Construire un business case IA qui convainc un DAF n'est pas une question de slides bien présentées. C'est une question de rigueur financière, d'hypothèses défendables et de cas d'usage ancrés dans la réalité opérationnelle de votre entreprise.

Sur les projets que nous accompagnons, nous constatons que la majorité des dossiers rejetés en CODIR ne manquent pas d'ambition : ils manquent de chiffres solides, de coûts complets et d'une logique de mesure claire. Ce guide vous donne la méthode pour construire un business case IA qui résiste aux questions d'un DAF, sans promettre ce que vous ne pouvez pas tenir.

Business case IA | Guide pour convaincre votre DAF

Temps de lecture : ~11 min

1. Pourquoi la plupart des business cases IA ne passent pas le filtre du DAF

2. Choisir le bon cas d'usage avant de rédiger le business case IA

3. La structure en six blocs d'un business case IA qui résiste au CODIR

4. Calculer le ROI d'un projet IA de façon crédible

5. Les coûts cachés à intégrer impérativement

6. Faut-il lancer un pilote avant de rédiger le business case ?

7. Les KPIs qui parlent à un DAF

8. Les erreurs qui font échouer un business case IA en CODIR

9. Aller plus loin avec votre business case IA

10. Questions fréquentes sur le business case IA

Pourquoi la plupart des business cases IA ne passent pas le filtre du DAF

Selon notre expérience, un business case IA échoue rarement parce que l'idée est mauvaise. Il échoue parce que la mécanique financière est fragile. Le DAF, dont le rôle est précisément de challenger les hypothèses, repère immédiatement trois signaux d'alarme : des gains annoncés sans baseline quantitative, des coûts sous-estimés parce qu'on a oublié les coûts cachés IA, et un délai de payback présenté sans scénario de risque.

Ce que nous appelons le syndrome du POC enthousiaste : l'équipe projet revient d'un pilote IA concluant, présente des gains impressionnants sur un périmètre réduit, mais n'a pas documenté les conditions de généralisation. Le CODIR approuve, puis le projet dérive en phase de mise à l'échelle faute de gouvernance IA et de plan d'intégration au SI existant. Le business case initial n'avait pas prévu ces coûts.

Le marché français de l'intelligence artificielle est estimé à près de 3,6 milliards d'euros en 2025 selon Xerfi. Cette dynamique crée une pression réelle sur les CODIR pour investir, mais elle crée aussi un risque : celui de valider des projets mal calibrés sous l'effet de la concurrence. Un business case IA rigoureux protège autant qu'il convainc.

Choisir le bon cas d'usage avant de rédiger le business case IA

Partir de la douleur métier

La première erreur est de commencer par la solution. La bonne séquence commence par la douleur métier : quel processus génère des erreurs coûteuses, mobilise du temps qualifié sur des tâches répétitives, ou produit des décisions lentes parce que les données ne sont pas consolidées ?

Nous recommandons de scorer les candidats selon trois critères croisés dans une matrice effort/impact : le volume de transactions concernées, la qualité et la disponibilité des données existantes, et l'impact financier direct d'une amélioration. Les cas d'usage qui cumulent fort volume, données structurées et impact mesurable sur une ligne du compte de résultat sont les meilleurs candidats pour un premier business case. Le catalogue de BpiFrance recense des retours d'expérience d'entreprises françaises ayant déployé l'IA avec des impacts documentés sur la performance opérationnelle et financière : c'est une ressource utile pour calibrer vos hypothèses de gains.

Les cas d'usage qui fonctionnent bien en premier projet sont ceux où le comptage avant/après est simple : temps de traitement d'un document, taux d'erreur sur une saisie, délai de réponse à une demande entrante. Ce sont précisément ces cas qui permettent de construire une baseline quantitative solide, condition sine qua non d'un business case crédible.

