Pourquoi prioriser sans matrice est un piège.
À ce stade, vous avez 12 à 25 opportunités chiffrées. Tentation immédiate : trier par ROI décroissant, prendre le top 3, et y aller. Erreur. Le ROI ne dit rien sur la faisabilité, ni sur le risque. Une opportunité à 50 000 €/an de ROI mais qui demande 9 mois d'implémentation et expose vos données clients à un fournisseur SaaS hors UE n'est pas le bon premier projet.
La méthode standard : matrice Impact × Effort × Risque. Trois axes, notation sur 5, score composite. Décision objectivable.
L'axe Impact : ce qu'on note.
L'axe Effort : la part la plus sous-estimée.
L'effort se compose de quatre éléments : technique, change, intégrations, exploitation.
Astuce : la plupart des dirigeants surestiment l'impact (qu'ils voient bien) et sous-estiment l'effort (qu'ils ne voient pas). Dans le doute, ajoutez 1 à votre note d'effort. C'est presque toujours la note juste.
L'axe Risque : celui qu'on oublie.
Le risque doit faire partie du calcul. Une opportunité de score 5/2/5 (très haut impact, faible effort, très haut risque) sera différée, pas exclue : on l'attaquera après avoir mis en place le cadre AI Act et la gouvernance.
Le score composite : la formule AzenFlow.
Score maximum théorique : 9 (impact 5, effort 1, risque 1). Score minimum : -3 (impact 1, effort 5, risque 5). On retient en vague 1 toutes les opportunités au-dessus de 5. Si vous avez plus de 4 opportunités à score ≥ 5, gardez les 4 meilleures.
Le calcul ROI honnête : pourquoi soustraire 30 %.
Le ROI annoncé en chapitre 4 est théorique. Le ROI réel se calcule comme suit :
| Composante | Calcul | Exemple (Op-7) |
|---|---|---|
| Économie brute (chap. 4) | Heures × valeur × couverture | 9 000 €/an |
| − Coût d'implémentation amorti | Coût total / 3 ans | −2 500 €/an |
| − Coût opérationnel | API LLM + maintenance + supervision | −1 200 €/an |
| − Marge d'erreur (30 %) | Aléa adoption, bugs, support | −1 590 €/an |
| = ROI réaliste | À présenter en COMEX | 3 710 €/an net |
Pourquoi 30 % ? Parce que sur les 50+ missions observées, le delta moyen entre ROI théorique annoncé et ROI réel constaté à 12 mois est de −27 % à −34 %. Adoption plus lente que prévu, bugs en prod, support plus chronophage, etc.
Mieux vaut surestimer prudemment et dépasser ses prévisions, que survendre et décevoir.
Le calcul des coûts opérationnels souvent oubliés.
Les coûts opérationnels d'une solution IA sont systématiquement sous-estimés. Voici ce qu'on intègre toujours :
- API LLM (OpenAI, Anthropic, Mistral) : 0,003 € à 0,02 € pour 1 000 tokens. Faites un calcul ordres de grandeur sur volume mensuel.
- Plateforme (n8n cloud ou hébergement, Make, Zapier) : 50-300 €/mois selon usage.
- Stockage & vector DB (si RAG) : 10-100 €/mois pour PME.
- Supervision (un humain qui relit les sorties au début, ~1 jour-homme/mois pendant 3 mois).
- Maintenance (mises à jour, correctifs, ~0,5 jour-homme/mois en régime).
- Conformité (registre AI Act, mise à jour annuelle, ~1 jour-homme/an).
Pour une PME de 25 personnes avec 4 chantiers IA en vague 1, comptez environ 3 à 8 k€/an de coûts opérationnels. À budgéter dès le départ.
Au chapitre 6, on construit le plan d'action 12 mois en 3 vagues : la cadence éprouvée pour ne pas saturer l'organisation et garder le cap.