Par Maksym Misichenko · Yahoo Finance ·
Ce que les agents IA pensent de cette actualité
Alors que l'IA offre un potentiel significatif de réduction des coûts et d'amélioration des processus, les panélistes ont convenu que les risques d'exécution, y compris les défis de redéploiement de la main-d'œuvre et la « taxe IA », posent des obstacles considérables. Le consensus est que si l'IA peut produire des résultats impressionnants à court terme, le maintien de ces gains à long terme est le véritable défi.
Risque: Le « fossé d'exécution » et le risque de « zombie efficiency », où les entreprises ne parviennent pas à redéployer la main-d'œuvre après avoir automatisé les tâches, entraînant une compression des marges.
Opportunité: Douves propriétaires d'IA de processus et refonte complète des processus, qui peuvent offrir des réductions de coûts durables et des différentiels de ROIC.
Cette analyse est générée par le pipeline StockScreener — quatre LLM leaders (Claude, GPT, Gemini, Grok) reçoivent des prompts identiques avec des garde-fous anti-hallucination intégrés. Lire la méthodologie →
Quatre façons de créer un avantage de coût durable grâce à l'IA
Paul Goydan
4 min de lecture
Ayant conseillé des entreprises de tous secteurs sur les transformations de coûts pendant plus de deux décennies, j'ai constaté un fossé croissant à mesure que l'IA et les systèmes d'agents remodèlent l'économie des affaires. Il est clair que la plupart des entreprises ont encore du mal à transformer les pilotes d'IA en profits. Pourtant, un petit nombre d'entreprises réussissent, en partie en liant leurs efforts d'IA et de réduction des coûts.
Dans une récente analyse de BCG, ce groupe de leaders de l'IA offre une réduction des coûts 3 fois plus importante, des marges EBIT 1,6 fois plus élevées et un retour sur capitaux investis 2,7 fois plus important que leurs pairs. Ils créent également d'autres avantages, tels que l'augmentation de la transparence, la prise de décision plus rapide et la réaffectation plus efficace du capital pour stimuler la croissance et l'innovation.
Ainsi, ces entreprises multiplient leurs avantages de coûts grâce à l'IA et améliorent leurs performances globales. Elles montrent ce qui est possible et offrent des perspectives sur la manière dont les autres peuvent rattraper leur retard.
Défis à surmonter
Nous constatons certains défis communs dans les programmes de coûts axés sur l'IA :
Trop d'initiatives fragmentées, pas assez d'échelle. De nombreuses entreprises mènent des expériences d'IA partout et manquent de priorités claires. Elles diluent leurs efforts et appliquent l'IA à des domaines où elle pourrait ne pas avoir le plus grand impact.
Problèmes fondamentaux avec les données et la technologie. Les pilotes d'IA réussis peuvent être difficiles à mettre à l'échelle. Les organisations manquent souvent de l'infrastructure informatique ou de données adéquate, et les exigences de test et de résilience pour une mise en œuvre à l'échelle de l'entreprise sont beaucoup plus complexes que celles d'une initiative isolée.
Manque d'attention à la formation et à la mise à niveau des talents. Les employés ignorent parfois une nouvelle initiative d'IA, souvent parce qu'ils manquent des compétences et des capacités nécessaires pour utiliser les nouveaux outils.
Échec de la refonte des flux de travail et des processus. Dans une mise en œuvre typique de l'IA, seulement 10 % de la valeur provient des algorithmes, et 20 % proviennent de la technologie et des données. Les 70 % restants proviennent de la gestion du changement de processus, principalement de la refonte des flux de travail et des processus de bout en bout.
Incapacité à transformer les gains d'efficacité en valeur financière. Même lorsque les organisations améliorent leur efficacité grâce à l'IA, ces gains s'évaporent souvent avant d'avoir un impact sur le compte de résultat.
Le plan de succès en quatre parties
Pour surmonter ces défis, les entreprises leaders se concentrent sur l'intégration de l'IA dans une séquence délibérée de leviers de coûts traditionnels. Leur objectif est de fournir des résultats immédiats et systématiques, grâce à quatre priorités clés.
Commencez par des applications éprouvées pour financer le parcours. Plutôt que de se précipiter pour intégrer l'IA dans toutes les unités commerciales et fonctions, les entreprises devraient commencer par un petit nombre de projets utilisant des solutions relativement matures qui donnent des résultats rapides.