La structure en six blocs d'un business case IA qui résiste au CODIR

Les six blocs du business case IA

Un business case IA complet n'est pas un document de cinquante pages. C'est un raisonnement en six blocs que le DAF peut suivre de bout en bout.

Le premier bloc est l'executive summary : une page maximum qui expose le problème chiffré, la solution IA envisagée, l'investissement demandé, le ROI attendu et le délai de payback. C'est la seule partie que certains membres du CODIR liront entièrement : elle doit tenir seule.

Le deuxième bloc est le problem statement : description quantifiée du processus actuel, avec les indicateurs qui documentent la douleur métier. Combien d'heures par semaine, quel taux d'erreur, quel coût unitaire de traitement.

Le troisième bloc est la modélisation financière, avec la formule centrale : ROI = (Gains générés moins Coûts totaux) / Coûts totaux × 100. Ce calcul doit être présenté avec ses hypothèses explicitées, pas avec un chiffre sorti de nulle part.

Le quatrième bloc couvre les coûts cachés IA que les équipes projet sous-estiment systématiquement. Le cinquième bloc est le risk register : quels sont les risques techniques, de qualité des données, de conformité RGPD et d'adoption, et comment les mitiger. Le sixième bloc est la roadmap d'implémentation avec les jalons, le dispositif de pilote IA et les critères de passage à l'échelle.

Bon à savoir Le guide de SAS Institute sur le business case IA recommande de traiter explicitement le risque de ne rien faire : quel est le coût de l'inaction sur douze mois si un concurrent déploie ce cas d'usage avant vous ? Cette question, posée au bon moment en CODIR, change souvent la nature de la discussion.

Calculer le ROI d'un projet IA de façon crédible

Baselines, scénarios et mesure du ROI

La crédibilité du ROI repose sur trois éléments : une baseline documentée avant le projet, des hypothèses de gains prudentes et vérifiables, et un plan de mesure qui permettra de comparer avant/après avec un groupe témoin ou un A/B test IA sur le périmètre du pilote.

Voici les ordres de grandeur observés sur des cas d'usage documentés, à utiliser comme repères pour calibrer vos propres hypothèses :

Ordres de grandeur de ROI par cas d'usage IA

• Cas d'usage IA: Automatisation du traitement documentaire ROI typique observé: 300 à 500 % Délai de déploiement: 2 à 4 mois Payback period indicatif: 3 à 6 mois

• Cas d'usage IA: Routage automatique des demandes entrantes ROI typique observé: 150 à 300 % Délai de déploiement: 2 à 3 mois Payback period indicatif: 4 à 8 mois

• Cas d'usage IA: Pré-qualification automatisée des leads ROI typique observé: Hausse de 30 % du taux de transformation Délai de déploiement: 3 à 6 mois Payback period indicatif: 6 à 10 mois

• Cas d'usage IA: Chatbot service client (SAV) ROI typique observé: 200 à 400 % Délai de déploiement: 2 à 6 mois Payback period indicatif: 3 à 8 mois

• Cas d'usage IA: Détection d'anomalies ou de fraude ROI typique observé: 500 % et plus Délai de déploiement: 4 à 12 mois Payback period indicatif: 6 à 12 mois

Ces fourchettes sont des repères, pas des garanties. Dans un business case IA sérieux, vous présenterez trois scénarios : conservateur, central et optimiste. Le DAF s'attachera au scénario conservateur. C'est sur lui que doit reposer la décision d'investissement.

Un délai de payback réaliste pour un premier projet IA bien ciblé se situe entre trois et douze mois selon la complexité du cas d'usage et l'état des données. Au-delà de dix-huit mois, le projet doit être sérieusement challengé ou redécoupé en quick wins intermédiaires.

Les coûts cachés à intégrer impérativement

Les principaux postes de coûts cachés

Sur les projets que nous accompagnons, les dépassements de budget proviennent rarement du coût de la solution IA elle-même. Ils proviennent des coûts totaux de déploiement que le business case initial n'avait pas anticipés.

