ATALAS PERSPECTIVES
ROI de l’IA : les heures gagnées ne sont pas encore des économies
L’IA peut libérer du temps sans réduire les dépenses. Pour un dirigeant, le vrai sujet devient l’affectation de cette capacité : croissance, qualité, recrutement évité ou baisse de coûts effectivement réalisée.
Une équipe annonce qu’elle gagne plusieurs heures par semaine grâce à l’IA. Le calcul vient vite : nombre de collaborateurs, heures économisées, coût horaire. Le résultat ressemble à un retour sur investissement. Mais les salaires, les factures et le chiffre d’affaires n’ont pas nécessairement bougé.
Ce décalage ne signifie pas que l’IA ne crée aucune valeur. Il signifie que l’entreprise confond deux étapes : libérer une ressource et décider de son usage. La seconde relève du dirigeant, pas du modèle.
Ce que les recherches permettent réellement de dire
Une expérimentation portant sur 7 137 travailleurs dans 66 entreprises apporte un résultat instructif. Dans la seconde moitié des six mois d’étude, les utilisateurs de l’outil parmi les salariés ayant reçu l’accès consacraient deux heures de moins par semaine aux emails. Les chercheurs ne détectaient toutefois pas de changement dans la quantité ou la composition des tâches. Ce résultat concerne ce dispositif précis, pas tous les usages de l’IA. [1]
Une autre étude, déposée en février 2026, exploite une enquête auprès de 5 512 travailleurs en Corée du Sud. Les gains de temps déclarés y sont très faiblement corrélés aux gains de production déclarés. Il s’agit de données d’enquête, non d’une démonstration causale transposable à une entreprise française. [2]
Notre lecture de ces travaux est organisationnelle : accélérer des activités individuelles ne suffit pas à réallouer le travail collectif. Le temps libéré peut améliorer les conditions de travail, absorber des imprévus ou permettre davantage de vérifications. Ce sont des bénéfices possibles, mais différents d’une économie de trésorerie.
Quatre résultats à ne plus additionner indistinctement
Pour mesurer le ROI de l’IA, une direction peut distinguer quatre catégories.
La capacité libérée. Une tâche prend moins de temps, corrections et contrôles compris. C’est un potentiel disponible, parfois fragmenté en quelques minutes entre des réunions.
La dépense évitée. Une prestation externe devient inutile, ou un recrutement prévu n’est plus nécessaire à périmètre comparable. Le gain suppose une dépense réellement envisagée et une décision documentée, pas une hypothèse reconstruite après coup.
L’activité supplémentaire. L’équipe traite davantage de dossiers ou sert de nouveaux clients. Le bénéfice économique dépend alors de la demande et de la marge additionnelle, pas seulement du volume produit.
La qualité ou la soutenabilité du travail. Moins d’erreurs, des délais plus courts ou moins de débordements horaires peuvent justifier l’investissement. Il faut les suivre avec leurs propres indicateurs plutôt que leur attribuer une économie fictive.
Ces catégories peuvent coexister. Elles ne doivent pas compter deux fois le même bénéfice : une heure réaffectée à un client supplémentaire ne peut pas être simultanément présentée comme une heure de salaire supprimée.
Un scénario simple pour éviter un faux ROI
Prenons une hypothèse illustrative, et non un résultat client : vingt personnes gagnent chacune une heure nette par semaine pendant quarante-six semaines. Cela représente 920 heures annuelles de capacité.
À un coût chargé supposé de 60 euros par heure, on obtient 55 200 euros de capacité valorisée. Ce montant n’est pas une économie encaissée. Si les dépenses restent identiques et qu’aucune activité supplémentaire n’est réalisée, la traduction financière immédiate peut rester nulle.
Supposons ensuite que les salariés consacrent une partie de ce temps à préparer de meilleures propositions commerciales. Il faut vérifier que cela améliore effectivement la conversion ou la marge. Produire davantage de propositions sans clients supplémentaires n’établit pas ce bénéfice.
Enfin, les coûts de l’IA restent à déduire : licences, intégration, accompagnement, maintenance et supervision. Le temps de vérification doit être intégré au gain net initial. Le soustraire une seconde fois fausserait aussi le calcul.
La décision manquante est souvent l’affectation du temps
Avant d’étendre un usage, le comité de direction devrait pouvoir compléter cette phrase : « Le temps libéré sur cette activité sera consacré à cette priorité, sous la responsabilité de cette personne, avec ce résultat observable. »
Cela peut signifier résorber un stock de dossiers, mieux préparer les rendez-vous stratégiques ou absorber une croissance sans ajouter immédiatement de capacité. Cela peut aussi signifier préserver des marges de disponibilité dans une équipe saturée. Ce dernier choix est légitime s’il est assumé, plutôt que maquillé en baisse de coûts.
La difficulté est concrète. Dix minutes économisées par dix personnes ne forment pas automatiquement un créneau de cent minutes utilisable par un expert. Un processus accéléré reste bloqué si son étape suivante manque de capacité. D’où l’intérêt de mesurer un parcours complet, pas seulement la tâche où l’IA impressionne.
Un tableau de bord utile au dirigeant
Sur quelques cas prioritaires, suivre cinq éléments suffit pour commencer : temps net constaté, qualité du résultat, capacité effectivement réaffectée, conséquence économique observée et coût complet du dispositif.
Une revue régulière permet de séparer ce qui fonctionne, ce qui manque encore de recul et ce qui ne mérite pas d’être généralisé. L’objectif n’est pas de surveiller chaque minute individuelle, mais de vérifier une hypothèse de transformation au niveau du processus.
C’est aussi pourquoi le travail sur les usages réels du dirigeant compte davantage qu’un catalogue de fonctionnalités. L’outil ne connaît ni les priorités concurrentes, ni les contraintes confidentielles, ni les arbitrages de ressources propres à l’entreprise. Cette mise en contexte rejoint les enjeux du coaching IA pour dirigeants.
L’IA peut rendre une heure disponible. Pour qu’elle produise un effet économique durable, quelqu’un doit encore décider ce que l’entreprise en fera.
Sources datées
[1] Eleanor Wiske Dillon, Sonia Jaffe, Nicole Immorlica et Christopher T. Stanton, Shifting Work Patterns with Generative AI, dépôt initial le 15 avril 2025, version 4 révisée le 13 novembre 2025. Consulté le 18 octobre 2026. Expérimentation de terrain ; résultats limités aux usages et populations étudiés.
[2] Donghyun Suh et Samil Oh, Generative AI and the Reallocation of Time: Productivity, Leisure, and Fulfilling Work, déposé le 13 février 2026. Consulté le 18 octobre 2026. Enquête menée en Corée du Sud du 19 mai au 17 juin 2025 ; mesures déclaratives.