Méthodes de prise de décision pour l'exécution et l'abandon d'investissements en DX et IT selon les dernières recherches — Approche intégrée IS Success Model, IT Business Value, Real Options, J-Curve et RBV/VRIO

1. Introduction

Je communique régulièrement avec de nombreuses entreprises et représentants gouvernementaux, et j'observe récemment que l'intérêt pour l'adoption de l'IA augmente considérablement. Il semble que beaucoup ressentent une certaine urgence face à la rapidité des progrès de l'IA.
Cependant, lors de la mise en œuvre de ces projets de transformation numérique, il existe des variations significatives dans la manière dont les organisations, notamment les entreprises, prennent leurs décisions d'investissement et conduisent leurs approbations internes.
Certaines entreprises définissent des KPI et mènent des vérifications successives de faisabilité (POC) avant une implémentation minutieuse, tandis que dans d'autres cas, la décision d'adoption est souvent basée sur l'intuition des cadres dirigeants.
Bien que les investissements en transformation numérique ne puissent jamais garantir un succès à 100 %, les approches et façons de penser pour maximiser les chances de réussite se sont progressivement établies, notamment depuis qu'Adam Smith a présenté sa théorie de l'investissement il y a plus de 250 ans, grâce à l'accumulation des connaissances. Toutefois, il me semble que beaucoup ne tirent pas suffisamment parti de ces connaissances.
Je souhaite ici organiser les principes fondamentaux de l'investissement en transformation numérique, les cadres décisionnels en matière d'investissement, et les approches pratiques, en me fondant sur les recherches les plus récentes.

2. La plupart des investissements en transformation numérique échouent

Données et études de cas d'échecs

L'investissement dans la transformation numérique et l'informatique est une stratégie essentielle pour les entreprises contemporaines, mais diverses enquêtes et recherches révèlent la dure réalité que la plupart d'entre eux ne génèrent pas les résultats attendus et se terminent par des échecs.

• Seules 16 % des entreprises réalisent un succès complet Très peu d'entreprises sont en mesure de convertir leurs efforts de transformation numérique en amélioration durable de la performance. Une enquête montre que le pourcentage d'entreprises ayant répondu que la transformation numérique « améliore les performances et soutient ce changement à long terme » n'atteint que 16 % de l'ensemble. De plus, même dans les secteurs des technologies avancées et des télécommunications, le taux de réussite ne dépasse pas 26 %, tandis que dans les industries traditionnelles comme le pétrole et le gaz, l'automobile, les infrastructures et les produits pharmaceutiques, le taux de réussite chute à 4-11 % (McKinsey & Company, 2018).
• Environ 70 % des transformations ne parviennent pas à atteindre leurs objectifs, et des investissements considérables sont gaspillés D'autres données d'enquête indiquent qu'environ 70 % des transformations numériques échouent à atteindre leurs objectifs initiaux. En examinant la répartition, 44 % génèrent une certaine valeur mais restent en deçà des objectifs avec peu de changement durable, se situant dans une « zone de préoccupation », tandis que 26 % ne produisent que moins de 50 % de la valeur ciblée et n'apportent aucun changement durable, se classant dans une « zone désastreuse ». Cela démontre que les fonds, le temps et les efforts organisationnels engagés se traduisent par des pertes catastrophiques (Boston Consulting Group, 2020).
• Cas où « l'inertie organisationnelle » et « les forces existantes » ont entravé la transformation (Kodak par exemple) Il existe de nombreux cas où le modèle commercial qui a mené au succès ou les compétences de base (forces essentielles) d'une entreprise se figent en « rigidité du cœur », entravant la transformation numérique. L'exemple le plus typique est Kodak. Confrontée à la vague de la technologie disruptive de la photographie numérique, l'entreprise s'est retrouvée paralysée par l'inertie structurelle de ses processus de production optimisés existants et de ses relations clients, ratant l'occasion d'une transformation fondamentale (faillite en 2012). C'est un exemple type d'échec où même si les dirigeants comprennent la valeur du numérique, les actifs tangibles et intangibles profondément enracinés dans l'organisation deviennent un obstacle, et l'investissement n'aboutit pas (Vial, 2019).
• Surémphase sur la technologie et blocage causé par les « aspects humains (résistance des employés) » L'échec de la transformation numérique est généralement causé non pas par des problèmes technologiques eux-mêmes, mais par la négligence des aspects organisationnels et humains (modèles opérationnels, processus, sensibilisation des employés). Lors de l'introduction de nouveaux outils numériques, une forte résistance de la part des employés cherchant à préserver les processus existants et une « fatigue d'innovation » surviennent souvent. Si les avantages de la transformation ne sont pas suffisamment visibilisés au niveau opérationnel et que le projet reste un simple déploiement technologique descendant, cela provoque la résistance du terrain, la nouvelle façon de travailler ne s'enracine pas, et l'investissement en transformation numérique échoue. Cela est souligné dans de nombreuses études (Boston Consulting Group, 2020; Vial, 2019).