Les postes à ne pas oublier dans votre modélisation financière sont les suivants :

• Le coût de préparation et de nettoyage des données, souvent sous-estimé d'un facteur deux à trois.

• Le coût d'intégration au SI existant, notamment si des connecteurs sur mesure sont nécessaires.

• Le coût de formation des équipes et de conduite du changement.

• Le coût de supervision et de maintenance du modèle dans le temps, car un modèle IA qui n'est pas maintenu dérive.

• Les coûts de conformité RGPD et, selon le cas d'usage, les exigences de l'AI Act européen qui entrent progressivement en application.

Négliger ces postes ne rend pas le projet moins coûteux : cela rend le business case moins honnête, et expose le porteur du projet à une perte de crédibilité en CODIR si les dépassements apparaissent en cours d'exécution.

Important L'AI Act européen impose des obligations de documentation, de traçabilité et de gestion des risques pour les systèmes IA à risque élevé. Ces exigences ont un coût réel à intégrer dans le business case, en particulier pour les cas d'usage touchant aux ressources humaines, au crédit ou à la gestion de la relation client.

Faut-il lancer un pilote avant de rédiger le business case ?

La question se pose souvent dans les CODIR que nous accompagnons. Notre position est nuancée : le pilote IA n'est pas un prérequis au business case, mais il en renforce considérablement la crédibilité lorsqu'il est possible.

Un pilote bien conduit sur un périmètre réduit, avec un groupe témoin pour comparer les résultats, transforme des hypothèses en preuves. Il permet de documenter la baseline réelle, de mesurer les gains effectifs sur les KPIs choisis et d'identifier les risques d'intégration avant de les exposer en CODIR. C'est ce que nous appelons la démarche de validation avant industrialisation.

Si le pilote n'est pas possible avant la décision d'investissement, le business case doit alors s'appuyer sur des cas d'usage comparables documentés, des benchmarks sectoriels sourcés et des hypothèses explicitement prudentes. L'IBM Institute for Business Value et BpiFrance publient régulièrement des études de cas avec ROI chiffré qui peuvent servir de référence externe dans ce contexte.

Les KPIs qui parlent à un DAF

Un business case IA ne se mesure pas avec des indicateurs techniques. Il se mesure avec des indicateurs business que le DAF reconnaît dans ses propres tableaux de bord.

Les KPIs IA les plus efficaces pour convaincre la direction combinent des indicateurs de productivité opérationnelle et des indicateurs financiers directs : coût unitaire de traitement avant et après déploiement, temps libéré par équivalent temps plein et réaffecté à des tâches à valeur ajoutée, taux d'erreur avant et après, délai de traitement moyen, et impact sur le chiffre d'affaires si le cas d'usage touche à la relation commerciale.

La règle que nous appliquons systématiquement : chaque KPI doit avoir une valeur avant connue au moment de la rédaction du business case. Sans baseline, il n'y a pas de mesure possible, et sans mesure possible, il n'y a pas de business case crédible.

Les erreurs qui font échouer un business case IA en CODIR

Après avoir accompagné de nombreux CODIR dans leurs arbitrages IA, nous avons identifié les erreurs qui reviennent le plus souvent et qui conduisent au rejet ou au report du projet.

• Présenter un ROI sans baseline documentée.

• Sous-estimer les coûts d'intégration et de maintenance.

• Promettre une transformation générale sans définir précisément à quoi ressemble le succès à l'issue du pilote.

• Ignorer les enjeux de gouvernance IA et de conformité, ce qui expose l'entreprise à des risques réglementaires non provisionnés.

• Ne pas avoir anticipé la conduite du changement : un outil IA non adopté par les équipes ne produit aucun des gains projetés.

Un business case IA solide n'est pas celui qui promet le plus. C'est celui qui documente le mieux ses hypothèses, qui intègre ses risques et qui définit clairement les conditions dans lesquelles l'investissement sera rentable.