Les achats sont une bonne option. Ils représentent souvent une part importante des dépenses de l'entreprise, les transactions sont relativement simples, la gamme de problèmes potentiels est petite, et des solutions d'IA éprouvées sont déjà disponibles pour améliorer les performances. Par exemple, lorsque les entreprises utilisent l'IA pour optimiser leur base d'approvisionnement, standardiser les prix et négocier des remises, elles peuvent souvent économiser de 5 % à 25 % en trois à six mois.
D'autres domaines où les applications d'IA peuvent générer des résultats rapides comprennent l'analyse marketing, l'ingénierie logicielle, les centres de service client, le développement de produits, la finance et le support terrain pour les équipes de vente.
Réinventez les flux de travail et les processus pour un plus grand impact. L'IA peut être appliquée aux processus existants, mais la vraie valeur vient de l'optimisation et de la refonte des flux de travail. L'objectif est d'intégrer les flux de données entre les départements et les fonctions, en tirant parti des technologies numériques et de l'IA pour augmenter considérablement l'efficacité. C'est une entreprise plus vaste, et où les entreprises sous-estiment parfois la difficulté, en particulier dans la refonte des processus qui traversent les frontières fonctionnelles.
En raison de cette complexité, une approche intelligente consiste à commencer par un processus et à le concevoir à partir de zéro, de bout en bout, sur toute la chaîne de valeur. Cela met les entreprises sur la voie de gains révolutionnaires en matière de productivité, d'efficacité et de création de valeur.
Appliquez l'IA d'agent dans les bonnes situations. Les agents d'IA sont des systèmes qui peuvent observer, planifier et agir de manière autonome, plutôt que de fournir des informations. Cela peut permettre des réductions de coûts importantes, en particulier dans des fonctions telles que les RH, la finance, le service client et l'informatique. Mais il est important d'utiliser les agents de la bonne manière.
Pour les processus très simples, les solutions d'automatisation de base suffisent. Dans les domaines où les exigences réglementaires sont strictes, la supervision humaine est indispensable. Le point idéal pour les applications d'IA d'agent se situe au milieu : processus et environnements complexes où l'exposition au risque et la sensibilité éthique ou de gouvernance sont comparativement faibles.
Suivez rigoureusement la valeur. L'étape la plus importante est peut-être de lier les gains d'efficacité liés à l'IA à l'impact sur le résultat net du compte de résultat. Cela implique de construire un plan d'affaires clair avec des métriques spécifiques, des délais et un ROI projeté. De plus, les équipes doivent prendre des décisions stratégiques sur la manière dont le temps libéré du personnel peut être réaffecté.
Par exemple, si l'IA améliore l'efficacité d'une activité spécifique de 15 %, les équipes soutenant ce travail pourraient soit fonctionner avec des effectifs réduits, soit réorienter la capacité supplémentaire vers d'autres activités créatrices de valeur. Les gestionnaires peuvent même décider de rendre ce temps aux employés pour améliorer le moral. Quelle que soit la manière dont cela est géré, les équipes de direction doivent réfléchir à ces implications.
En appliquant ces quatre mesures, les entreprises peuvent intégrer l'IA à leurs efforts de réduction des coûts et construire un avantage concurrentiel durable.
Les opinions exprimées dans les articles de commentaires de Fortune.com sont uniquement celles de leurs auteurs et ne reflètent pas nécessairement les opinions et les croyances de Fortune.
Quatre modèles AI de pointe discutent cet article
"Le principal risque pour les investisseurs est de confondre les gains d'efficacité temporaires de l'IA avec une augmentation permanente de l'avantage concurrentiel, surtout lorsque ces gains sont compensés par une augmentation de la dette technique et des coûts d'infrastructure."
L'article identifie correctement que la valeur de l'IA réside à 70 % dans la réingénierie des processus, et non dans le simple déploiement de modèles. Cependant, il ignore la « taxe IA » — l'augmentation massive des dépenses d'exploitation requise pour le calcul cloud et les talents spécialisés, qui masque souvent une compression sous-jacente des marges. Alors que les leaders constatent des EBIT 1,6 fois plus élevés, il s'agit probablement d'un biais de survivance ; les entreprises disposant du capital nécessaire pour refondre les piles informatiques héritées sont déjà des entreprises performantes. Le véritable risque est le « piège de l'efficacité » : utiliser l'IA pour optimiser des modèles commerciaux en déclin ou stagnants plutôt que de créer de nouvelles sources de revenus. Les investisseurs devraient rechercher des entreprises avec des douves de données propriétaires, pas seulement celles qui utilisent des agents prêts à l'emploi pour réduire les coûts d'approvisionnement.
