'Apollo est simple : l'adoption est massive, les budgets sont là, mais le retour sur investissement n'apparaît pas dans les chiffres pour la plupart des sociétés, en dehors d'une poignée de gagnants.

Ce n'est pas un cas isolé. Apollo alerte depuis des mois sur l'écart entre les dépenses colossales en infrastructure IA et les gains de productivité observés hors du secteur tech. Selon des comptes rendus de ses notes de marché, les profits de l'écosystème IA seraient aujourd'hui davantage financés par les investisseurs que par les clients.

Deux précisions importantes pour rester honnête :

• "Zéro" ne veut pas dire "inutile". Cela veut dire non mesurable dans les comptes. Un outil peut faire gagner du temps à chaque employé sans qu'une seule ligne du P&L ne bouge.
• Une étude n'est pas une loi. Elle décrit une moyenne, pas ton cas. Mais ignorer le signal serait une erreur.

Pourquoi l'IA peine à produire du ROI

Après avoir vu passer beaucoup de projets IA (les miens et ceux de clients), les mêmes causes reviennent.

1. On déploie un outil, pas un processus

Donner un chatbot à 500 employés n'est pas un projet IA. C'est un abonnement. Le ROI naît quand un processus précis (traitement de factures, qualification de leads, support niveau 1) est repensé autour de l'IA, avec un avant/après chiffré.

2. Le gain de temps se dissout

Une heure gagnée par semaine par personne ne devient de l'argent que si ce temps est réaffecté à quelque chose qui produit de la valeur ou si la charge est réduite. Sinon, il disparaît dans la journée.

3. Personne ne mesure

Beaucoup d'entreprises n'ont pas de baseline. Impossible de prouver qu'un gain existe quand on ne sait pas combien coûtait la tâche avant.

4. Le coût caché

Licences, tokens, intégration, relecture humaine, gouvernance, formation. La relecture seule peut annuler le gain : si un humain doit tout vérifier, tu n'as pas automatisé, tu as déplacé le travail.

5. Les cas d'usage sont choisis par effet de mode

On commence par "où peut-on mettre de l'IA ?" au lieu de "quel problème coûte cher aujourd'hui ?". Le premier réflexe produit des démos. Le second produit du ROI.

Et les agents qui jouent entre eux ?

L'anecdote est drôle, mais elle est instructive. Un agent sans objectif clair, sans contrainte et sans critère de réussite dérive. C'est exactement ce qui arrive à beaucoup de projets IA en entreprise : on met de la capacité de calcul et de l'autonomie quelque part, sans définir ce que "bien faire" veut dire.

La leçon pour un dev : un agent n'est pas un employé. C'est un système qui optimise ce que tu lui demandes de mesurer. Pas de métrique, pas de valeur.

Ce que ça change pour toi, dev ou entrepreneur

Vends un résultat, pas de la technologie

"Notre produit utilise l'IA" ne veut plus rien dire. Les clients ont déjà essayé, parfois déçus. Le discours qui marche : "On réduit le temps de traitement d'une facture de 12 minutes à 2, voici la preuve."

Intègre la mesure dans ton produit

Prévois dès le départ de quoi prouver la valeur : tableau de bord avant/après, temps économisé, taux d'erreur, volume traité. Si ton client peut montrer le gain à son directeur financier, tu as gagné le renouvellement.

Cible un problème qui coûte déjà de l'argent

Les meilleurs candidats sont des tâches répétitives, volumineuses, bien définies, et déjà chiffrées : support, back-office, saisie, extraction de documents, tri. Moins glamour qu'un "assistant universel", beaucoup plus rentable.

Garde l'humain là où il compte

L'automatisation totale est rarement la bonne cible. Un système où l'IA prépare et où l'humain valide en quelques secondes bat souvent un agent "autonome" qui se trompe une fois sur dix.

Reste prudent sur les promesses

Ne promets pas "10x". Promets ce que tu sais mesurer. Les attentes des clients sont en train de se recalibrer, et ceux qui auront survendu paieront la facture en confiance perdue.

Une checklist avant de lancer un projet IA

1. Quel problème précis coûte aujourd'hui de l'argent ou du temps ?
2. Quelle est la baseline actuelle (coût, durée, taux d'erreur) ?
3. Quelle métrique prouvera que ça fonctionne, et à quelle échéance ?
4. Qui réaffecte le temps gagné, et à quoi ?
5. Quel est le coût total (licences, tokens, intégration, relecture) ?
6. Quel est le plan si le gain n'est pas au rendez-vous au bout de 90 jours ?

Si tu ne peux pas répondre à ces questions, tu fais une démo, pas un projet.

Fin du hype ou début de la maturité ?

Je ne crois pas que l'IA soit une bulle vide. Je crois que nous sortons de la phase "tout le monde essaie" pour entrer dans la phase "montre-moi les chiffres". C'est inconfortable pour ceux qui vendaient du rêve, et c'est une excellente nouvelle pour ceux qui construisent des produits utiles et mesurables.

Les technologies de rupture passent presque toujours par là : un enthousiasme déconnecté du bilan, puis un tri, puis les usages qui tiennent réellement debout. Le tri a commencé.

Ma recommandation pour la suite : moins de "on fait de l'IA", plus de "on supprime cette tâche coûteuse, et voilà la preuve".

Sources

• TechCrunch : AI delivers zero financial payoff to most companies, according to Apollo economist
• TechCrunch : Left alone with nothing to do, AI agents started playing