Dix minutes gagnées sur un dossier ne sont pas encore dix minutes retirées d’une facture. Cette différence, familière à toute équipe qui doit absorber du travail, aide à comprendre le débat sur la rentabilité de l’intelligence artificielle. Un outil peut accélérer une tâche sans que les dépenses diminuent ; il peut aussi améliorer un service sans que cette amélioration apparaisse immédiatement dans les comptes.
Le communiqué publié par Gartner le 26 octobre 2026 met cette tension en lumière. Son titre indique que 3 % des organisations dépassent leurs objectifs d’économies par les gains de productivité. Il rapporte aussi que 77 % des membres de conseils d’administration attendent de l’IA des gains de productivité et des réductions de coûts. Ces indicateurs décrivent des attentes et leur réalisation déclarée, pas une mesure universelle de la valeur de tous les outils.
Un pourcentage à lire avec son dénominateur
« Dépasser son objectif » est un critère exigeant et relatif : il dépend du niveau de l’objectif initial. Une organisation peut gagner quelque chose et rester sous une ambition trop élevée. À l’inverse, dépasser une cible modeste ne suffit pas à démontrer un résultat exceptionnel.
Le communiqué de Gartner emploie dans son corps une formulation plus large sur les économies souhaitées que celle de son titre. Il ne détaille pas, à proximité du chiffre de 3 %, la taille de l’échantillon ni le questionnaire correspondant. Il serait donc imprudent d’en déduire que 97 % de toutes les entreprises ne tirent aucun bénéfice de l’IA, ou que leurs investissements constituent autant d’échecs.
Cette limite ne rend pas l’alerte inutile. Elle invite à poser une question plus précise : lorsqu’une entreprise annonce un gain, quelle grandeur a-t-elle effectivement mesurée ?
Une recherche observe bien une tâche accélérée
Une étude publiée en 2025 dans le Quarterly Journal of Economics apporte un autre type de preuve. Erik Brynjolfsson, Danielle Li et Lindsey Raymond analysent le déploiement progressif d’un assistant conversationnel auprès de 5 172 agents de support client. Ils mesurent une hausse moyenne de 15 % du nombre de problèmes résolus par heure.
Le résultat varie fortement selon l’expérience : les moins expérimentés progressent davantage, tandis que les plus compétents enregistrent de faibles gains de vitesse et une légère baisse de qualité. Les auteurs soulignent que leur étude porte sur une entreprise et des effets à moyen terme. Elle ne mesure pas les conséquences générales sur les salaires ou l’emploi.
Cette recherche ne contredit pas automatiquement l’alerte de Gartner. Un nombre de demandes résolues par heure et l’atteinte d’un objectif budgétaire répondent à deux questions différentes. Les rapprocher permet de comprendre l’écart ; les confondre produirait une fausse conclusion.
Trois résultats que l’on mélange trop souvent
Le premier est le temps consacré à une opération. Un compte rendu peut être préparé plus vite, mais le chronomètre doit inclure sa vérification et ses éventuelles corrections. Mesurer uniquement la génération du premier texte revient à s’arrêter avant la fin du travail.
Le deuxième est la capacité de l’équipe : combien de dossiers terminés peut-elle prendre en charge, à qualité comparable ? Le temps libéré peut permettre de répondre plus vite, de résorber un retard ou de traiter des cas auparavant laissés de côté. Ce sont des bénéfices possibles, même si les charges salariales restent identiques.
Le troisième est une économie effectivement constatée. Elle suppose de comparer des dépenses, sur une période définie, en tenant compte des frais supplémentaires liés à l’outil. Ce résultat ne peut pas être obtenu en multipliant mécaniquement toutes les minutes « économisées » par un coût horaire.
Une entreprise devrait donc nommer ce qu’elle promet. « Produire davantage », « mieux répondre » et « dépenser moins » sont trois objectifs défendables. Les réunir dans un même chiffre empêche de savoir lequel a été atteint.
Un exemple simple pour éviter les faux calculs
Imaginons une équipe fictive qui prépare cent dossiers par semaine. Chaque dossier prenait vingt minutes. Avec un assistant, la préparation passe à douze minutes, auxquelles s’ajoutent trois minutes de contrôle : le gain net est de cinq minutes, soit cinq cents minutes sur la semaine, environ huit heures et vingt minutes.
Ce calcul est utile, mais il ne constitue pas une économie comptable de huit heures et vingt minutes. Si l’équipe reste en place avec les mêmes horaires et les mêmes coûts, elle dispose d’une capacité supplémentaire. Il faut encore observer ce qu’elle en fait.
Si les vérifications deviennent plus longues ou si des erreurs obligent à reprendre certains dossiers, le gain réel diminue. Si la capacité libérée sert à réduire une attente importante pour les clients, la valeur peut au contraire exister ailleurs que dans une baisse de dépenses. L’exemple ne prédit aucun résultat d’entreprise : il montre simplement les étapes d’un raisonnement vérifiable.
Mesurer la chaîne complète, pas la démonstration
Pour évaluer un usage, on peut commencer par une tâche bornée et un résultat attendu : un dossier accepté, une réponse résolue, un document exploitable. Les tentatives ratées et les reprises font partie du coût de ce résultat, au même titre que les abonnements ou les appels au service.
La comparaison gagne ensuite à porter sur des cas de difficulté comparable. Si l’outil traite les demandes faciles tandis que les personnes récupèrent toutes les exceptions, comparer leurs temps moyens sans tenir compte de cette répartition ne dit pas grand-chose.
Enfin, le suivi doit conserver un critère de qualité. Aller plus vite en produisant davantage de corrections ultérieures déplace la charge au lieu de la supprimer. Le point d’arrivée utile est le travail accepté, avec un niveau d’erreur explicite.
L’IA n’a donc pas à être jugée sur une alternative sommaire entre miracle et déception. La question opérationnelle est plus exigeante : pour quelle tâche, avec quel contrôle, obtient-on quel résultat net ? C’est à cette échelle qu’une organisation peut transformer une promesse de productivité en bénéfice démontré.
Photo d’illustration : un poste de travail informatique, sans lien établi avec les entreprises étudiées. Crédit : Shixart1985 / Wikimedia Commons / CC BY 2.0.
