Expedia Group sépare l’IA en trois niveaux de valeur

Angela Vega propose un cadre en trois niveaux pour répondre aux questions sur le retour sur investissement de l’intelligence artificielle. La directrice des capacités et des opérations d’Expedia Group a présenté cette approche dans un article publié le 9 septembre 2026. Le modèle distingue Base, Builder et Beneficiary. Base couvre les données, les règles et les plateformes. Builder décrit les systèmes, les agents et les automatisations. Beneficiary mesure les effets métier, comme un délai réduit, une capacité accrue, un coût de service inférieur ou un revenu additionnel. Cette séparation évite de revendiquer un chiffre d’affaires qui ne peut pas encore être prouvé.

La productivité progresse plus facilement que le revenu attribuable. Une étude du National Bureau of Economic Research associe l’accès à un assistant génératif à une hausse moyenne de 14 % des dossiers résolus par heure dans le support client. GitHub indique que les développeurs utilisant Copilot ont terminé une tâche de programmation 55 % plus vite. Le rapport 2026 de Stanford estime les gains entre 14 % dans le support client, 26 % dans le développement logiciel et 50 % dans la production marketing. Ces résultats mesurent des améliorations opérationnelles. Ils ne démontrent pas, à eux seuls, une hausse correspondante du chiffre d’affaires.

Base structure les systèmes d’IA

La couche Base rassemble des données cohérentes, des règles de marque documentées, des plateformes stables et la trace des décisions. Selon Angela Vega, une offre ou une consigne de marque doit être conservée dans une référence commune. Les équipes évitent ainsi plusieurs versions concurrentes dans des dossiers, des présentations et des boîtes de réception. La couche Builder transforme ensuite cette fondation en flux de travail, agents, règles d’orientation et automatisations. Un agent peut segmenter une audience ou décider quel ticket nécessite une supervision humaine. Les indicateurs de cette couche portent sur la fiabilité du flux et la discipline de son périmètre, pas encore sur le revenu.

Les écarts persistent entre adoption et valeur financière. Le rapport 2025 du MIT sur l’IA dans les entreprises indique que 95 % des projets pilotes d’IA générative dans les grandes entreprises ne produisent aucun retour mesurable dans le compte de résultat. L’enquête 2025 de McKinsey estime que 88 % des organisations utilisent l’IA quelque part, mais seulement 39 % constatent un effet mesurable sur leurs résultats. Seules 5,5 % attribuent plus de 5 % de leur résultat avant intérêts et impôts à l’IA. BCG rapporte aussi que 75 % des dirigeants classent l’IA parmi leurs trois priorités, contre 25 % déclarant une valeur significative.

Les agents passent par des seuils

Le modèle lab-factory sépare l’apprentissage rapide de la fiabilité nécessaire à la production. Le laboratoire peut tester un résultat sans appliquer les standards de production. L’usine impose des règles strictes avant le déploiement. Angela Vega recommande un seuil de stabilité pour Base, un modèle validé pour Builder ou un niveau de précision maintenu pendant une période définie. Les équipes peuvent mener simultanément des travaux de laboratoire et d’usine sur des initiatives différentes. Adobe a ainsi unifié consignes de marque, métadonnées et circuits de validation dans une chaîne de contenu. Coca-Cola a construit avec OpenAI et Bain & Company la plateforme générative Create Real Magic.

Les résultats varient selon la concentration des efforts. Duolingo a déclaré que l’IA avait porté sa production de cours d’environ 7 100 unités par trimestre à plus de 20 500. L’entreprise a relié cette accélération à une croissance de son revenu à deux chiffres dans ses communications aux investisseurs. Dans l’étude From Potential to Profit, BCG indique que les entreprises concentrées sur 3,5 cas d’usage en moyenne génèrent 2,1 fois plus de retour sur investissement que celles qui dispersent leurs efforts. Pour approfondir les mesures de productivité, consultez l’étude du NBER, le rapport Stanford AI Index 2026 et l’analyse de McKinsey.