93 % du budget IA va à la technologie, et c'est le 7 % restant qui détermine le résultat
Il existe un paradoxe qui traverse les salles des finances des plus grandes entreprises du monde : les organisations qui investissent le plus dans l'intelligence artificielle sont, bien souvent, celles qui en tirent le moins de bénéfices. Non pas en raison d'une défaillance technologique. La technologie, elle, fonctionne. Le problème se situe de l'autre côté de l'équation — celui que personne n'a budgété avec suffisamment de sérieux.
Lors du forum Emerging CFO organisé par Fortune en partenariat avec Workday, un groupe de directeurs financiers d'entreprises du Fortune 500 et Casey Caram, directeur et responsable de la pratique en capital humain chez Deloitte, ont mis sur la table un chiffre qui mérite une attention soutenue : les organisations consacrent, en moyenne, 93 % de leur investissement dans les projets d'intelligence artificielle aux données, à la technologie et à l'infrastructure, et seulement 7 % à habiliter les personnes à utiliser ces outils avec efficacité. Ce n'est pas une donnée décorative. C'est un diagnostic d'architecture d'investissement aux conséquences directes sur le retour attendu.
Ce que ces dirigeants ont décrit n'est pas un problème d'adoption technologique au sens technique du terme. C'est un problème de cohérence entre ce qu'une organisation déclare comme priorité et ce que ses décisions de dépenses révèlent réellement comme tel.
Quand les dépenses construisent l'illusion de la transformation
Il existe une logique compréhensible, bien que défectueuse, derrière le schéma 93/7. Acheter de la technologie est visible, quantifiable et produit un récit de progrès qui satisfait aussi bien les conseils d'administration que les analystes externes. Une plateforme d'intelligence artificielle déployée, une architecture de données modernisée, une licence de logiciel d'entreprise : tous ces éléments sont des signaux lisibles de mouvement. Former une équipe de comptables, repenser les flux de travail d'un département de planification financière, investir pour qu'un professionnel avec vingt ans d'expérience change la manière dont il formule ses analyses — tout cela est invisible, lent et difficile à présenter dans un tableau de bord trimestriel.
Caram l'a formulé avec précision : les capacités d'intelligence artificielle vont se commoditiser. Ce qui ne se commoditise pas, c'est le jugement humain sur quelle question poser, quel donnée contextualiser et quel signal ignorer au sein d'un volume d'information croissant. C'est la couche supérieure du modèle de compétences qu'il a proposé : sur une base de compétences financières traditionnelles — comptabilité, prévisions, gestion de la performance — vient se poser une couche d'alphabétisation aux données et à l'intelligence artificielle, et sur ces deux couches repose ce qu'il a appelé les compétences humaines essentielles : le discernement, la pensée critique, la capacité à formuler les bonnes questions.
Le problème n'est pas que les organisations ignorent ce modèle. Le problème est qu'elles l'approuvent en réunion de stratégie et le contredisent au moment d'allouer le budget.
Marie Myers, directrice financière de Hewlett Packard Enterprise, a décrit ce phénomène de l'intérieur avec une clarté qu'on entend rarement dans les forums publics. Son équipe a utilisé l'intelligence artificielle pour repenser les revues opérationnelles internes, réduisant le travail manuel et générant une valeur visible à l'échelle de l'entreprise. Le résultat a été concret. Et pourtant, Myers a identifié la barrière réelle comme quelque chose qui survient après la mise en œuvre, et non avant : les professionnels les plus expérimentés, ceux qui possèdent le plus de connaissances accumulées, sont ceux qui résistent le plus à changer leur façon de travailler. « Lorsque nous mettons en œuvre de nouvelles technologies, nous passons beaucoup de temps obsédés par la technologie, et je pense que nous ne consacrons pas suffisamment de temps à réfléchir à l'impact sur les personnes », a-t-elle déclaré. Et elle a ajouté quelque chose qui fonctionne comme un principe opérationnel : « Vous n'allez pas générer un changement réussi si vous ne emmenez pas tout le monde avec vous. »
Cette dernière phrase n'est pas une formule de motivation rhétorique. C'est une description du mécanisme par lequel un investissement à neuf chiffres dans une infrastructure d'intelligence artificielle peut produire un retour marginal parce que 15 % de l'équipe qui devait changer ses flux de travail ne l'a tout simplement pas fait.
