Au début de l'année dernière, j'ai assisté à une réunion de bilan chez un 3PL de l'Inland Empire. Ils venaient de terminer un pilote de trois mois d'un système de vérification visuelle par IA : des caméras scannant chaque colis et chaque étiquette d'expédition avant sortie, pour détecter les mauvais articles, les mauvaises étiquettes, les étiquettes de travers. Le directeur des opérations rayonnait. L'équipe de vérification était passée de plusieurs dizaines par poste à une poignée. Les erreurs d'expédition avaient visiblement baissé. Les réclamations clients avaient diminué.
Puis le directeur financier a posé une question : « Alors, combien d'argent cela nous a-t-il réellement fait économiser ? »
Silence.
Le dossier contenait bien sûr une diapositive ROI. Elle était superbe : un an d'économies de main-d'œuvre moins l'abonnement logiciel, rentabilité en quelques mois. J'ai posé trois questions. La facture de labellisation des données était-elle dedans ? Les heures d'ingénierie et d'opérations passées à surveiller le pilote ? Le réaménagement des postes de vérification — nouvel éclairage, caméras repositionnées, ajustements de vitesse des convoyeurs — pour que l'IA lise les étiquettes de manière fiable ?
Personne n'avait de réponses. Ce pilote est toujours étiqueté « essai » dix-huit mois plus tard. Personne n'a proposé de le déployer. Personne n'a osé l'arrêter non plus. L'argent continue de couler, les résultats ont l'air « bons », et personne ne peut dire si tout cela en valait la peine.
J'ai vu ce film se jouer dans entrepôt après entrepôt. La plupart des pilotes IA ne meurent pas parce que la technologie échoue. Ils meurent parce que la comptabilité échoue. Si le grand livre est faux, le pilote reste un jouet coûteux pour toujours.
Comptez chaque dollar, pas seulement les évidents
Presque tous les budgets de pilotes IA que je vois listent l'abonnement logiciel et s'arrêtent là. Un vrai livre de coûts comporte au moins sept lignes.
Le frais d'abonnement ou de licence est la ligne la plus visible, et souvent l'une des plus petites. Viennent ensuite l'implémentation et l'intégration : connexion au WMS, réglage des angles de caméra, construction des interfaces de données, ingénieurs du fournisseur sur site pendant des jours. Puis le nettoyage et la labellisation des données — le géant caché. Les données d'entrepôt ne sont jamais propres. Avant que le modèle apprenne quoi que ce soit, quelqu'un doit passer au crible à la main des mois de commandes et d'images. La plupart des plans de projet budgètent zéro pour cela.
Puis les heures internes. Personnel d'exploitation, informatique, ingénieurs — tous ceux qui ont maintenu le pilote en vie, valorisés au coût horaire chargé. Le réaménagement des processus est ce qu'on « oublie » le plus souvent : déplacer des postes, ajouter de l'éclairage, renforcer les points réseau, réajuster les vitesses de convoyeurs. Cet argent dort dans le budget des installations, invisible dans les livres du pilote. Ajoutez la formation et la conduite du changement, plus la maintenance continue — un modèle n'est pas une installation unique. Sans données fraîches et retouches périodiques, la précision commence à se dégrader en quelques mois.
Ma règle pour les clients est brutale : si un rapport ROI ne liste que « abonnement logiciel » et « main-d'œuvre économisée », jetez-le. Ce n'est pas de la comptabilité. C'est une liste de vœux. Chaque chiffre issu d'un livre de coûts incomplet est un placebo.
Trois livres séparés pour les gains
L'erreur classique côté bénéfices est de ne compter que les effectifs. Les économies d'heures de main-d'œuvre sont réelles, mais le calcul est « coût horaire totalement chargé multiplié par les heures économisées », net des heures supplémentaires et des retouches. La plupart des gens comptent des postes, pas des heures. Ce sont des chiffres très différents.
