ROI de l'IA : 81 % des entreprises décident plus vite, 28 % en tirent du chiffre d'affaires et 44 % seulement suivent le coût unitaire de leurs appels aux modèles, selon Deloitte

Ce que dit la source

Le rapport « Built differently », diffusé le 29 octobre 2026 par le Deloitte AI Institute, repose sur une enquête conduite en mai et juin 2026 auprès de 3 500 membres de conseils, dirigeants, vice-présidents et directeurs dans 25 pays et six secteurs, à parité entre informatique et métiers. Toutes les entreprises interrogées utilisent déjà l'IA au quotidien. L'échantillon compte 1 200 répondants aux États-Unis, 200 au Royaume-Uni, 150 en Allemagne et 130 en France ; quinze entretiens complètent les chiffres, et les comparaisons renvoient à l'édition de janvier 2026.

Premier constat : la vitesse est acquise, la transformation non. 81 % des répondants constatent des décisions et une exécution plus rapides (7 % une amélioration importante), avec peu d'écart entre secteurs. Mais 25 % seulement utilisent l'IA pour créer des produits, refondre des processus ou changer de modèle économique, contre 34 % en janvier. De même, 60 % ont redessiné des postes au moins modérément, mais 15 % jugent le changement étendu ou complet, et 15 % font état d'un déplacement important ou fondamental du pouvoir de décision.

Deuxième constat, mis en avant dans cette édition : l'économie des jetons. 86 % des entreprises prévoient d'augmenter leur investissement au prochain exercice, dont 34 % de 20 % ou plus, mais plus on descend vers le détail, moins les entreprises y voient clair : 71 % suivent leur dépense totale d'inférence et d'API, 51 % le volume de jetons et 44 % le coût par appel ou par jeton, seul niveau qui permette de chiffrer un flux de travail donné. Le secteur technologique le suit environ 1,6 fois plus souvent que la grande consommation.

Troisième constat : les retours arrivent, à des rythmes différents. 28 % des entreprises déclarent des gains de chiffre d'affaires liés à l'IA, contre 20 % en janvier ; les gains d'efficacité passent de 66 % à 74 %, l'aide à la décision de 53 % à 60 %, la réduction des coûts de 40 % à 45 %, l'amélioration des relations clients de 38 % à 44 %. Le chiffre d'affaires reste le bénéfice le plus attendu (67 %). Par ailleurs, dans 40 % des entreprises, des systèmes d'IA prennent ou exécutent déjà, au moins modérément, des décisions que personne ne valide en amont, alors que 23 % ne savent pas qui répond d'un résultat dommageable ; parmi les 2 372 entreprises qui font coopérer plusieurs agents sur un même flux, une sur deux fonctionne sans règles écrites, ou avec une simple supervision de principe, et 9 % se disent pleinement gouvernées. Enfin, 74 % jugent la résidence des données et le calcul en région au moins modérément importants pour leur stratégie.

Notre analyse

Deloitte vend du conseil en transformation et son rapport conclut qu'il faut transformer : réserve à garder en tête. L'échantillon est aussi orienté vers les entreprises déjà avancées (toutes utilisent l'IA au quotidien, un tiers des répondants sont américains), ce qui relève les taux de bénéfices déclarés. Mais deux chiffres résistent à ce biais parce qu'ils vont contre l'intérêt du commanditaire : la part des transformations profondes recule de 34 % à 25 % en neuf mois, d'une édition à l'autre, et moins d'une entreprise sur deux suit le coût unitaire de ce qu'elle consomme.

Le tableau se complète avec deux publications parues à quelques jours d'intervalle. L'enquête Dun & Bradstreet du 28 octobre, sur un échantillon beaucoup plus large (10 000 entreprises, 32 pays), trouve 28 % de retours larges ou forts, sans progrès par rapport au trimestre précédent, 44 % de retours limités à quelques pilotes et 9 % seulement ayant porté l'essentiel de leurs pilotes en production avec un bénéfice avéré. Le facteur discriminant y est la donnée : 8 % jugent leurs données pleinement prêtes, et dans ce groupe 81 % obtiennent des retours larges ou forts, contre 12 % chez celles dont les données ne sont que partiellement prêtes. La note du 24 octobre de Torsten Slok, économiste en chef d'Apollo, regarde l'autre bout de la chaîne, les comptes publiés : revenu par salarié et marges progressent pour les sept grandes valeurs technologiques et restent plats pour les 493 autres sociétés du S&P 500, sans signe d'accélération de la productivité ; l'auteur en déduit que, hors technologie, les directions américaines rangent de plus en plus leurs achats de jetons parmi les charges, non parmi les moteurs de croissance.

Ce qu'il faut retenir : les gains déclarés dans les enquêtes montent, les gains visibles dans les comptes agrégés pas encore. Entre les deux se trouvent les points que Deloitte mesure comme mal tenus : le coût unitaire, la refonte du travail et la responsabilité des décisions automatisées.

Ce que cela change pour une entreprise française

Pour une PME ou une ETI française, le rapport renverse une habitude : la question n'est plus le prix de l'abonnement, mais ce que coûte un dossier traité, un devis produit ou un ticket résolu, et ce qu'il rapporte. Trois actions. Mesurer, pour chaque usage, le coût par unité de travail (jetons ou appels rapportés au volume traité) et le comparer au coût humain remplacé, en sachant que les chaînes d'agents multiplient les appels derrière une seule tâche. Choisir, parmi les processus accélérés, celui que l'on redessine de bout en bout, droits de décision compris. Écrire noir sur blanc qui répond d'une décision prise ou exécutée par un système d'IA, en graduant le contrôle selon que le système informe, recommande ou agit.

Deux rappels. Le règlement européen sur l'IA impose déjà, depuis février 2025, des mesures de maîtrise de l'IA par le personnel, et imposera aux systèmes à haut risque une surveillance humaine confiée à des personnes compétentes et dotées d'autorité, à partir de décembre 2027 pour la plupart d'entre eux : attribuer les responsabilités avant d'étendre l'autonomie prépare ces obligations. Et l'importance accordée au traitement des données en région, que Deloitte mesure à 74 %, se résume en France à une question à poser à chaque fournisseur : où tournent les modèles, et qui peut lire ce qu'on leur envoie.