Si vous souhaitez cadrer votre premier cas d'usage IA avec une méthode éprouvée, notre page dédiée à l'audit d'opportunités IA décrit la démarche que nous appliquons pour identifier et prioriser les projets à fort potentiel de ROI dans votre contexte. Notre atelier IA CODIR vous permet également de construire collectivement la feuille de route et les critères de décision avant de rédiger le business case.

Aller plus loin avec votre business case IA

Convaincre un DAF avec un business case IA n'est pas une question de technologie. C'est une question de méthode : choisir le bon cas d'usage, documenter la baseline, modéliser les coûts complets, présenter des hypothèses défendables et définir les conditions de succès du pilote.

Ce travail de rigueur est ce qui distingue un projet IA qui passe en CODIR de celui qui est renvoyé à l'instruction. Selon notre expérience, les entreprises qui investissent ce temps en amont du dossier sont aussi celles qui passent du pilote à la mise à l'échelle sans dérapage budgétaire.

Synthèse : un business case IA qui convainc votre DAF

En résumé, un business case IA crédible s'appuie sur un cas d'usage bien choisi, des données de référence solides, une modélisation complète des coûts et des gains, ainsi qu'un pilotage rigoureux des risques et du passage à l'échelle. Présenté de cette façon, le dossier répond aux attentes d'un DAF : transparence sur les hypothèses, visibilité sur le ROI et maîtrise des risques financiers et réglementaires.

FAQ : questions fréquentes sur le business case IA

Quelle est la différence entre un business case IA et une note de cadrage projet ?

Une note de cadrage décrit le périmètre et les modalités d'un projet. Un business case IA va plus loin : il quantifie la douleur métier actuelle, modélise les gains et les coûts sur plusieurs scénarios, et argumente la décision d'investissement en termes financiers. C'est un document de décision, pas un document de planification.

Faut-il faire appel à un consultant externe pour rédiger un business case IA ?

Pas nécessairement, mais un regard externe apporte deux choses difficiles à produire en interne : une baseline comparative issue d'autres projets similaires, et une distance critique vis-à-vis des hypothèses de gains. Les équipes internes ont tendance à être optimistes sur les gains et prudentes sur les coûts, ce qui produit exactement l'inverse de ce qu'un DAF attend.

Comment traiter la question des données dans un business case IA ?

La qualité des données est souvent le principal facteur de risque d'un projet IA. Le business case doit inclure un diagnostic honnête de l'état des données disponibles : volume, format, fraîcheur, accessibilité et conformité RGPD. Si un travail de préparation des données est nécessaire, son coût doit être intégré dans la modélisation financière et son délai dans la roadmap d'implémentation.

Quel niveau de détail technique faut-il inclure dans un business case IA présenté au CODIR ?

Le minimum nécessaire pour que le CODIR comprenne la faisabilité et les risques, sans noyer la décision dans des détails d'architecture. L'annexe technique peut détailler les choix d'infrastructure et d'intégration au SI, mais le corps du document doit rester lisible par un directeur financier ou un directeur général sans formation technique.

Comment aborder la conformité RGPD et l'AI Act dans un business case IA ?

Ces sujets doivent apparaître dans le risk register avec une évaluation honnête des obligations applicables au cas d'usage concerné. L'AI Act européen classe certains usages comme à risque élevé, ce qui implique des exigences de documentation et de traçabilité avec un coût réel. Présenter ces risques de façon transparente renforce la crédibilité du dossier auprès d'un DAF ou d'un directeur juridique.

Peut-on construire un business case IA sans données historiques sur le processus ciblé ?

C'est difficile mais pas impossible. Dans ce cas, il faut conduire un audit rapide du processus pour établir une baseline même approximative, ou s'appuyer sur des benchmarks sectoriels documentés comme ceux publiés par BpiFrance ou IBM. Le business case doit alors être explicite sur le fait que les hypothèses de gains sont extrapolées et que le pilote servira précisément à les valider ou à les corriger.