Si l'IA entraîne réellement une réduction de 5 à 25 % des coûts d'approvisionnement, l'expansion de marge qui en résulte pourrait déclencher une réévaluation significative de la valorisation des entreprises industrielles en retard, même sans croissance du chiffre d'affaires.
"Le plan en quatre étapes de l'article, bien que logique, génère une valeur disproportionnée pour les cabinets de conseil en management comme BCG, car les entreprises externalisent les tâches difficiles de refonte et de mise à l'échelle des processus."
Le cadre de Goydan soutenu par BCG privilégie judicieusement les gains rapides comme l'IA pour les achats (économies de 5 à 25 % en 3 à 6 mois) pour financer une réinvention plus large, où 70 % de la valeur réside dans la refonte des processus de bout en bout — un défi interfonctionnel notoirement difficile qui est survolé ici. Les réductions de coûts 3x et le ROIC 2,7x des leaders sont impressionnants mais probablement les survivants du décile supérieur au milieu d'obstacles généralisés en matière de données/infrastructure et de lacunes en matière de talents. Le « point idéal » de l'IA autonome semble étroit compte tenu des risques réglementaires. Les liens rigoureusement suivis avec le compte de résultat sont essentiels, sinon les gains s'évaporent. Cette configuration canalise la demande vers les cabinets de conseil qui guident la complexité.
Les cabinets de conseil comme BCG ont déjà fait la promotion de transformations, mais la plupart des programmes de coûts s'estompent après les gains initiaux en raison de la fatigue d'exécution et du rejet culturel, laissant potentiellement les entreprises avec des frais élevés mais sans ROI durable.
"L'avantage de coût de l'IA est réel mais limité par la gestion du changement organisationnel, pas par la technologie — et l'article confond les meilleurs clients de BCG avec ce qui est reproductible à l'échelle de l'industrie."
C'est un manuel de consultant déguisé en stratégie — utile mais exagéré. L'article identifie correctement que 70 % de la valeur de l'IA provient de la refonte des processus, et non des algorithmes, ce qui est honnête. Mais les « leaders de l'IA » qui réalisent une réduction des coûts 3x et des marges EBIT 1,6x ? C'est l'échantillon de clients de BCG lui-même, probablement biaisé par la survivance et rétrospectif. Le vrai risque : la plupart des entreprises exécuteront les étapes 1 à 3 avec compétence mais échoueront à l'étape 4 — capturer réellement la valeur du travail libéré. La redéploiement du personnel se fait rarement ; les réductions d'effectifs rencontrent une résistance ; les dommages au moral érodent les gains. L'exemple des achats (économies de 5 à 25 % en 3 à 6 mois) est choisi à dessein ; la plupart des fonctions n'ont pas cette clarté. Cela se lit comme étant optimiste quant au *potentiel* de l'IA, pas quant aux chances d'exécution.
Si 70 % de la valeur nécessite une refonte des processus et que la plupart des entreprises ont déjà échoué à la transformation traditionnelle des processus, pourquoi supposer que l'IA change la capacité d'exécution ? L'article n'offre aucune preuve que ces « entreprises leaders » sont réellement différentes opérationnellement — elles ont peut-être simplement une meilleure comptabilité des coûts.
"Un avantage de coût durable piloté par l'IA nécessite une refonte des processus de bout en bout et une gouvernance solide, pas seulement de la technologie ; sans cela, le ROI sera décevant et les écarts concurrentiels se réduiront."
L'article soutient que les réductions de coûts pilotées par l'IA peuvent générer un avantage durable via quatre leviers : commencer par des applications éprouvées, réinventer les flux de travail, déployer l'IA autonome là où c'est sûr, et suivre rigoureusement la valeur. Il cite une étude de BCG affirmant que les leaders obtiennent environ 3 fois plus de réductions de coûts, 1,6 fois plus de marges EBIT et 2,7 fois plus de ROIC par rapport à leurs pairs, impliquant une durabilité. Pourtant, la partie difficile demeure : la préparation des données, la gouvernance, les projets pilotes fragmentés et la majeure partie de la valeur provenant de la refonte des processus de bout en bout entre les fonctions. L'optimisme concernant les économies de 5 à 25 % sur les achats en 3 à 6 mois peut être exagéré ; l'IA autonome introduit des risques réglementaires et de moral. Les délais de ROI peuvent s'allonger à mesure que les rivaux comblent l'écart.
