« On veut de l'IA » : pourquoi cette phrase coûte cher (et par quoi la remplacer)

« On veut de l'IA. »

Cette phrase et ses variantes, je les entends presque à chaque entretien depuis deux ans. Et toujours le même réflexe chez moi : je freine. Pas parce que je n'ai pas envie de vendre du projet... c'est littéralement mon métier. Mais parce que cette phrase, telle quelle, est probablement l'une de celles qui coûtent le plus cher au marché français en ce moment.

Elle coûte cher aux dirigeants qui la prononcent. Elle coûte cher aux équipes qui la subissent. Et elle coûte cher aux prestataires qui acceptent de travailler dessus sans la reformuler.

Cet article explique pourquoi, et surtout : par quoi la remplacer pour que votre projet d'IA (qu'elle soit générative ou non) ait une chance de produire un retour sur investissement réel.

Pourquoi « on veut de l'IA » est une phrase piège

L'IA n'est pas un objectif, c'est un moyen

Personne ne dit « on veut faire du SQL » ou « on veut faire du Docker ». Pourtant, on entend en permanence « on veut faire de l'IA ». Cette asymétrie révèle un problème de fond : l'IA est traitée comme une finalité, alors que c'est une technologie au service d'un résultat business.

Quand un dirigeant dit « on veut de l'IA », il dit en réalité quelque chose comme :

• « Je vois mes concurrents communiquer dessus. »
• « Mon board me demande où on en est. »
• « J'ai peur de prendre du retard. »
• « J'ai entendu dire que ça automatise des trucs. »

Aucune de ces motivations n'est mauvaise. Elles sont même parfaitement légitimes. Mais elles ne sont pas un cahier des charges. Et un projet IA lancé sur cette base finit presque toujours dans la même catégorie : un POC qui impressionne en démo, qui ne sort jamais en production, et qui coûte entre 30 et 150 k€ pour zéro impact mesurable.

Le coût caché de l'IA-pour-l'IA

J'ai accompagné une dizaine de clients B2B sur des projets d'agents IA, de RAG, d'automatisation vocale.

Le pattern d'échec est toujours le même, et il est désormais documenté. Une étude Gartner publiée en avril 2026 auprès de 782 dirigeants IT révèle que seuls 28 % des cas d'usage IA atteignent le ROI attendu, et que 20 % échouent purement et simplement. La directrice de recherche en charge de l'étude résume la cause principale en une phrase : les équipes « ont attendu trop, trop vite ».

À l'inverse, les projets qui marchent, ceux qui passent en production et qui restent en production, ont tous une caractéristique commune : ils répondent à une question concrète, mesurable, douloureuse.

Quand l'un de nos plus grands clients nous a confié cette mission, le brief n'était pas « on veut de l'IA vocale ». Il était : « on a 3000 collaborateurs qui partent à la retraite dans les cinq ans, chacun porte vingt ans de savoir-faire dans la tête, et personne en interne n'a le temps de mener ces entretiens un par un. » Pas de techno dans la phrase. Juste un mur qui se rapproche, et une question : comment on industrialise quelque chose qui, jusque-là, ne se faisait qu'en tête-à-tête, autour d'un café, sur trois heures ?

Les 4 questions à se poser avant de prononcer le mot « IA »

Voici la grille que j'utilise systématiquement en cadrage. Si vous ne pouvez pas répondre à ces quatre questions, vous n'êtes pas prêt pour un projet IA, vous êtes prêt pour un atelier de cadrage.

1. Quel est le processus exact qu'on veut transformer ?

Pas « le service client ». Pas « la prospection ». Pas « la documentation ». Le processus exact, étape par étape.

Exemple mauvais : « On veut un chatbot pour le support. »

Exemple bon : « Quand un administré appelle la mairie pour demander si sa déchetterie est ouverte le dimanche, l'agent passe en moyenne 90 secondes à chercher l'info dans trois documents PDF différents. On veut que cette question reçoive une réponse sans intervention humaine. »

La deuxième formulation se mesure. La première ne se mesure pas.

2. Combien ça coûte aujourd'hui, et combien ça pourrait coûter demain ?

Tout projet IA sérieux commence par un calcul de coûts actuel : combien d'heures-homme, combien d'erreurs, combien d'opportunités ratées. Sans ce chiffre de départ, il n'y a aucune base pour calculer un ROI. Et sans ROI calculable, le projet sera coupé au premier exercice budgétaire serré.

