IA et ROI : par où commencer sans se tromper

La question la plus fréquente que nous posent les dirigeants n'est pas « faut-il investir dans l'IA ? » mais « par où commencer pour ne pas se tromper ? ». La différence est essentielle : elle traduit une maturité croissante et une méfiance légitime vis-à-vis des promesses irréalistes du marché.

La première erreur consiste à partir de la technologie. Beaucoup d'organisations commencent par choisir un outil — un LLM, une plateforme de machine learning, un copilote — avant d'avoir identifié le problème business qu'il doit résoudre. Cette approche génère des projets « vitrines » coûteux et difficiles à industrialiser, qui créent de la déception et freinent les projets suivants.

La méthode Cardan-AI inverse le raisonnement. Nous partons du P&L : quels sont vos postes de coût les plus importants ? Quels goulots d'étranglement limitent votre throughput ? Quelles décisions répétitives mobilisent des ressources humaines chères ? Ce sont ces questions qui révèlent les vrais cas d'usage à fort ROI.

Trois critères qualifient un bon premier cas d'usage IA : (1) le gain est mesurable en euros ou en heures récupérées, (2) les données nécessaires existent et sont accessibles, (3) l'adoption par les équipes est réaliste. Un cas d'usage qui coche ces trois cases peut générer des résultats en 6 à 12 semaines.

Le diagnostic de maturité IA — ce que nous appelons l'AI Readiness Assessment — est l'étape fondatrice. Il évalue simultanément la qualité de vos données, vos capacités techniques, votre culture du changement et vos contraintes réglementaires. Ce bilan prend 2 à 4 semaines et structure l'ensemble du programme qui suit.

Une fois le cas d'usage prioritaire identifié, la règle d'or est de commencer petit et de mesurer vite. Un pilote de 8 à 12 semaines sur un périmètre restreint, avec des KPIs définis dès le départ, vous permet de valider l'hypothèse de valeur avant d'engager des ressources à grande échelle.

En résumé : commencez par le problème, pas par la solution. Qualifiez vos cas d'usage par leur valeur business et leur faisabilité. Pilotez vite. Mesurez rigoureusement. C'est cette discipline — sobre et orientée ROI — qui sépare les organisations qui transforment durablement leur performance de celles qui accumulent des POC sans lendemain.

Concrètement, comment chiffrer un cas d'usage avant de se lancer ? Nous construisons un mini business case sur une page : le coût actuel du problème (heures × taux horaire, rebuts, pénalités de retard, ventes perdues), le gain attendu en pourcentage prudent, le coût de mise en œuvre et de maintenance, et le délai de retour sur investissement. Un cas d'usage dont le payback dépasse 12 mois passe rarement l'épreuve de l'industrialisation : il est plus sage de le garder en réserve et de commencer par un gain rapide qui financera les suivants.

L'erreur symétrique du « tout technologie » est le « tout POC » : accumuler des preuves de concept qui ne passent jamais en production. La cause est presque toujours la même — un pilote lancé sans propriétaire métier, sans budget d'industrialisation prévu et sans critères d'arrêt. Décidez dès le départ ce qui déclenche le passage à l'échelle et ce qui déclenche l'arrêt. Cette discipline de portefeuille, banale en gestion de projet industriel, reste rare dans les programmes IA — c'est précisément là que se joue le ROI réel.