Au début de cette année, trois fournisseurs d'IA sont venus frapper à ma porte, l'un après l'autre. Grands modèles, reconnaissance visuelle, planification intelligente — chaque présentation plus tape-à-l'œil que la précédente. Je leur ai posé à tous la même question : combien d'argent cela va-t-il me faire économiser par mois ? Aucun d'entre eux n'a su répondre. Le plus honnête a dit « cela dépend de la qualité de vos données ». Donc je paie d'abord, et les résultats arrivent après. Bien sûr. Le business case du ROI d'un projet d'IA en entrepôt doit être rédigé avant de parler à qui que ce soit.

C'est la façon la plus courante de voir mourir un projet d'IA : acheter la technologie d'abord, puis partir à la recherche d'un cas d'usage. Le travail du fournisseur, c'est de vous vendre le système, pas de faire en sorte que les chiffres fonctionnent pour vous. Les chiffres, c'est votre travail, et il faut les faire avant de signer quoi que ce soit.

Trois chiffres pour le business case, calculés avant de signer

Le ROI d'un projet d'IA en entrepôt n'est pas une seule formule. C'est un tableau de trois lignes, et si une ligne est vide, les chiffres de la réunion de présentation sont de la fiction.

Première ligne : combien ce travail coûte-t-il en main-d'œuvre aujourd'hui ? Prenons l'étape de vérification du picking dans mon propre entrepôt. Environ 800 commandes par jour, deux personnes à la vérification. Leurs salaires, plus les charges, donnent un chiffre mensuel bien visible. Pire, le poste connaît un fort turnover — en haute saison, il faut embaucher des renforts, les nouveaux sont plus lents et les erreurs de picking augmentent. Vous n'avez pas besoin d'un fournisseur pour calculer cela. Trois mois de relevés de paie vous le diront.

Deuxième ligne : combien l'IA peut-elle faire économiser, de façon vérifiable ? Notez le mot vérifiable. Un fournisseur qui annonce « 99.9% de précision » cite un chiffre de laboratoire. Dans votre entrepôt, la question est différente : sur 800 commandes par jour, combien de picks erronés détecte-t-elle vraiment ? Et parmi ceux qu'elle signale, combien sont de vraies erreurs et combien de fausses alarmes ? Chaque fausse alarme coûte plusieurs minutes à votre vérificateur, et si les fausses alarmes s'accumulent, la main-d'œuvre économisée repart aussitôt par la porte. J'ai fait faire aux fournisseurs d'abord un test en conditions réelles de deux semaines dans mon entrepôt. Les chiffres viennent de l'exploitation, pas d'une présentation.

Troisième ligne : l'implémentation, plus la maintenance, plus le coût du changement humain. La redevance logicielle n'est que le début. Faut-il des caméras supplémentaires, un meilleur éclairage, un réseau plus stable, plusieurs sessions de formation du personnel, et quelqu'un pour réparer le système à minuit quand il tombe en panne ? Tout cela coûte de l'argent. Le coût le plus facile à oublier, c'est le turnover du personnel : quand un employé expérimenté part, son remplaçant doit apprendre un flux de travail entièrement nouveau, et la productivité chute pendant le premier mois. Personne ne l'écrit dans un devis, mais vous le payez quand même.

Mettez les trois lignes ensemble et la décision devient claire :

Quel chiffre Comment l'obtenir Si vous ne pouvez pas l'obtenir
Coût actuel de la main-d'œuvre Trois mois de relevés de paie et d'indemnisations pour erreurs d'expédition Pas de données ? Faites d'abord un mois de suivi manuel
Ce que l'IA peut faire économiser Test en conditions réelles de deux semaines : erreurs détectées et taux de fausses alarmes Le fournisseur refuse un test en conditions réelles ? Trouvez un autre fournisseur
Implémentation, maintenance, changement humain Listez les changements de matériel, la formation et la réponse aux pannes Tout ce qui manque dans le devis, considérez que c'est vous qui le payez

Ce tableau est épinglé au mur de mon bureau. Tout projet d'IA qui veut une approbation doit d'abord remplir les trois lignes. Ce n'est pas que je ne crois pas en l'IA — je ne crois qu'aux chiffres produits par mon propre entrepôt.

