La thèse en une phrase : il y a deux types de KPIs d’IA et un seul paie la facture. Il y a ceux qui brillent en démo —les utilisateurs inscrits, les prompts lancés, les applaudissements du comité— et ceux qui bougent le travail réel : des cas résolus sans que personne les touche, des heures qui cessent d’être dépensées, des erreurs qui baissent. Le premier groupe, c’est du théâtre ; le second, c’est de l’opération. Et la règle pour les distinguer est d’une simplicité brutale : si tu ne le mesures pas chaque semaine depuis une ligne de base, c’est du théâtre.
Les KPIs d’IA en entreprise qui comptent (et ceux qui sont du pur théâtre)
Quand une entreprise se vante de son projet IA, elle montre presque toujours la métrique confortable : combien de gens l’ont utilisé, combien de requêtes ont été lancées, à quel point l’équipe était contente après la formation. Ce sont des chiffres qui montent tout seuls avec le temps et qui ne disent rien sur le fait que le travail soit mieux fait. Le chiffre inconfortable —celui qui décide si le projet rend— est un autre : quelle tâche concrète sortait avant d’une façon et sort maintenant mieux, plus vite ou avec moins d’erreurs. La différence entre un projet qui rend et une démo hors de prix vit entre ces deux groupes de métriques.
Ce n’est pas l’avis d’un consultant qui veut jouer le contre-pied. Le rapport de MIT NANDA « The GenAI Divide: State of AI in Business 2025 » a analysé 300 déploiements et a trouvé que 95 % des pilotes d’IA n’ont eu aucun impact mesurable sur le compte de résultat, alors que plus de 80 % des entreprises avaient déjà testé des outils comme ChatGPT ou Copilot (rapport complet, 2025). Traduit : presque tout le monde mesure l’adoption et presque personne ne mesure le résultat. Ce trou, c’est le théâtre.
La règle du théâtre : sans ligne de base ni cadence hebdo, c’est de la fumée
Une métrique sans ligne de base n’est pas une métrique : c’est une décoration. « On résout 200 tickets par mois avec l’IA » ne veut rien dire si tu ne sais pas combien tu en résolvais avant, combien de temps ça prenait et combien revenaient mal faits. Le chiffre qui compte n’est pas l’absolu, c’est le delta par rapport à comment ça se faisait sans l’outil. C’est pour ça que le premier jour de tout projet IA pris au sérieux sert à mesurer l’avant —la ligne de base—, pas à lancer la démo.
Et une métrique que tu ne regardes qu’en réunion trimestrielle ne compte pas non plus. L’adoption se décide en semaines : si une équipe teste l’outil, n’est pas convaincue et revient à la méthode manuelle, le temps que le comité dans trois mois arrive, le projet est déjà mort et personne ne l’a vu à temps. Une cadence hebdomadaire depuis une ligne de base, c’est ce qui sépare un tableau de bord d’une carte postale.
Les quatre métriques opérationnelles qui, elles, comptent
Si tu ne dois mesurer qu’une chose, mesure le travail. Ces quatre-là sont celles qui te disent si l’IA fait quelque chose ou si elle est juste allumée :
- Cas résolus sans intervention humaine. Sur cent tâches qui entrent —tickets, e-mails, factures, demandes—, combien sortent résolues et bien sans qu’une personne ait à les toucher. C’est la métrique reine de toute automatisation : elle mesure le travail fait, pas l’activité. Si tu montes un agent comptable IA, c’est le chiffre qui décide s’il t’économise un poste ou t’en donne un de plus à contrôler.
- Heures gagnées par rapport à la ligne de base. Pas « les heures que l’outil dit économiser », mais la soustraction réelle : ce que le processus prenait avant moins ce qu’il prend maintenant, multiplié par sa fréquence. C’est la métrique qui se traduit directement en argent et celle que le comité comprend sans traducteur.
- Taux d’erreur. Une IA qui fait le triple de travail avec le double d’erreurs ne t’économise rien : elle déplace le coût de faire vers le coût de vérifier et corriger. Mesurer le pourcentage de sorties à refaire, c’est ce qui évite l’auto-illusion du « ça va super vite » pendant que quelqu’un nettoie derrière.
- Usage réel par personne, pas les licences actives. Combien de gens l’utilisent vraiment chaque semaine dans leur travail, poste par poste. C’est la métrique qui débusque l’adoption gap —des gens avec accès qui n’y touchent pas— avant que ça devienne un projet mort. La licence, tu la paies ; l’usage se gagne, et il ne se voit que si tu le mesures par personne.
Ce ne sont pas les KPIs de GEO —ne les confonds pas—
Il y a un endroit où cette distinction se brouille exprès : la visibilité dans l’IA. Que ta marque apparaisse dans ChatGPT ou dans Google AI se mesure aussi, mais c’est une autre discipline avec son propre tableau —taux de mention, citation, share of voice—, et on le détaille dans les KPIs de GEO. Ce tableau mesure si on te voit ; celui de cet article mesure si ton opération marche. Ce sont deux tableaux différents, et les présenter comme un seul est le tour préféré de qui veut montrer le beau chiffre. Si ce qu’il te faut, c’est porter la visibilité à la direction sans fumée, ça a aussi son format : le rapport GEO pour la direction.
Comment monter le tableau sans fumée
- Mesure la ligne de base avant d’allumer quoi que ce soit. Le premier jour sert à chronométrer et compter le processus actuel, pas à la démo. Sans cet avant, n’importe quel après est une anecdote.
- Choisis une tâche concrète et visible, pas « l’IA dans l’entreprise ». Cas résolus de CE processus, heures de CE processus. Un tableau d’une tâche qui rend convainc plus que dix indicateurs génériques.
- Mets les quatre métriques opérationnelles en cadence hebdomadaire, avec un responsable. Quelqu’un regarde le delta chaque semaine et agit quand il chute, comme tout autre chiffre du business.
- Sépare le tableau d’opération de celui de visibilité. Le GEO d’un côté, l’opération de l’autre. Les mélanger ne sert qu’à cacher celui qui va mal derrière celui qui va bien.
Rien de tout ça n’est exotique : c’est traiter l’IA comme n’importe quelle autre partie du business qu’on veut voir rendre —avec ligne de base, delta et quelqu’un qui regarde—. Si tu préfères que ce tableau soit monté et tenu par qui répare en plus le processus qui est dessous, l’automatisation des opérations c’est exactement ça : on ne te livre pas un panneau de vanity metrics, on te laisse en train de mesurer du travail fait.