IA et productivité : pourquoi le P&L ne suit pas

Depuis que l’IA est devenue un phénomène de masse, la recherche de la productivité est devenue une sorte de graal. On en attend du temps gagné, des tâches accélérées, des volumes traités plus vite, avec l’idée sous-jacente que tout cela finira par produire de la valeur. En effet, le raisonnement semble aller de soi : si l’on travaille plus vite, si l’on fait plus avec autant, le compte de résultat devrait suivre. Pourtant ce lien est loin d’être automatique.

Cette confusion n’est pas nouvelle et on l’a connue avec chaque vague technologique. Ce qui change avec l’IA c’est l’ampleur des attentes et la vitesse avec laquelle on attend qu’elle porte ses fruits, tout cela parce que ses effets apparaissent rapidement, parfois avant même que l’entreprise ne se soit posé la question qui compte pour une direction générale : où, concrètement, cette productivité doit-elle se traduire dans le P&L ?

On en revient à un éternel débat mal compris sur ce qu’on peut attendre de la technologie (Les technologies vendent de la productivité, mais les entreprises veulent du revenu). N’en déplaise à ceux qui ne jure que par elle, la productivité n’apporte pas grand chose en soi à moins qu’on décide de ce qu’on en fait, ce qui suppose déjà d’obtenir un gain de productivité ce qui n’est pas toujours évident, en tout cas dans les premiers temps.

En bref :

L’IA est perçue comme un levier de productivité, mais cette productivité ne se traduit pas automatiquement en valeur financière sans choix clairs sur son usage.
L’introduction de l’IA génère aussi des coûts (supervision, contrôle, qualité) qui peuvent temporairement dégrader les résultats tant que les usages ne sont pas stabilisés.
La création de valeur dépend d’une gouvernance explicite : sans arbitrage sur l’utilisation du temps ou des gains, ceux-ci sont absorbés sans effet visible sur le P&L.
Accroître la capacité de production grâce à l’IA ne crée de valeur que si la demande suit ; sinon, l’effort est inutile voire contre-productif.
Sans stratégie pour transformer les gains en valeur concrète, l’entreprise finit par réduire les coûts (souvent humains) pour justifier les effets attendus dans les résultats.

L’IA crée des opportunités mais elle crée aussi des coûts

On parle beaucoup de ce que l’IA permet de gagner mais moins de ce qu’elle ajoute et coûte de diverses manières. Or l’IA introduit des coûts nouveaux, et pas uniquement des coûts techniques. Il y a bien les outils, mais surtout tout ce qui entoure leur usage : la supervision, la validation, les corrections, le besoin de vigilance accru.

Aujourd’hui, l’IA produit des erreurs, induit une variabilité que les équipes doivent absorber et un besoin constant de contrôle qui ne fait qu’accroitre le fameux « work about work » (Le « work about work » : quand la réalité du travail consiste à faire fonctionner ce qui ne marche pas). En conséquence le coût lié à la qualité augmente souvent au départ. C’est un fait et le nier revient à ignorer ce que font réellement les équipes pour que le travail se fasse malgré les inconvénients que l’introduction d’une nouvelle technologie et possiblement la transformation du travail qu’elle entraine induisent.

Ce point il conditionne un grand nombre de choses. Tant que les usages ne sont pas stabilisés et que le travail n’est pas adapté, l’IA peut dégrader temporairement le P&L. La valeur n’est pas immédiate pas plus qu’elle n’est garantie. Au contraire, elle est conditionnée à de nombreuses choses, presque toujours différée, et dépend de la manière dont l’organisation traverse cette phase initiale voire l’anticipe.

Le P&L ne bouge que si l’on décide où la valeur doit apparaître

Une fois admis que l’IA crée à la fois des opportunités d’amélioration et des coûts on doit se demander par quels mécanismes tout cela peut remonter dans le P&L. La valeur, lorsqu’elle est effectivement créée, peut être réinvestie de différentes manière mais encore faut il se poser la question des arbitrages (Sans gouvernance, les gains dus à l’IA sont virtuels).

On est un peu dans le domaine de la loi de Parkinson. Très souvent les gains de productivité sont absorbés par les salariés à leur profit pour gagner en confort de travail (Connaissez vous la loi de Parkinson sur la manière dont vos salariés gèrent eux-même leur temps et leur productivité ?) et de toute manière un problème constaté de manière récurrente est que les salariés ne savent pas quoi faire du temps que l’IA leur permet de gagner (How Is Your Team Spending the Time Saved by Gen AI).

Bref, si l’entreprise ne réfléchit pas à comment réinvestir le temps gagné les salariés, managers et plus globalement l’organisation ne manqueront pas d’idée pour le réinvestir parfois pour le meilleur, parfois pour le pire.

Autrement dit, ça n’est pas l’IA qui crée de la valeur mais c’est à l’entreprise de décider quoi en faire.

