L’indicateur que personne ne calcule
La discussion sur la qualité de la gestion tourne presque toujours autour de choses intangibles — leadership, culture, engagement. Il existe une alternative quantitative, et elle est d’une simplicité inconfortable : comparez ce que vous avez prévu de dépenser pour produire un livrable avec ce que vous avez dépensé en réalité.
- Coût cartographié
- l’estimation issue de la cartographie du processus ou du projet — main-d’œuvre, matériaux, équipements et autres intrants de chaque étape. C’est le chiffre qui sert de base pour planifier et allouer les ressources.
- Coût réel
- ce qui a été effectivement investi pour achever le livrable — la main-d’œuvre et l’infrastructure réellement affectées à celui-ci.
Plus l’écart entre les deux est petit, plus la gestion a su prévoir et contrôler les facteurs qui jouent sur le coût. Un écart important signale une défaillance : prévision trop lâche, reprises, goulot de décision, périmètre qui a grandi sans que personne ait décidé qu’il grandirait.
Remarquez ce que cet indicateur a de rare : il ne vous demande pas de juger le manager. Il mesure la gestion par le résidu qu’elle laisse dans les chiffres.
Pourquoi le calcul ne tombe presque jamais juste
Le coût de production d’un livrable dans le travail de la connaissance repose sur deux piliers.
- Main-d’œuvre
- la somme des heures travaillées par chaque professionnel impliqué dans ce livrable. Qualification, expérience et complexité de la tâche entrent dans le prix de l’heure.
- Infrastructure
- tout ce que l’organisation doit fournir pour que le travail ait lieu — bureau, systèmes et logiciels, infrastructure technologique, énergie, eau, nettoyage, surveillance, maintenance.
Les deux se comportent différemment. L’infrastructure est sensible au mode de travail : le télétravail fait tomber la part liée à l’espace physique. La main-d’œuvre, non — l’heure d’une personne coûte ce qu’elle coûte, qu’elle soit chez elle ou dans le bureau d’à côté.
Et c’est justement sur la main-d’œuvre, le pilier le plus lourd, que le calcul coince. Pour attribuer des heures à un livrable, il faut que le livrable existe comme objet — avec un nom, une échéance, un destinataire et un demandeur — et que chaque personne ait déclaré, avant de travailler, quelle part de son temps y va. Sans cela, « combien cela a coûté » ne peut être répondu que par une répartition comptable en fin de mois, ce qui est une façon polie de dire que personne ne sait.
Ce qui peut être calculé
Tout part de la capacité réelle de la personne : les jours ouvrés et la disponibilité en heures (heures par jour × jours ouvrés). Sur cette disponibilité, vous répartissez un effort % par livrable : quelle part du temps de la période va à chacun.
Tout travail ne devient pas un livrable. Il y a du travail qui consomme du temps sans produire de livrables : soutien, conseil et formation ; gestion des équipes et des livrables ; autres non liées aux livrables. Sans cette séparation, le temps qui n’est pas devenu un livrable devient une erreur de mesure — et le coût par livrable gonfle ou disparaît sans explication.
Ce qui change quand l’un des travailleurs est une IA
Un AI worker peut être recruté dans une galerie qui montre, avant le clic, ce qu’il fait, les outils et intégrations qu’il utilise et le montant mensuel. Il peut recevoir une identité de personne dans l’organisation, avec une étiquette IA : apparaître sur les écrans d’équipe, intégrer une équipe et recevoir un plan de travail comme n’importe qui — sans consommer de licence d’utilisateur humain.
Le plan de travail n’est pas un accessoire : c’est lui qui met le worker dans l’équipe. Affecter à l’équipe et donner la direction sont un seul et même acte. Et le prix mensuel de la licence se matérialise comme la base de coût de ce worker au moment du recrutement — c’est pour cela que la consolidation de l’effort parvient à le chiffrer à la même aune qu’une personne.
