Impact de l'IA en entreprise : attention au piège des coûts
Luiz D'Elboux analyse l'écart entre dépenses en IA, rentabilité réelle et gestion des jetons.
Luiz D'Elboux analyse l'adoption de l'intelligence artificielle en entreprise et alerte sur le décalage entre investissements technologiques et chiffre d'affaires réel. Le débat s'appuie sur les cas de Klarna et Uber, la stratégie prudente d'Apple et l'orchestration d'agents pour optimiser les coûts.
Luiz D'Elboux, conseiller auprès d'entreprises SaaS et ancien directeur chez GoDaddy, s'est entretenu avec Bruno Gimenes dans le podcast Marketing - The Podcast au sujet de la maturité réelle de l'intelligence artificielle en entreprise. Dans un contexte où les dirigeants perçoivent la technologie comme un impératif de survie, des décisions impulsives de réductions d'effectifs et une allocation budgétaire incontrôlée ont révélé d'importants freins opérationnels et financiers.
Dans la vidéo ci-dessus, D'Elboux détaille comment la quête effrénée d'automatisation a entraîné des erreurs d'embauche et des coûts imprévus, mettant en lumière ce qui sépare les gains réels de productivité des investissements sans retour sur investissement direct.
Décisions précipitées et cycle de réembauche
Pour D'Elboux, la pression exercée sur les dirigeants a poussé nombre d'entre eux à aborder la technologie sous l'angle de l'urgence existentielle : « Si nous ne prenons pas le virage maintenant, dans deux ans nous serons hors jeu ». Cette précipitation initiale a incité les entreprises à débloquer de larges budgets pour expérimenter divers outils sans cap stratégique précis, aboutissant à des licenciements massifs qui ont vite montré leurs limites.
Cette dynamique a créé des distorsions pratiques. Comme l'explique D'Elboux : « Après un an et demi ou deux ans de cet emballement, qu'observe-t-on ? Un grand nombre d'entreprises contraintes de réembaucher. Pourquoi ? Parce que l'IA n'a pas su remplacer les collaborateurs ou accomplir leurs missions, ou alors elle l'a fait pour un coût bien plus élevé ». Il cite l'exemple de Klarna, la société de services de paiement qui a supprimé une grande partie de son service client début 2024 au profit de chatbots. En se focalisant sur la réduction des temps d'attente et des files plutôt que sur la fidélisation des clients, le service a perdu en qualité, obligeant l'entreprise à réintégrer des équipes humaines. Autre exemple de dérive budgétaire : Uber a consommé l'intégralité de son budget IA annuel au cours des trois premiers mois de 2026.
Productivité marketing et chiffre d'affaires stagnant
Bien que des gains de productivité évidents existent dans des fonctions ciblées — à l'instar d'équipes restreintes de cinq ou six personnes gérant des campagnes mondiales et la traduction rapide de contenus avec des budgets mensuels de plusieurs centaines de milliers de dollars —, cette efficacité interne ne se traduit pas automatiquement par une croissance des revenus pour les entreprises traditionnelles.
D'Elboux souligne la différence entre les fournisseurs de la technologie et ses utilisateurs : « Les entreprises qui vendent des solutions ou des infrastructures d'IA voient leur chiffre d'affaires progresser très fortement ». Les fournisseurs d'infrastructures, les centres de données, les offres cloud comme Google Cloud, AWS et Azure, tout comme les concepteurs de modèles à l'image d'OpenAI, enregistrent une forte croissance. En revanche, les bilans trimestriels des sociétés cotées de secteurs traditionnels indiquent que les courbes de ventes maintiennent le même rythme qu'auparavant, témoignant d'une hausse des investissements sans progression du chiffre d'affaires net.
En contraste avec cette surenchère d'investissements, D'Elboux salue l'approche prudente d'Apple, qui a consenti des investissements mesurés par rapport à Microsoft, Google et Meta, préservant sa valorisation boursière sans s'engager dans de lourdes dépenses d'investissement en centres de données.
Le piège des jetons et l'orchestration des agents
L'évolution des modèles de tarification des logiciels — qui passent de l'abonnement forfaitaire à la consommation de jetons, un modèle déjà déployé par Salesforce — impose une gestion rigoureuse des coûts pour préserver l'équilibre financier. D'Elboux rappelle une remarque de Scott Galloway concernant l'achat massif de puces Nvidia par L'Oréal, s'interrogeant sur la pertinence pour des entreprises de biens de consommation d'investir aussi lourdement dans des infrastructures d'IA dédiées.
Afin d'éviter tout gaspillage, D'Elboux préconise l'orchestration technique des agents, qui consiste à adapter le coût du modèle à la complexité de chaque tâche. Les opérations élémentaires ne nécessitent pas les modèles les plus avancés : « Il ne faut pas mobiliser un modèle de pointe simplement pour relire le texte d'une campagne publicitaire ; un modèle très basique suffit amplement pour détecter les erreurs sémantiques simples ». Selon lui, l'optimisation financière consiste à réserver les modèles les plus récents et onéreux exclusivement aux missions créatives ou stratégiques, tout en maintenant un contrôle strict sur l'ensemble du dispositif.