Le deuxième livre est la réduction du taux d'erreurs, et il vaut souvent plus que la main-d'œuvre. Une seule erreur d'expédition — fret de retour, main-d'œuvre de traitement, avoir client — coûte généralement plusieurs fois, voire des dizaines de fois, la marge d'une commande normale. Faire passer le taux d'erreurs du bas des chiffres uniques à des fractions de pour cent économise de l'argent sérieux sur un an. La discipline est dans la mesure : établissez la base de référence des erreurs d'expédition, des manquants, des dommages et des erreurs d'étiquette avant le pilote, suivez chaque semaine, et utilisez exactement les mêmes définitions pendant le pilote. Changez les définitions en cours de route et le chiffre ne signifie rien.
Le troisième livre est le débit et l'heure limite. Même poste, même surface — combien de commandes de plus par jour ? L'heure limite de commande peut-elle avancer d'une heure ? Celui-ci finit par se convertir en fidélisation clients et en nouvelles affaires, ce qui est le plus difficile à quantifier à court terme et le plus précieux à long terme. Mon approche : figez « unités par heure de main-d'œuvre » comme métrique dure dès maintenant, et tenez un livre qualitatif séparé pour les gains côté client au lieu de les forcer en dollars. Les chiffres forcés sont des faux chiffres.
Trois livres, listés séparément. C'est le seul format qu'un directeur financier respecte. Mélangez-les en un seul gros chiffre et vous n'avez rien calculé.
Pas de groupe témoin, pas de chiffres crédibles
Les comparaisons avant-après sont la preuve la plus faible qui soit. En trois mois, la saisonnalité évolue, le personnel tourne, le mix clients change. Les indicateurs se sont améliorés — était-ce l'IA ou le calendrier ? Constituez un groupe témoin : deux lignes ou deux postes dans le même bâtiment, l'une avec l'IA et l'autre sans, ou deux bâtiments comparables, l'un en pilote et l'autre non. Capturez au moins quatre à six semaines de données de référence avant le pilote et une fenêtre égale pendant.
Méfiez-vous aussi de l'effet observateur. Pendant un pilote, tout le monde sait qu'on l'observe, donc tout le monde travaille un peu plus dur. Ma solution low-tech : dites aux deux groupes qu'ils participent à une « étude d'amélioration des processus ». Ne laissez jamais aucun groupe savoir qu'il est le groupe du « remplacement par l'IA ». Laissez la variable humaine sans contrôle et vos données sont du bruit.
Décidez de la ligne d'arrêt avant de commencer
Écrivez les critères de stop-loss dans la charte du projet dès le premier jour : dépenses au-delà de ce montant, durée au-delà de ce nombre de mois, seuil d'amélioration manqué — on arrête. Signez-le. Affichez-le au mur. Ma règle empirique : s'il n'y a aucun signal directionnel d'amélioration après trois mois, arrêtez d'ajouter de l'argent. Notez « signal directionnel », pas « objectif atteint ». Un pilote existe pour tester la direction. La bonne direction mérite plus de temps. La mauvaise ne se répare pas avec plus d'argent.
La partie la plus coûteuse d'un pilote IA raté est rarement le logiciel. C'est le coût psychologique d'admettre l'échec. Les gens de l'entrepôt gèrent des stocks morts tous les jours — nous savons comment liquider un inventaire qui ne se vendra jamais. Un pilote qui ne fonctionne pas mérite le même traitement. L'arrêter tôt n'est pas un échec. C'est économiser le budget pour le prochain pilote qui vaudra peut-être vraiment le coup.
Alors voici ma question, et je la pose sérieusement : si vous avez un pilote en cours en ce moment qui a l'air « plutôt bon », signeriez-vous le rapport ROI demain et y engageriez-vous votre nom ?
Sinon, le problème n'est probablement pas l'IA. C'est le grand livre. Capturez les sept coûts, gardez les trois livres de bénéfices séparés, et faites un vrai groupe témoin. Une fois fait, les chiffres vous diront si cela en valait la peine — sans liste de vœux.
Traduit de l'anglais. En cas de divergence, la version anglaise fait foi.
