Depuis deux ans, l’intelligence artificielle est présentée comme une force de remplacement massif du travail humain. Les annonces se multiplient, les projections s’emballent et certains métiers sont déjà décrits comme condamnés. Il est vrai que des secteurs comme la rédaction, la traduction ou certaines formes de développement logiciel évoluent très rapidement.

Mais cette lecture dominante ne raconte qu’une partie de l’histoire. De plus en plus de retours terrain et d’études montrent une réalité plus nuancée : dans de nombreux cas, adopter l’IA coûte plus cher que conserver des équipes humaines.


Quand l’intuition économique ne résiste pas au réel

Les travaux de Peter Cappelli, professeur de management à la Wharton School, sont éclairants. Ils montrent un décalage fréquent entre la rentabilité perçue d’un projet IA sur le papier… et son coût réel une fois industrialisé.

Sur une slide, l’automatisation paraît évidente. Dans un workflow réel, elle révèle des coûts cachés.


Le cas Ricoh : un exemple documenté

Un cas largement analysé avec la Harvard Business Review concerne Ricoh, qui a tenté d’automatiser le traitement de sinistres d’assurance — un processus répétitif considéré comme idéal pour l’IA.

Les chiffres sont parlants :

  • 6 personnes mobilisées pendant 12 mois (dont 3 consultants externes)
  • 500 000 $ de coûts de développement et de déploiement
  • Coût initial : 3× plus élevé que le traitement humain
  • Après optimisation : ~200 000 $ par mois de frais IA
  • Comparaison interne : coût supérieur à l’ancienne masse salariale
  • Impact emploi : 44 salariés → 39 (5 postes supprimés seulement)
Loin d’une automatisation massive, l’IA n’a supprimé qu’une fraction des postes.


Pourquoi l’IA augmente parfois les coûts

Selon Cappelli, l’IA augmente la productivité, mais ne supprime pas le travail à court terme. Elle crée même un nouveau volume de travail souvent absent des business plans initiaux :

  • supervision humaine,
  • gestion des cas atypiques,
  • correction des erreurs,
  • contrôle qualité,
  • maintenance des modèles et des données.
Le travail ne disparaît pas : il se transforme et se déplace.


Ricoh nuance… sans invalider le constat

Ricoh indique que le projet a atteint son point mort en moins d’un an et que les coûts opérationnels ont baissé d’environ 15 %. Mais même cette version confirme l’essentiel :

  • pas de réduction drastique des effectifs,
  • redéploiement des équipes vers des tâches plus qualifiées,
  • gains de productivité ciblés, pas révolutionnaires.


Ce que montrent les études à grande échelle

Un rapport du MIT apporte un éclairage plus global. En analysant des centaines de projets IA :

  • 95 % des pilotes n’ont aucun impact financier mesurable
  • seuls ~5 % génèrent une valeur claire
  • ces succès concernent surtout des organisations déjà très matures numériquement
L’IA fonctionne quand elle s’insère dans des processus, des données et des équipes déjà alignés.


Une pression croissante sur les dirigeants

Selon Harris Poll :

  • 74 % des CEO estiment risquer leur poste s’ils ne prouvent pas rapidement un ROI de l’IA
  • 1 entreprise sur 3 admet lancer des projets IA surtout pour des raisons d’image ou de pression marché
Autrement dit, beaucoup d’initiatives IA sont défensives avant d’être rationnelles.


Le vrai problème : l’alignement humain et organisationnel

Le cœur du sujet n’est pas l’algorithme. C’est :

  • l’intégration dans les workflows réels,
  • la gestion des exceptions,
  • l’acceptation humaine,
  • la structure des coûts dans le temps (TCO).
Mettre un modèle dans une démo est simple. Le faire fonctionner à l’échelle, durablement, est une autre affaire.


Ce que nous observons chez Leadkong

Chez Leadkong, nous constatons que l’IA crée le plus de valeur lorsqu’elle augmente les équipes, au lieu de chercher à les remplacer.

Les projets les plus efficaces :

  • ciblent des tâches bien délimitées,
  • intègrent l’humain dans la boucle,
  • mesurent le coût total sur la durée,
  • privilégient la réallocation du temps vers des tâches à plus forte valeur.


Conclusion – Une transformation humaine avant tout

L’IA ne supprime pas le travail du jour au lendemain.
Elle le recompose, le déplace, et impose souvent une phase transitoire où les coûts augmentent avant de baisser — quand ils baissent.

Le fantasme d’une automatisation instantanément rentable est largement démenti par les faits.

La transformation par l’IA est avant tout humaine, organisationnelle et économique, bien avant d’être technologique.