La fracture entre l'ambition déclarée et le choix réel
Tim Arndt, directeur financier de Prologis, a offert une perspective complémentaire qui éclaire la dimension stratégique de la question. Il a décrit comment le rôle du directeur financier a migré de l'administration et du reporting vers la stratégie et le leadership d'entreprise, et comment l'intelligence artificielle accélère cette transition en automatisant les tâches routinières et en libérant du temps pour un travail à plus grande valeur ajoutée. « L'attente est désormais d'être un partenaire à la table de direction », a-t-il dit, contribuant à la construction de la stratégie plutôt que de simplement rapporter des résultats.
Cette évolution est réelle. Mais elle est soumise à une condition qui apparaît rarement dans les présentations de transformation numérique : elle ne se produit que si l'équipe financière possède les compétences nécessaires pour occuper cet espace. Un directeur financier qui aspire à être l'architecte de la stratégie d'entreprise avec une équipe qui fonctionne encore en mode de reporting manuel n'a pas une ambition stratégique — il a une contradiction organisationnelle. L'intelligence artificielle peut libérer du temps. Elle ne peut pas garantir que ce temps sera utilisé avec discernement si personne n'a investi dans le développement de ce discernement.
Tucker Marshall, directeur financier de J.M. Smucker, a décrit le processus depuis une perspective plus opérationnelle. L'entreprise modernise ses systèmes financiers, automatise ses flux de travail et investit dans le développement des talents — depuis des programmes destinés aux professionnels en début de carrière jusqu'au recrutement de profils de niveau intermédiaire avec une expérience en données et en analytique. Et il a souligné quelque chose qui reste fréquemment en dehors des plans de transformation : la capacité de communication. Il ne suffit pas que l'équipe financière génère de meilleures analyses si elle ne peut pas traduire ces analyses en décisions commerciales compréhensibles pour ceux qui les prennent. L'alphabétisation aux données, sans la capacité de communiquer ses implications, produit un silence stratégique déguisé en sophistication technique.
Noémie Heuland, directrice financière de Moody's, a ajouté une dimension différente au diagnostic. Avec la croissance du volume de données disponibles, la pression exercée sur les équipes financières ne consiste pas seulement à générer davantage de métriques, mais à savoir lesquelles comptent vraiment. Elle a décrit le risque de ce qu'elle a appelé la surcharge de KPI : la tendance à sur-quantifier au détriment de la clarté stratégique. Le rôle du directeur financier inclut, de plus en plus, la contextualisation des données, la connexion des métriques financières avec des objectifs commerciaux plus larges et avec les dynamiques de marché. Ce n'est pas une fonction technique. C'est une fonction de jugement — exactement la couche supérieure du modèle que Caram a proposé, et exactement celle que le budget d'entreprise moyen sous-finance.
Le coût de ne pas choisir ce qu'on laisse derrière soi
Il y a quelque chose qui traverse tous les témoignages de ces dirigeants et qui mérite d'être nommé avec précision : aucune transformation de ce type ne se produit sans que quelqu'un abandonne quelque chose. Les professionnels de longue date que Myers a identifiés comme résistants au changement ne résistent pas par simple inertie irrationnelle. Ils résistent parce que pendant des années, leur expertise était l'actif qui les distinguait, et que l'intelligence artificielle menace la visibilité de cet actif. Leur demander d'y renoncer sans offrir quelque chose en échange, sans redéfinir le type de valeur attendue d'eux, sans construire un pont vers une façon de travailler différente, c'est leur demander d'accepter une perte sans récit de remplacement.
Les organisations qui échouent dans l'adoption de l'intelligence artificielle n'échouent pas dans l'achat de technologie. Elles échouent dans la gestion du renoncement que toute transformation exige. Et elles échouent parce que ce renoncement n'apparaît dans aucune ligne budgétaire.
Le modèle d'investissement 93/7 n'est pas une erreur de calcul. C'est une décision implicite qui révèle quel type de transformation une organisation est prête à assumer : celle qui se mesure en infrastructure déployée, ou celle qui se mesure en véritable changement de comportement. La première produit des présentations convaincantes. La seconde produit du retour sur investissement.
Ce que ces directeurs financiers ont décrit lors du forum Fortune n'est pas un avertissement sur l'avenir de l'intelligence artificielle. C'est un diagnostic du présent de leurs propres organisations, exprimé à voix haute avec une honnêteté inhabituelle. L'intelligence artificielle est déjà là. Les 93 % ont déjà été dépensés. La question à laquelle leurs entreprises répondent aujourd'hui, par chaque décision de formation qu'elles priorisent ou reportent, est de savoir si les 7 % restants seront suffisants pour que quelque chose change réellement.
Les organisations qui comprendront que ce pourcentage n'est pas un poste de dépense mais la condition de viabilité du retour sur tout le reste auront un avantage concret sur celles qui continuent à traiter la formation comme un résidu budgétaire.
