Le ROI réel de NE PAS faire d'IA dans certains cas

L’asymétrie cognitive du « projet pas lancé »

Quand un projet IA réussit, on en parle. Article LinkedIn, étude de cas, prix de l’innovation. Quand il échoue, on l’enterre discrètement. Quand on ne le lance pas, personne ne sait qu’il aurait pu exister, donc personne n’en calcule la valeur.

Cette asymétrie biaise systématiquement les décisions des dirigeants. La peur de « rater le coche » est mesurable parce que palpable. La sagesse de « ne pas s’engager » est invisible parce qu’elle ne produit ni récit, ni KPI affichable.

L’objet de cet article : rendre visibles quatre situations où la non-action est la meilleure action.

Cas 1 : votre métier a une faible répétabilité

L’IA, au sens machine learning ou LLM en production, est rentable quand elle automatise des décisions ou des tâches récurrentes. Si votre cas d’usage tombe à 12 itérations par an, le ROI mathématique ne peut pas fonctionner.

Exemple chiffré

PME services pro, 25 personnes. Demande : un agent IA pour générer automatiquement les comptes-rendus de réunions stratégiques avec les clients VIP.

• Volume : 35 réunions / an

• Temps actuel par CR : 2h

• Temps annuel actuel : 70h

• Coût horaire chargé chargé de mission : 70€

• Coût annuel actuel : 4900€

• Coût projet IA (cadrage + dev + intégration vocal-to-text + LLM) : 18000€ première année

• Maintenance : 3000€/an

• Gain de temps espéré (réaliste) : 40% donc 28h récupérées

• Valeur récupérée annuelle : 1960€

Bilan année 1 : -19040€. Bilan cumulé année 3 : -29320€. Le projet sera abandonné avant 18 mois.

Décision rationnelle

Ne pas lancer. Acheter un abonnement à un outil de transcription standard (Otter, Notta, Krisp) à 200€/an. Demander aux chargés de mission de relire et structurer en 30 minutes. Coût total : 200€ + 17h récupérées = solution satisfaisante à 1500€/an net.

Combien vaut le « non »

L’année 1, le « non » vaut 17500€ (économie sur le projet abandonné). Sur 3 ans, le « non » vaut 27900€. C’est invisible, mais c’est de l’argent réel.

Cas 2 : vos données ne sont pas en état, et vous n’avez pas le temps de les y mettre

L’IA appliquée aux données internes (RAG, classification, prédiction, recommandation) ne fonctionne que si les données sources sont propres, structurées, à jour, accessibles. La plupart des PME découvrent au mois 3 d’un projet IA que leurs données sont un désordre.

Quand le client n’a ni budget ni envie de financer la remise en ordre des données (qui peut représenter 6 à 12 mois de travail), la bonne décision n’est pas « démarrons l’IA quand même ». C’est « ne démarrons pas ».

Le scénario classique

Une agence accepte le projet sans audit data préalable, parce que le client veut commencer vite. Les six premiers mois, l’équipe découvre des trous dans les données, des doublons, des conflits de référentiel. Le client trouve que ça coûte cher pour pas grand-chose. La relation pourrit. Le projet meurt au mois 9 avec 60k€ de facture et zéro IA en production.

La bonne réponse

« Avant de parler IA, il faut qu’on travaille votre socle de données. 3 à 6 mois de chantier, 25 à 50k€, sans IA. Si vous n’avez pas l’envie de faire ça maintenant, on attend que vous l’ayez. »

90% des prospects refusent. C’est OK. Les 10% qui acceptent deviennent des clients sur 5 ans.

Cas 3 : votre vrai goulot d’étranglement n’est pas un goulot informatique

Beaucoup de dirigeants viennent voir une agence IA en pensant que l’IA va résoudre un problème qui est en fait organisationnel, humain, ou stratégique. L’IA ne soigne pas une équipe désorganisée, ni un manque de clarté sur l’offre, ni une rotation excessive du personnel.

Cas observé (anonymisé)

Cabinet d’avocats, 12 collaborateurs. Demande : un assistant IA pour analyser les dossiers entrants et faire un pré-tri.

Lors du cadrage, on découvre que le vrai problème est : pas de processus documenté de qualification de dossier, deux associés en désaccord sur les critères, un secrétariat sous-dimensionné, et trois associés qui font tous le pré-tri en doublon. L’IA mettrait un cataplasme sur une jambe de bois.

La bonne réponse

« On pense que l’IA n’est pas la première chose à régler. Posez-vous entre associés, mettez vos critères au clair, embauchez un junior en secrétariat. Refaites le point dans 6 mois, on verra si l’IA a alors du sens. »

Le cabinet a embauché. Six mois plus tard, ils n’ont plus eu besoin de projet IA. Économie : 35k€. La facture de la rédaction conseil : 0€. La réputation auprès du cabinet : durablement bonne.

Cas 4 : le coût d’abandon perçu est inférieur au coût d’usage projeté

Sur les SaaS IA en abonnement (ChatGPT Enterprise, Microsoft 365 Copilot, Notion AI), le piège est différent. Le coût unitaire est faible (25 à 50€/utilisateur/mois). Tout le monde signe sans calculer.

Le calcul qu’on ne fait pas

PME 40 personnes, déploiement Microsoft 365 Copilot pour 30 utilisateurs.

• Coût annuel : 30 × 30€ × 12 = 10800€
• Temps de formation initial : 1h par utilisateur, soit 30h
• Coût de formation : 2100€
• Temps d’adoption réelle observé : 8 semaines, pendant lesquelles la productivité baisse de 5-10% (apprentissage)
• Coût d’adoption : ~6000€
• Coût engagé année 1 : 18900€

Gain mesuré (études internes Microsoft elles-mêmes, à prendre avec prudence) : 15-25% de productivité sur les tâches éligibles. Mais sur les PME, les retours réels indiquent souvent un taux d’usage actif de 30-40% au bout de 6 mois. Donc le gain réel est divisé par 2-3.

Si le gain réel est inférieur à 19000€/an, la perte sèche est documentable. Mais personne ne fait ce calcul.

La bonne réponse

« Ne déployez pas Copilot à 30 utilisateurs. Déployez-le à 5 utilisateurs volontaires et motivés pendant 3 mois. Mesurez. Si le ROI est démontré, étendez. Sinon, désabonnez. »

Le « non » coûte 1800€/an au lieu de 18900€.

La méthode du « non utile »

Voici comment systématiser cette posture, que vous soyez dirigeant ou prestataire.

Pour le dirigeant

1. Avant tout projet IA, écrivez sur une feuille « si nous ne lançons pas ce projet, voici ce qui se passe ». Si la réponse est « pas grand-chose », le projet n’est probablement pas nécessaire.
2. Calculez le coût d’opportunité du « non ». Argent non dépensé + temps direction non engagé + risque d’échec évité.
3. Demandez à votre prestataire les cas où il a refusé une mission récemment. Si la réponse est « jamais », méfiance.

Pour le prestataire

1. Quantifiez le bénéfice attendu en euros avant de signer. Si le chiffre ne tient pas la route, dites-le.
2. Refusez les missions qui vous semblent perdues d’avance. Le coût en réputation d’un échec est supérieur au cash de la facture.
3. Mesurez puis publiez votre taux de refus. C’est un des rares indicateurs honnêtes de discipline éditoriale d’une agence. Quand il est inférieur à 10%, il y a probablement un problème de filtre.