Productivité et revenu : l’équation que l’IA ne résout pas

L’autre jour je vous expliquais pourquoi l’IA ne tenait pas les promesses faites en termes de productivité, que ça n’était pas une surprise et s’expliquait très rationnellement mais que pour autant il ne fallait pas jeter le bébé avec l’eau du bain car la technologie elle même n’était pas à incriminer (La grande illusion des gains de productivité technologiques (IA comprise)).

Un des points que j’évoquais a suscité un certain intérêt, à savoir la confusion entre productivité et revenu. Cela m’a valu quelques demandes de contact de personnes que cela a vraiment intéressé car cela mettait des mots sur un un problème qu’ils avaient visiblement du mal de formaliser et je me suis dit que cela valait donc la peine que je revienne sur le sujet ici de manière plus précise.

En effet, le discours dominant sur l’IA promet aux entreprises des gains de productivité colossaux. Or une entreprise ne paie pas ses salariés ni ses actionnaires avec de la productivité. Elle a besoin de revenus et de cash flow. Tout l’enjeu est donc de transformer la productivité en revenu, ce qui est loin d’être automatique.

En bref :

La productivité n’est pas synonyme de revenu : les gains de productivité promis par l’IA ne se traduisent pas automatiquement en chiffre d’affaires ou en cash flow.
La mesure de la productivité dans les métiers du savoir est complexe et souvent biaisée, rendant difficile l’évaluation réelle des bénéfices liés à l’IA.
Des gains d’efficacité individuels ne garantissent pas une amélioration collective si les processus globaux ou les compétences ne suivent pas.
Même lorsque la productivité augmente, elle ne génère pas toujours plus de revenus, notamment en cas de marché limité ou de modèle de facturation inadapté.
Faute de retombées économiques directes, la productivité devient souvent un prétexte à des réductions de coûts, avec des effets négatifs à long terme sur l’innovation et la croissance.

La productivité, un indicateur insaisissable

Avant même de chercher à la transformer en revenus, encore faut-il être capable de la mesurer. Et c’est là que le bât blesse. Dans le travail du savoir, impossible de chronométrer chaque action comme à l’époque de Taylor. On ne sait ni d’où l’on part ni où l’on arrive et pourtant il faut fournir des indicateurs qui sont logiquement dans de nombreux cas biaisés voir fantaisistes (Comment mesurer les gains de productivité de l’IA ?).

La plupart des études reposent en effet sur du déclaratif : on demande aux collaborateurs s’ils se sentent plus productifs. Mais leur perception est biaisée par l’effet de nouveauté, la volonté de faire plaisir au management ou la peur d’avouer que l’outil fourni n’apporte rien. Et même même lorsqu’il y a des gains réels ils sont souvent compensés par de nouvelles tâches : contrôler, corriger, superviser, apprendre à utiliser l’outil. On gagne d’un côté mais on perd ailleurs (Connaissez vous le paradoxe de Jevons au travail ? Quand l’efficacité mène à l’inefficacité).

La somme des gains individuels n’est pas un gain collectif

Supposons malgré tout que des collaborateurs gagnent en efficacité. Cela ne signifie pas que l’organisation devient plus productive. La somme des productivités individuelles ne fait pas une productivité collective (Optimum local vs optimum global et théorie des contraintes : pourquoi vos gains de productivité ne servent parfois à rien).

Par exemple, dans une réponse à un appel d’offres, 80 % de l’équipe peuvent aller 20 % plus vite. Mais si la validation finale reste un goulot d’étranglement, le client ne reçoit rien plus tôt. Dans d’autres cas, certains collaborateurs ne disposent pas des compétences nécessaires pour exploiter l’IA correctement, ce qui ralentit le flux et annule les gains des autres. On produit donc plus de livrables intermédiaires, mais le résultat final n’avance pas.

A cela s’ajoute un autre phénomène bien connu : les gains sont captés ailleurs. Par les fournisseurs de logiciels et d’infrastructures, qui facturent leurs services. Par les collaborateurs, qui choisissent d’utiliser le temps gagné pour améliorer la qualité, se former ou rentrer plus tôt. Dans les faits, chaque entreprise fait un mélange de tout cela. La productivité promise s’évapore, et son lien avec le revenu devient encore plus diffus.