La porte d'approbation : une métrique, un responsable, un contrôle à 90 jours

Une fois les chiffres clairs, le projet doit encore passer une seconde porte. Ma règle comporte trois éléments : une métrique métier mesurable, un responsable nommé, et un contrôle à 90 jours. S'il en manque un seul, le projet ne démarre pas.

La métrique doit être liée au métier, pas du vent comme « améliorer les niveaux d'intelligence ». Pour notre projet de vérification visuelle, la métrique tenait en une phrase : en 90 jours, les commandes mal expédiées réduites de moitié, les fausses alarmes maintenues dans une plage acceptable, et le personnel de vérification réduit de deux personnes à une. Écrit sur papier, vérifié à l'échéance, sans négociation.

Le responsable doit être quelqu'un des opérations — pas de l'informatique, et pas du fournisseur. L'équipe du fournisseur s'en va quand le projet se termine, et ensuite, qui appelez-vous ? Notre chef de projet était le chef de l'équipe de vérification. Il sait mieux que quiconque si le système fonctionne vraiment, et c'est le premier à refuser de signer si ce n'est pas le cas.

Le contrôle à 90 jours est la partie la plus importante. Ce qui tue les projets d'IA, c'est le « laissons tourner encore un peu » — un an plus tard, l'argent est parti et il n'y a toujours pas de verdict. Au jour 90, la métrique est atteinte et on étend, ou elle est manquée et on arrête et on revoit. S'arrêter n'est pas embarrassant. Traîner en longueur, c'est ce qui brûle l'argent.

Le coup qui a marché pour moi, c'était de commencer par un petit scénario. La vérification visuelle a d'abord été mise en service sur une seule ligne de sortie. Après 90 jours, les erreurs d'expédition avaient vraiment baissé et les fausses alarmes étaient sous contrôle — c'est seulement alors que nous l'avons étendue à une deuxième ligne. Quand nous l'avons étendue à la deuxième ligne, les deux premières semaines ont été difficiles : les fausses alarmes ont explosé pendant que les caméras s'adaptaient au nouvel éclairage, et pendant une semaine, les vérificateurs ont été plus lents qu'avant. Nous avons failli tout arrêter. Puis les chiffres se sont stabilisés, et à la sixième semaine, la deuxième ligne égalait la première. La leçon : prévoyez une baisse dans la première quinzaine de tout déploiement, et jugez le contrôle sur le dernier mois, pas sur les deux premières semaines. J'ai vu l'inverse aussi : un autre vendeur a acheté la plateforme complète dès le premier jour, a passé six mois sans réussir à la faire fonctionner, et le système est maintenant à l'arrêt, à prendre la poussière. L'argent était déjà payé.

Et voici le point à contre-courant : un petit scénario qui fonctionne vraiment vaut plus qu'une grande plateforme. Plus le déploiement d'IA est grand, plus vite il meurt ; plus la première découpe est petite, plus longtemps il vit. Qu'une étape fasse vraiment économiser de l'argent d'abord, et décidez ensuite seulement si l'étape suivante mérite un financement.

Et une vérité honnête : la partie la plus chère d'un projet d'IA, ce n'est pas le logiciel, c'est votre propre processus en désordre. Si votre logique de picking est un fouillis et que vos codes d'emplacement n'ont pas été mis à jour depuis dix ans, l'IA ne fera que reconnaître le désordre plus vite. Mettez d'abord le processus en ordre, puis parlez d'IA. Ne prenez pas l'ordre à l'envers.

Alors avant de signer, posez-vous trois questions : ai-je calculé ces chiffres ? Suis-je prêt à mettre le contrôle dans le contrat ? Mon processus peut-il survivre à être amplifié par l'IA ? Si vous pouvez répondre aux trois, signez. Si vous ne pouvez pas, aussi jolie soit la présentation du fournisseur, mettez-la de côté pour l'instant. Rédigez d'abord le business case du ROI du projet d'IA en entrepôt. Puis parlez technologie.

Cette approche a marché pour moi — l'argent économisé est réel, et les leçons ont aussi coûté de l'argent réel.

Par Ah K, Vendeur e-commerce (5 ans)

Traduit de l'anglais. En cas de divergence, la version anglaise fait foi.