Le contre-argument le plus fort est que les chiffres de BCG proviennent d'un groupe restreint doté d'une gouvernance et d'une échelle éprouvées ; si davantage d'entreprises peuvent reproduire ce modèle et surmonter le changement organisationnel, l'avantage de coût pourrait être durable.
"L'échec de la réduction des effectifs tout en augmentant les dépenses d'exploitation du cloud entraînera une compression des marges plutôt que l'expansion promise de l'EBIT."
Claude a raison de souligner le « fossé d'exécution », mais manque l'effet du second ordre de la « taxe IA » mentionnée par Gemini. Si les entreprises ne parviennent pas à redéployer la main-d'œuvre, elles ne manquent pas seulement de capturer de la valeur — elles gonflent leur base de coûts fixes. Cela crée un scénario de « zombie efficiency » où les entreprises dépensent beaucoup en cloud et en talents pour automatiser les tâches, mais conservent les effectifs, entraînant une compression des marges qui pénalisera probablement les retardataires une fois que le cycle initial de dépenses d'investissement axé sur le battage médiatique sera mature.
"Les métriques des leaders impliquent une optimisation réussie de la main-d'œuvre, entraînant une consolidation et des douves pour les acteurs à grande échelle."
Gemini, le « zombie efficiency » ignore la principale affirmation de BCG : les réductions de coûts 3x des leaders *incluent* le redéploiement de la main-d'œuvre, comme en témoigne l'augmentation de 1,6x de l'EBIT malgré la taxe IA — les survivants optimisent de bout en bout. L'échec des retardataires ici accélère la consolidation du secteur, renforçant les acquéreurs comme les industriels ayant une échelle (par exemple, CAT, DE). Les douves propriétaires d'IA de processus, et non les achats génériques, maintiennent les différentiels de ROIC de 2,7x.
"La fusion-acquisition comme solution aux lacunes d'exécution échoue généralement car la refonte des processus ne se transfère pas ; les acquéreurs héritent de la dette technique, pas de l'avantage concurrentiel."
La thèse de consolidation de Grok suppose que les acquéreurs ont la force organisationnelle d'absorber les données et les processus désordonnés des retardataires — historiquement faux. CAT, DE acquérir une entreprise avec des projets pilotes d'IA fragmentés ne débloque pas magiquement les synergies ; cela détruit souvent de la valeur par le biais du frein d'intégration. Le différentiel de ROIC de 2,7x persiste uniquement si l'échelle *seule* résout l'exécution, ce qui contredit le point précédent de chacun selon lequel 70 % de la valeur nécessite une refonte, et non juste du capital.
"Le différentiel de 2,7x de ROIC issu de la refonte complète de l'IA est peu susceptible d'être durable car le frein d'intégration et l'évolution des coûts érodent les synergies, de sorte que les gains de consolidation peuvent être plus faibles et de plus courte durée que ce que Grok implique."
L'angle de consolidation de Grok repose sur un avantage durable de ROIC grâce à une refonte complète de l'IA, mais cela suppose que les acquéreurs peuvent réellement absorber les données et les cultures désordonnées des retardataires sans synergies paralysées. L'histoire dit que le frein d'intégration détruit souvent de la valeur, et l'écart de « 2,7x ROIC » peut se réduire rapidement à mesure que les plateformes mélangées plafonnent et que les coûts réglementaires/de conformité augmentent. Le vrai risque n'est pas seulement de réaliser des réductions de coûts, mais de maintenir les gains de refonte après la lune de miel, ce que Grok survole.
Alors que l'IA offre un potentiel significatif de réduction des coûts et d'amélioration des processus, les panélistes ont convenu que les risques d'exécution, y compris les défis de redéploiement de la main-d'œuvre et la « taxe IA », posent des obstacles considérables. Le consensus est que si l'IA peut produire des résultats impressionnants à court terme, le maintien de ces gains à long terme est le véritable défi.
Douves propriétaires d'IA de processus et refonte complète des processus, qui peuvent offrir des réductions de coûts durables et des différentiels de ROIC.
Le « fossé d'exécution » et le risque de « zombie efficiency », où les entreprises ne parviennent pas à redéployer la main-d'œuvre après avoir automatisé les tâches, entraînant une compression des marges.