La demande n’est pas infinie et la capacité n’est pas toujours le sujet

Il faut aussi rappeler une évidence : augmenter la capacité n’a de sens que si cette capacité supplémentaire peut être absorbée. Or beaucoup d’entreprises n’ont pas un problème d’offre, mais un problème de débouchés, de priorisation ou de distribution. Dans ces situations, produire plus ne crée aucune valeur supplémentaire et peut même faire perdre de l’argent notamment dans le secteur du service et pas que pour les indépendants (Pour les indépendants la productivité ne paie pas toujours).

Mais tant qu’on parle de productivité encore faut il savoir la mesurer non seulement une fois l’IA déployée mais aussi et avant tout avant pour avoir matière à comparaison, ce qui n’est jamais fait (Comment mesurer les gains de productivité de l’IA ?).

Transformer un potentiel en valeur tangible

Tant qu’un usage reste expérimental, il ne produit rien de durable de la même manière que tant qu’une pratique n’est pas intégrée dans l’activité, elle ne peut pas soutenir le P&L (Stabiliser pour avancer : pourquoi l’expérimentation seule ne produit rien avec l’IA).

Ce constat rejoint certaines analyses récentes dont logique est claire : la valeur ne vient pas de l’essai, mais du chemin qui permet de transformer un essai en pratique industrialisée et pérenne (Mapping AI Value Pathways).

Mais stabiliser ne signifie pas figer. Cela signifie décider ce qui doit rester de l’existant, ce qui mérite d’y être intégré et ce qui peut être abandonné. Sans cela le potentiel créé par l’IA reste latent.

Quand on ne prépare pas le P, on finit par ajuster le L

Il reste un point que l’on évite souvent d’aborder alors qu’il est central dans une logique de P&L. Lorsqu’une entreprise ne se prépare pas à transformer les gains issus de l’IA en produit ou en valeur créée il restent invisibles économiquement mais les attentes ne disparaissent pas pour autant. Cela doit se voir dans les seules chiffres qui intéressent les dirigeants et les actionnaires.

Dit autrement l’IA a un impact sur des indicateurs intermédiaires mais cet impact ne se voit (encore) pas dans les comptes.

Faute d’être prêtes à flécher cet impact vers le P (voir plus haut) assumé sur le P, l’entreprise finit presque toujours par agir sur le L. Pas par stratégie réfléchie, mais justement par manque de stratégie et parce que c’est le seul levier immédiatement lisible dans le compte de résultat.

Quand, un jour, on se retrouve avec des gains de productivité qu’on ne sait pas monétiser ou valoriser d’une manière ou d’une autre on n’a d’autres choix que de couper dans les couts et notamment les salaires et l’emploi.

Conclusion

L’IA ne crée pas de valeur financière par elle-même. Elle crée du potentiel, accroit le champ des possibles mais cela ne mène nulle part tant que l’entreprise ne décide pas où elle veut aller. La valeur est toujours le résultat d’un choix sur l’usage des gains, sur l’allocation des capacités, sur l’acceptation des coûts induits et sur le moment où une pratique est considérée comme suffisamment mure pour être intégrée au design du travail et aux workflows.

Pour une direction générale le message est simple : si le P&L ne bouge pas, ce n’est pas parce que l’IA ne fonctionne pas mais parce que l’entreprise n’a pas encore décidé comment transformer ce qu’elle a gagné en résultat et/ou ne s’y est pas préparée.

Pour répondre à vos questions…

Pourquoi l’IA n’améliore-t-elle pas automatiquement le P&L malgré les gains de productivité ?

Parce que la productivité ne crée pas de valeur par elle-même. L’IA fait souvent gagner du temps, mais tant que l’entreprise ne décide pas explicitement où ces gains doivent se traduire dans le compte de résultat, ils restent invisibles. Le temps libéré est absorbé par l’organisation, le confort de travail ou de nouvelles tâches, sans impact économique mesurable.

Quels sont les coûts cachés liés à l’introduction de l’IA ?

L’IA génère des coûts au-delà des outils : supervision, contrôle, corrections et vigilance accrue. Les erreurs et la variabilité augmentent le travail de validation, ce qui alourdit le coût de la qualité. Dans les premières phases, ces coûts peuvent dépasser les gains et dégrader temporairement le P&L.

Que deviennent les gains de productivité si rien n’est décidé ?

Ils sont réinvestis de manière non pilotée. Les équipes utilisent le temps gagné comme elles peuvent, sans lien clair avec la création de valeur. Sans gouvernance, les gains restent diffus et virtuels, donnant l’impression que l’IA fonctionne sans produire de résultat économique concret.

Pourquoi produire plus grâce à l’IA ne crée-t-il pas toujours de valeur ?

Parce que la demande n’est pas toujours au rendez-vous. Si l’entreprise n’a pas de problème de capacité mais de débouchés ou de priorités, produire plus n’apporte rien. Sans capacité d’absorption, la productivité supplémentaire peut même générer des coûts inutiles.

Quel est le risque si l’entreprise ne prépare pas l’impact de l’IA sur le P&L ?

Le risque est d’agir uniquement sur les coûts. Faute de transformer les gains de l’IA en valeur visible, l’entreprise finit souvent par ajuster le « L » plutôt que le « P », notamment via l’emploi. Ce n’est pas un choix stratégique, mais une conséquence du manque d’anticipation.

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