Plus vite ne veut pas dire plus de revenus

Admettons maintenant que l’organisation ait réussi à lever ses goulots d’étranglement, et que la productivité se traduise effectivement au niveau global. Reste une dernière barrière : le chiffre d’affaires.

Je suis d’ailleurs surpris que si beaucoup de voix se sont élevées, et je pense à juste titre, pour critiquer les limites de l’étude du MIT qui nous dit que 95% des pilotes IA échouaient (MIT report: 95% of generative AI pilots at companies are failing) notamment pour des raisons d’échantillon et de méthodologie mais à mon avis ses conclusions sont fondées sur un contresens majeur que je n’ai vu mentionné nulle part. En effet on nous dit que les entreprises ne constatent aucune croissance du revenu, soit, mais il faut se rappeler que la promesse de la technologie, et l’IA n’y échappe pas, est la productivité, pas le revenu.

Or le revenu ne dépend pas directement, automatiquement et linéairement de la productivité. Dit autrement et de manière plus mathématique, le revenu n’est pas une fonction de la productivité.

Donc quand on achète de la productivité il est peut être dommage de ne pas constater une augmentation du revenu mais ça n’est ni anormal ni surprenant.

Si vous vendez un service forfaitisé, comme du design ou la production de logos, livrer trois fois plus vite ne change rien si les ventes n’augmentent pas. Vous aurez seulement des salariés qui se tournent les pouces mais au moins vous ne perdez pas en revenu.

Si vous facturez à la journée, comme les indépendants ou les SSII, produire en huit jours ce qui prenait dix jours revient à facturer deux jours de moins. Sauf si vous avez immédiatement un nouveau client, vos revenus baissent et à niveau d’activité constant votre CA annuel baisse dans les mêmes proportions que votre productivité augmente. Même si le pipe commercial est bien garni, votre chiffre d’affaires dépendra toujours plus de vos commerciaux que de vos gains opérationnels.

Enfin, si le marché est limité, vous pouvez produire plus vite, mais cela ne changera rien : il n’y aura pas plus de clients pour acheter. Dans ce cas, la productivité ne se transforme qu’en confort de travail ou en investissement en formation, pas en cash flow.

Que cela soit clair une fois pour toutes : si vous n’arrivez pas à augmenter le volume d’affaires d’un chiffre au moins équivalent à celui de la hausse de productivité vous perdrez du revenu. Dit autrement la hausse productivité ne devient revenu qu’à deux conditions : il faut d’abord que vous soyez au maximum de vos capacités de production (il n’existe aucun moyen de produire plus sans ajouter de ressources) et ensuite que vous soyez en croissance.

Si la première hypothèse n’est pas vérifiée vous auriez pu accompagner la croissance sans avoir besoin d’investir pour dégager des gains de productivité. Si la seconde ne l’est pas l’investissement consenti pour obtenir ces gains ne sera pas « couvert » par des revenus supplémentaires. A ce petit jeu une augmentation de 8% de votre productivité, si le développement commercial ne suit pas ou sans de nouvelles offres ou de nouveaux produits capables de susciter une demande nouvelle, vous permettra de mettre tout le monde en vacances le 1er décembre jusqu’à la fin de l’année mais ne vous rapportera pas un centime alors même que vous avez investi pour y parvenir.

La productivité ne paie pas les factures : seule la capacité à générer du revenu le fait.

Quand la productivité devient un prétexte au cost cutting

Quand la productivité ne se transforme pas en revenus, la tentation est de justifier l’investissement autrement et beaucoup d’entreprises se replient alors sur les coûts.

Klarna a fait la une récemment avec son virage massif vers l’IA et la promesse d’économies colossales. Derrière le discours, la logique est claire : faute de démontrer un impact sur la topline, on justifie l’investissement par une réduction des effectifs. Le problème, c’est que ces coupes sèches finissent par affaiblir la capacité à croître et à innover voire par la perte de ce qui faisait la singularité du service sue le marché (L’IA ne créera pas d’avantage concurrentiel). Le gain immédiat sur les marges se paie plus tard sur les revenus et d’ailleurs Klarna a fini par rétropédaler et réembaucher massivement (AI, layoffs, productivity and The Klarna Effect).