Ce chiffre n'a pas besoin d'être précis au pourcent près. Un ordre de grandeur suffit. Mais il doit exister. L'écart entre l'adoption affichée et la valeur réellement créée est désormais chiffré : le rapport McKinsey « State of AI » montre que si 88 % des organisations utilisent l'IA quelque part, seules 5,5 % en tirent un impact mesurable sur leur résultat opérationnel. Le différenciateur n'est pas la sophistication du modèle, c'est la discipline de cadrage en amont.

3. Qui va l'utiliser, et qui va en bénéficier ?

Ces deux populations ne sont pas toujours les mêmes, et c'est la source d'une majorité d'échecs de déploiement. Un agent IA qui fait gagner du temps au manager mais qui ajoute une étape à l'opérationnel ne sera pas adopté. Un outil de qualification de prospects qui plaît au marketing mais que les commerciaux n'ouvrent jamais ne produit rien.

La question « qui va vraiment cliquer dessus tous les jours ? » doit être posée avant la première ligne de code.

4. Quel est le critère de succès, mesurable, à 3 mois ?

Pas « l'IA fonctionne bien ». Pas « les utilisateurs sont contents ». Un chiffre. Un seuil. Une date.

Exemples acceptables :

• « 70 % des demandes de niveau 1 résolues sans escalade humaine. »
• « Délai moyen de qualification d'un lead divisé par deux. »
• « 500 appels sortants par jour traités automatiquement avec un taux de prise de rendez-vous d'au moins 4 %. »

Si vous n'avez pas ce critère, vous n'avez pas de projet. Vous avez un budget en attente d'un prétexte.

Les bonnes formulations pour démarrer un projet IA

À la place de « on veut de l'IA », voici les phrases qui font qu'un projet a 80 % de chances d'aboutir :

« On a un processus X qui consomme Y heures par semaine, on pense que la moitié peut être automatisée, on veut tester sur un périmètre restreint pendant 6 semaines. »

« Notre équipe support reçoit Z demandes répétitives par jour, on veut qu'un agent en traite la moitié sans intervention humaine, et qu'il escalade proprement le reste. »

« On a une base documentaire de N milliers de pages que personne ne consulte. On veut que nos commerciaux puissent l'interroger en langage naturel et obtenir des réponses sourcées. »

Ces formulations partagent trois caractéristiques :

1. Elles partent d'un problème, pas d'une technologie.
2. Elles mentionnent un ordre de grandeur quantifié.
3. Elles définissent un périmètre limité dans le temps et dans le scope.

Le type de brief sur lequel un prestataire sérieux peut s'engager, et sur lequel un client peut juger un livrable.

Le rôle du prestataire : reformuler, pas exécuter

Si vous travaillez avec un prestataire IA qui accepte sans broncher un brief de type « on veut de l'IA », fuyez. Ce n'est pas un partenaire, c'est un facturier.

Un bon prestataire IA passe la moitié du premier rendez-vous à reformuler. Il pose les quatre questions ci-dessus. Il vous fait écrire des chiffres. Il refuse de produire un devis tant que le périmètre n'est pas tenable. Et parfois, souvent, en réalité... il vous dit que votre projet n'a pas besoin d'IA, mais d'un meilleur formulaire, d'un meilleur process, ou d'une meilleure base de données.

Ce comportement coûte des contrats à court terme. Il en sauve beaucoup plus à long terme, parce que les projets qu'il accepte sortent en production et génèrent des références exploitables.

Et avant de signer un devis, posez aussi la question de l'hébergement : c'est un sujet sur lequel le marché français parle beaucoup mais construit peu.

En résumé

L'IA générative et les agents autonomes sont des technologies extraordinairement puissantes. J'en livre depuis deux ans, je sais ce qu'elles permettent. Mais elles ne sont jamais la réponse à la question « qu'est-ce qu'on fait ? ». Elles sont la réponse à la question « comment on règle tel problème précis, mesurable, douloureux ? ».

Avant votre prochain projet, posez-vous les quatre questions :

• Quel processus exact ?
• Combien ça coûte aujourd'hui ?
• Qui l'utilise et qui en bénéficie ?
• Quel critère de succès à 3 mois ?

Si les réponses ne viennent pas, votre projet n'est pas mûr. Pas grave. Un atelier de cadrage de deux jours coûte mille fois moins cher qu'un POC de six mois qui finit dans un placard.

Quand Gartner et McKinsey, deux cabinets qui ne partagent ni méthodologie ni clientèle, arrivent à la même conclusion à six mois d'intervalle, à savoir que la majorité des projets IA échouent par défaut de cadrage et non par défaut de technologie, il devient difficile de continuer à dire « on veut de l'IA » sans rougir.

Et si vous voulez en parler concrètement, vous savez où nous trouver.