Larry Cao veut intégrer le coût des erreurs dans le ROI de l’IA

Larry Cao recommande de revoir le calcul du rendement des investissements en IA dans une analyse publiée le 10 septembre 2026 par American Banker. L’analyste estime qu’une erreur fréquente consiste à oublier les coûts créés lorsque le système se trompe. Sa formule propose de soustraire les bénéfices financiers, le coût complet du cycle de vie et les coûts attendus des erreurs ou des défaillances de contrôle. Cette approche concerne directement les banques, où la tolérance aux erreurs est faible. Un outil peut accélérer une procédure tout en générant davantage d’erreurs, de faux positifs ou d’échecs de contrôle. Son gain annoncé peut alors surestimer la valeur réellement créée. (Lire l’analyse de Larry Cao)

Les risques augmentent selon une enquête récente de l’unité Market Intelligence d’American Banker. 81 % des répondants classent le risque lié aux modèles d’IA comme critique, élevé ou au moins modéré. Environ 60 % jugent aussi plutôt ou très probable une perte importante liée à l’ingénierie sociale ou aux hypertrucages assistés par IA au cours des douze prochains mois. Ces risques peuvent entraîner des pertes financières, des frais de correction et des dépenses supplémentaires de contrôle. Une solution de lutte contre la fraude qui réduit les pertes de 5 millions de dollars, mais ajoute 1 million de dollars d’enquêtes et de dédommagements, ne crée donc pas 5 millions de valeur nette.

Les coûts du cycle de vie

Les dépenses dépassent les seuls coûts de jetons lorsque l’IA passe en production. L’enquête AI Pulse Survey d’EY indique que 82 % des cadres dirigeants d’organisations investissant dans l’IA s’inquiètent de l’usage des jetons et des coûts associés. Pourtant, 64 % seulement déclarent surveiller activement cet usage avec des limites budgétaires claires. Le calcul doit aussi intégrer les données, la puissance informatique et les équipes mobilisées pour l’intégration, les activités et la technologie. Il doit inclure les coûts directs et les coûts partagés sur toute la durée du projet. Le choix du modèle devient ainsi une décision économique, liée au résultat obtenu dans les limites du budget. (Consulter l’enquête AI Pulse Survey d’EY)

Le calendrier financier doit correspondre à la durée réelle de l’investissement. Les projets d’IA peuvent demander une dépense initiale importante en données, infrastructures et refonte des flux de travail. Leurs bénéfices peuvent ensuite s’accumuler pendant plusieurs années. Comparer trois années de bénéfices à une seule année de coûts surestime le rendement. Comparer tout l’investissement initial au seul bénéfice de la première année le sous-estime probablement. Pour les applications simples et les cycles courts, le rendement peut suffire. Pour les projets plus importants ou plus longs, le délai de récupération et la valeur actuelle nette offrent une mesure plus complète des flux financiers.

Les banques ajustent leurs mesures

Les pertes potentielles doivent entrer dans l’évaluation au même titre que les gains opérationnels. Larry Cao souligne qu’une application de crédit qui augmente les revenus tout en aggravant les pertes de crédit ne peut pas compter uniquement ses revenus supplémentaires. Il rappelle aussi qu’un système efficace dans 99 % des cas peut encore produire trop d’erreurs dans des applications bancaires très utilisées. La taille d’un déploiement peut amplifier simultanément les bénéfices et les inconvénients. Le délai de récupération mesure le temps nécessaire pour récupérer l’investissement de lancement. La valeur actuelle nette tient en plus compte du fait qu’un dollar reçu dans plusieurs années vaut moins qu’un dollar reçu aujourd’hui.