IA en entreprise : comment justifier l’investissement?

Investir dans l’intelligence artificielle pour gagner en productivité, d’accord. Mais combien faut-il dépenser, pour quel résultat et dans combien de temps? Au moment de faire approuver un projet, les promesses d’efficacité ne suffisent pas toujours à convaincre une direction.

Cette difficulté a occupé une bonne partie de mon échange avec Nicolas Vézeau, d’Equans, rencontré par visioconférence au lendemain de l’événement Le fil conducteur. Organisée le 6 octobre à Montréal par l’entreprise, cette deuxième édition portait sur l’IA, la compétitivité des entreprises et la transition énergétique.

Equans travaille notamment dans l’exploitation et l’entretien d’infrastructures complexes, avec une expertise en efficacité énergétique. Pendant notre conversation, je voulais savoir comment l’entreprise utilise elle-même l’IA. Parce qu’au-delà des outils capables de rédiger un courriel ou de générer une image, c’est dans les opérations que je trouve les applications les plus intéressantes.

Des usages concrets, des résultats à mesurer

Nicolas Vézeau évoque l’optimisation énergétique et la prévision des pointes de consommation. Il mentionne aussi l’analyse des données liées à la satisfaction des clients, pour mieux comprendre leurs besoins.

Ces usages donnent une idée des problèmes auxquels l’entreprise veut s’attaquer. Ils soulèvent aussi les questions qui devraient accompagner un projet d’IA : quelle amélioration cherche-t-on à obtenir? Comment saura-t-on que le système fonctionne? Et combien coûte cette amélioration?

Aucun résultat chiffré n’a été présenté pendant notre entrevue. On ne peut donc pas en tirer de conclusion sur les économies réalisées chez Equans. Mais la discussion illustre bien le passage difficile entre une application prometteuse et un investissement qu’une direction peut approuver.

« Comment convaincre le management dans une entreprise que c’est important de dédier des ressources, du temps? » demande Nicolas Vézeau, qui évoque ensuite le coût des licences et la difficulté de quantifier les bénéfices attendus.

Pour les dirigeants, rappelle-t-il, ces dépenses ont un effet immédiat sur la marge nette. Les gains, eux, restent parfois à démontrer.

« On va être plus productif » ne suffit pas

C’est un problème que nous avons longuement abordé : comment évaluer un projet quand les outils sur lesquels il repose évoluent aussi rapidement?

Dans un projet d’IA, le choix du modèle, les coûts d’utilisation et les possibilités d’intégration peuvent changer en cours de route. Une fonction qui exigeait du développement au départ peut devenir disponible dans un outil existant quelques mois plus tard. À l’inverse, un usage plus intensif que prévu peut faire augmenter la facture.

Cette incertitude complique l’évaluation, mais elle ne dispense pas de définir ce qu’on veut accomplir.

Nicolas Vézeau insiste sur le travail nécessaire pour construire un cas d’usage. Il faut réunir les dimensions techniques, commerciales et financières, puis déterminer comment les résultats seront mesurés et à quelle fréquence ils seront suivis.

Pour un bâtiment, cela pourrait vouloir dire suivre la consommation d’énergie dans des conditions comparables, en tenant compte de la météo et de l’occupation. Pour une tâche administrative, on pourrait mesurer le temps de traitement, mais aussi les erreurs et les corrections nécessaires. Ce sont des critères à établir selon le projet, avant de lui attribuer des gains.

Gagner quelques minutes à une étape n’a pas la même valeur si quelqu’un doit ensuite consacrer autant de temps à vérifier ou à reprendre le travail.

Former les employés à choisir leurs outils

La formation constitue un autre point soulevé par Nicolas Vézeau. Il donne l’exemple d’un employé qui choisit le modèle d’IA le plus puissant pour faire réviser un texte de 100 mots.

Ce choix amène une question assez simple : les employés savent-ils quel outil convient à leur tâche?

Selon lui, les entreprises ont encore du travail à faire pour encadrer les usages et aider leurs équipes à mieux comprendre les solutions qu’elles utilisent. Il associe cette formation autant à la productivité qu’à une utilisation plus responsable des ressources.

Il faut toutefois pouvoir comparer les outils dans le contexte réel du travail. Un modèle moins coûteux n’est pas nécessairement avantageux s’il produit une réponse inutilisable. Le plus puissant n’est pas automatiquement nécessaire non plus. La qualité attendue, le temps de réponse et le travail de validation font partie de l’évaluation.

Donner accès à un abonnement ne règle donc qu’une partie du problème. Il reste à expliquer quand utiliser l’outil, quelles données peuvent lui être confiées et qui demeure responsable du résultat.

Faire profiter l’équipe de ce qui fonctionne

Notre échange a aussi porté sur les agents IA et sur la difficulté de transmettre les usages développés par une personne à ses collègues.

Lorsqu’un employé trouve une méthode utile, encore faut-il la documenter, la rendre accessible et expliquer comment s’en servir. Nicolas Vézeau souligne le travail qui reste à faire pour sauvegarder ces façons de travailler, les retrouver et former d’autres personnes à leur utilisation.

C’est une étape moins visible qu’une démonstration, mais elle compte dans la valeur d’un projet. Un outil maîtrisé par une seule personne demeure difficile à déployer dans toute une équipe.

Pour une entreprise qui veut avancer, le premier travail consiste donc à préciser un cas d’usage suffisamment concret pour être évalué : la tâche visée, son coût actuel, le résultat attendu et les moyens de vérifier ce qui change. C’est avec ces éléments qu’une direction pourra décider de poursuivre l’investissement, d’ajuster le projet ou d’y mettre fin.