Ce réflexe rappelle les déformations du Lean. Le Lean n’a jamais été conçu pour « couper des têtes », mais pour développer les personnes et fluidifier les flux. Pourtant, combien d’entreprises l’ont réduit à une mécanique de cost cutting ? L’IA prend aujourd’hui le même chemin : au lieu de l’utiliser pour enrichir les compétences et la valeur produite, on l’utilise comme prétexte pour supprimer des postes (95% of Enterprise AI Pilots « Fail »–Just Like Lean? Not So Fast). On en oublie la finalité, et le résultat finit par se payer.

Quand la productivité ne se transforme pas en revenus, elle finit en licenciements.

Soyons même cyniques un instant. Si les marchands d’IA mettent autant en avant la réduction de coûts, ce n’est pas parce que c’est vertueux, mais parce qu’ils n’ont pas d’autre argument immédiat. Ils savent qu’ils ne peuvent pas encore démontrer un impact clair sur les revenus, alors ils vendent la seule chose mesurable à court terme : des économies. C’est une logique court-termiste qui rassure certains dirigeants et séduit les marchés, mais qui enferme les entreprises dans une spirale où l’IA devient un outil de downsizing plutôt qu’un levier de croissance.

Conclusion

On comprend pourquoi les promesses de productivité sont trompeuses. Si elles font briller les yeux des dirigeants et séduisent les investisseurs, elles ne garantissent aucunement une création de revenu.

En réalité, trois points sont à retenir : une hausse de productivité individuelle, même massive, ne garantit pas une hausse de productivité collective, et donc ne crée pas nécessairement plus de valeur facturable. Même lorsqu’il existe une hausse collective, elle est souvent absorbée en interne ou captée par d’autres acteurs, ce qui réduit son impact économique. Enfin, la productivité ne devient un levier de croissance que si l’entreprise sait la convertir en revenu : par plus de clients, de nouvelles offres, ou une meilleure valorisation de ses services, faute de quoi, elle se transforme en simple variable d’ajustement des coûts, au détriment du long terme.

C’est là que se fait la différence entre les organisations qui croient aux promesses des technologies, et celles qui en tirent un avantage concurrentiel tangible.

Pour répondre à vos questions…

Pourquoi la productivité liée à l’IA ne génère-t-elle pas forcément plus de revenus ?

Produire plus vite ne signifie pas vendre plus. Si la demande ne suit pas ou si l’entreprise ne valorise pas mieux ses services, les gains de productivité restent sans effet sur le chiffre d’affaires. Seule la conversion de cette efficacité en revenus, par plus de clients, de nouvelles offres ou une meilleure tarification, crée de la valeur économique réelle.

Pourquoi la productivité est-elle difficile à mesurer dans les métiers du savoir ?

Le travail intellectuel ne se mesure pas comme une chaîne de montage. Les indicateurs reposent souvent sur des impressions subjectives, biaisées par la nouveauté ou la pression hiérarchique. De plus, les gains apparents sont souvent compensés par d’autres tâches comme la supervision, la correction ou la formation, ce qui rend la productivité globale difficile à évaluer.

Pourquoi les gains individuels ne se traduisent-ils pas toujours par un gain collectif ?

L’efficacité d’un salarié ne garantit pas celle de l’organisation. Si un goulot d’étranglement subsiste ailleurs, la performance globale n’évolue pas. Les gains locaux peuvent même créer des déséquilibres. La productivité n’a donc de sens que pensée à l’échelle du système complet, et non de quelques individus plus rapides.

Quels sont les dangers d’utiliser l’IA pour réduire les coûts ?

Réduire les coûts via l’IA peut améliorer les marges à court terme, mais affaiblir la capacité à innover et à croître. Supprimer des postes détruit souvent les compétences qui faisaient la valeur de l’entreprise. L’IA devient alors un outil de contraction plutôt qu’un levier de développement durable.

Comment transformer les gains de productivité de l’IA en revenus concrets ?

Il faut relier l’efficacité opérationnelle à une stratégie de croissance : plus de clients, nouvelles offres ou meilleure valorisation. Sans ce lien, la productivité reste un chiffre interne sans impact sur la rentabilité. La clé est de faire de l’IA un moteur de création de valeur, pas seulement d’optimisation.

Crédit visuel : Image générée par intelligence artificielle via ChatGPT (OpenAI)