Le basculement : quand le pas cher devient encore moins cher, l’inutile apparaît
C’est le point de cet article, et ce n’est pas ce que la plupart attendent d’une conversation sur l’automatisation.
Quand un livrable peut désormais être exécuté par un AI worker, quelqu’un doit le décrire avec assez de précision pour le déléguer : ce qu’il est, qui l’a demandé, à qui il va, ce qui le caractérise comme terminé. Une bonne partie du portefeuille ne survit pas à cette description. Non parce que l’IA a échoué — mais parce que, obligée de dire à qui cela sert, l’organisation découvre qu’elle ne le sait pas.
Un livrable inutile et cher est vite éliminé ; il fait mal. Un livrable inutile et pas cher est immortel. Personne ne fixe de réunion, ne convoque les parties prenantes et n’affronte l’inconfort de supprimer un rapport qui demande peu de travail. Le coût de la remise en question devient plus élevé que le coût de continuer, et c’est pour cela — non par conviction — qu’il traverse les années. Des rapports que personne ne lit, des approbations que personne ne consulte, des feuilles de calcul qui existent parce qu’elles existaient.
Quand l’exécution devient moins chère, ce calcul de convenance est exposé. Le livrable apparaît désormais dans une liste à côté des autres, avec des heures et un coût attribués, avec un destinataire nommé et un plan signé derrière — et la question « à qui cela va-t-il ? » devient difficile à ne pas poser. Dans les rapports périodiques, « livrables à risque » et « tâches automatisables » apparaissent comme un instantané du moment — des valeurs du jour, délibérément hors de la série comparative.
Le gain principal de mettre de l’IA dans l’équipe n’est donc pas de produire moins cher. C’est de découvrir qu’une partie du portefeuille n’existait que parce qu’il était trop cher de la remettre en question. Voilà une réduction de coût d’un autre ordre : on ne paie pas moins pour le même livrable — on cesse de payer pour un livrable entier.
Automatiser un livrable qui ne devrait pas exister est le pire résultat possible de cette histoire : cela coûte moins cher, cela tourne plus vite, cela apparaît dans les graphiques comme de l’efficacité, et cela ne sert toujours personne. Automatiser un processus non optimisé, c’est payer pour faire mal plus vite.
Les deux leviers, et ce que l’IA fait de chacun
La réduction de coût et de temps dans la production de livrables vient de deux sources : l’optimisation des processus et la qualité de la gestion.
L’automatisation n’agit que sur l’une des deux : elle optimise le processus, elle ne répare pas la gestion. Un processus optimisé sous une gestion inefficace continue de livrer lentement : le goulot devient la décision qui ne vient pas, les reprises demandées sans bénéfice clair et le livrable désaligné de l’objectif, qui consomme des ressources sans créer de valeur.
C’est pour cela que l’AI worker ne peut pas être traité comme un outil. Il doit avoir un plan de travail, rendre des comptes et être évalué.
La supervision ne disparaît pas parce qu’une partie de l’équipe est une IA. Elle devient moins chère à exercer, et plus difficile à feindre.
Ce que le chiffre ne dit pas
Le coût par livrable mesure l’efficacité, pas la valeur. Un livrable pas cher et inutile reste du gaspillage — un gaspillage de belle apparence dans le graphique. Celui qui juge si cela doit exister est celui qui répond du résultat : « à qui cela va » est une question humaine.
Et un écart faible entre le coût cartographié et le coût réel n’est pas toujours le signe d’une gestion précise. Ce peut être une cartographie assez large pour tout contenir, ou faite après coup. L’indicateur ne vaut que si l’estimation a été faite avant et signée — c’est exactement pour cela que le plan verrouille l’engagement à la signature.
La question « combien a coûté ce livrable » n’est pas comptable. C’est la question d’un manager. Et la réponse la plus utile qu’elle donne d’habitude ne porte pas sur l’argent : elle porte sur des livrables qui ne devraient pas exister.