IA générative en entreprise : des gains réels, une rentabilité à démontrer

Des assistants dans les fonctions essentielles

L’IA générative produit ou reformule des contenus à partir d’instructions et de documents. Elle se distingue de l’automatisation fondée sur des règles prédéfinies. Les gains d’un logiciel de prévision ou de détection de fraude ne peuvent donc pas lui être attribués automatiquement.

Les usages suivants constituent des pistes à tester, sans présumer leur rentabilité. Au commercial, l’assistant peut préparer un rendez-vous à partir d’un dossier client, ébaucher une proposition et synthétiser les échanges. En finance et administration, il peut extraire des informations documentaires, préparer des commentaires de gestion et une première version de rapport ; les chiffres doivent rester rapprochés des données comptables.

Dans les opérations et les achats, les essais peuvent porter sur la consultation de procédures, la synthèse d’incidents, la comparaison de clauses fournisseurs et la transmission des connaissances. En ressources humaines et management, sur la préparation de formations, l’aide à la rédaction et l’accès aux connaissances internes. Ces applications prolongent les capacités de génération, de reformulation et de synthèse décrites par la CNIL ; elles exigent une évaluation propre à chaque métier.

Dans cette configuration, le salarié vérifie et décide. Une exécution autonome, envoyer une offre, engager une dépense ou modifier un dossier, ajoute des conséquences que les seules études d’assistance ne permettent pas de valider.

Des résultats encourageants, mais locaux

L’étude de Brynjolfsson, Li et Raymond suit l’introduction progressive d’un assistant auprès de 5 172 conseillers d’une entreprise de logiciels. Le nombre de problèmes clients résolus par heure augmente de 15 % en moyenne. Les salariés moins expérimentés progressent davantage ; les plus expérimentés gagnent peu en vitesse et peuvent perdre légèrement en qualité. Il s’agit d’un déploiement dans une entreprise, non d’une expérience randomisée couvrant toute la relation client.

Une expérience randomisée auprès de 758 consultants de BCG montre également les limites de l’outil : pour un problème managérial choisi parce qu’il dépassait les capacités du modèle, l’assistance réduit de 19 points de pourcentage la proportion de réponses correctes. Sur d’autres tâches, elle améliore la performance. L’étude associe chercheurs et collaborateurs de BCG ; le financement déclaré provient de Harvard Business School. Ce partenariat doit être distingué d’une évaluation entièrement indépendante.

Ces résultats justifient des essais ciblés. Ils ne démontrent ni une baisse universelle des coûts ni une amélioration systématique de la satisfaction client.

Le temps gagné ne devient pas automatiquement du profit

Une enquête danoise reliant les réponses de 25 000 travailleurs, répartis dans 7 000 établissements, aux données administratives ne détecte pas d’effet sur les rémunérations et les heures enregistrées dans son horizon d’observation. Cette étude observationnelle, publiée comme document de travail, ne mesure pas directement la rentabilité des entreprises et ne prouve pas l’absence de gains sur certaines tâches.

L’explication économique demande de suivre toute la chaîne. Quelques minutes économisées ne créent une capacité supplémentaire que si elles sont réaffectées utilement. La validation, les reprises, l’intégration informatique, la formation et les abonnements peuvent absorber le bénéfice initial. Un brouillon produit instantanément peut aussi déplacer le travail vers un expert chargé de le corriger. La rentabilité doit donc être calculée après ces coûts, à qualité comparable.

Organiser le contrôle, puis décider

Les réponses fausses et références inventées imposent de vérifier les éléments critiques dans les documents d’origine. La validation humaine doit être proportionnée aux conséquences : une reformulation interne et une décision touchant un salarié ne réclament pas le même contrôle.

Pour limiter les fuites, il faut choisir des outils approuvés, réduire les données transmises, contrôler les accès et examiner les clauses de conservation, de réutilisation et de transfert. En France, la conformité au RGPD doit être examinée selon le traitement envisagé.

Les biais appellent des tests représentatifs, un suivi des erreurs et une possibilité de contestation. Les droits sur les documents utilisés et les productions diffusées doivent être contrôlés, avec vérification des obligations françaises et européennes applicables au cas précis. Aucune de ces précautions ne constitue une garantie absolue.

La dépendance aux fournisseurs invite à prévoir une solution de repli et la récupération des données. Le pilotage doit intégrer le coût complet et suivre les dépenses. Enfin, former les équipes, les associer aux essais et maintenir leur capacité de contrôle aide à contenir la confiance excessive et la perte de compétences.

La démarche proposée est progressive : choisir un usage précis, mesurer la situation initiale, tester sur un périmètre limité, puis comparer temps réellement économisé après vérification, taux d’erreur, qualité, coût complet et adoption par les équipes. La généralisation doit dépendre des résultats ; l’arrêt doit rester une option.