Ainsi, l'échec des investissements en transformation numérique et informatique n'est pas dû à l'immaturité technologique elle-même, mais est fortement influencé par des facteurs humains et structurels complexes tels que la culture organisationnelle, la résistance psychologique des employés et des cadres intermédiaires, et l'attachement aux activités commerciales existantes.

Pourquoi échouent-ils

Bien que la transformation numérique et l'investissement informatique soient promus dans de nombreuses entreprises, la plupart d'entre eux échouent à produire les résultats attendus. Les causes ne se limitent pas aux problèmes techniques, mais sont profondément enracinées dans les aspects organisationnels, psychologiques et économiques.

• Absence d'« investissements complémentaires » dans les actifs incorporels Lors de l'adoption de technologies polyvalentes comme l'IA ou les nouveaux systèmes informatiques, la seule réalisation d'investissements visibles tels que l'achat de matériel ou de logiciels ne crée pas de véritable valeur. Des « investissements complémentaires dans les actifs incorporels » sont essentiels, notamment la création de nouveaux processus commerciaux, la réorientation professionnelle des employés, et la restructuration organisationnelle. La négligence de cet investissement complémentaire et de la période d'apprentissage nécessaire crée un « effet de courbe en J pour la productivité » où la productivité baisse réellement au début du déploiement, et l'investissement est jugé comme un échec avant que les résultats n'apparaissent (Brynjolfsson et al., 2021).
• « Gouvernance » inadéquate et gestion de projet insuffisante La plupart des échecs de projets informatiques ne sont pas dus aux défauts technologiques eux-mêmes, mais à des dysfonctionnements de la gouvernance informatique (SI) tels que l'estimation insuffisante de la charge de travail du projet, l'absence de gestion efficace des parties prenantes, et la gestion des risques inadéquate (Schryen, 2013). De plus, l'incapacité de la direction à adopter une mentalité de gouvernance agile (flexibilité face aux changements de situation, élimination rapide des obstacles opérationnels) et à gérer adéquatement les risques constitue également un facteur décisif de l'arrêt de la transformation (Boston Consulting Group, 2020).
• Inertie organisationnelle et échec de la « gestion du changement (change management) » Les forces que l'entreprise a développées à partir de succès antérieurs deviennent une « rigidité du cœur » lors de changements environnementaux, créant une « inertie organisationnelle » qui entrave la transformation. De plus, face à l'introduction de nouvelles technologies numériques, une forte résistance émerge de la part des cadres intermédiaires (couche intermédiaire figée) cherchant à protéger les intérêts existants et des employés opérationnels souffrant de « fatigue d'innovation » due aux changements répétés. Lorsque le change management nécessaire pour surmonter ces barrières psychologiques et structurelles est insuffisant, la numérisation ne s'enracine pas dans l'organisation et l'effort échoue (Boston Consulting Group, 2020; Vial, 2019).
• « Biais cognitifs » révélés par l'économie comportementale et distorsions du jugement d'investissement Des recherches en économie comportementale montrent que, dans l'évaluation préalable des investissements en transformation numérique et informatique (comme l'analyse coûts-avantages), les biais cognitifs humains faussent le jugement et causent des échecs. Par exemple, le « biais de disponibilité » (mémorisation d'exemples saillants), le « biais du statu quo » (préférence pour le maintien du status quo), le « biais d'optimisme » (prévision trop favorable des résultats du projet), et d'autres facteurs jouent un rôle. De plus, le « biais stratégique » (où les promoteurs du projet sous-estiment intentionnellement les coûts et surestiment les avantages pour obtenir l'approbation interne) agit facilement, conduisant à un surdinvestissement sur la base de plans irréalistes (Boardman et al., 2018).

Ainsi, l'échec des investissements en transformation numérique et informatique n'est pas dû à l'immaturité technologique, mais résulte d'une combinaison complexe de facteurs tels que les biais psychologiques lors de l'évaluation d'investissement, l'insuffisance d'investissements dans la transformation organisationnelle complémentaire, la résistance opérationnelle et l'absence de gouvernance.
Ce qui suit organisera les connaissances et approches nécessaires pour éviter de tels échecs.

3. Qu'est-ce que l'investissement en premier lieu ?

Commençons par clarifier les différents types et approches d'investissement, en examinant la question sous plusieurs angles : économique, financier, capital humain, et politiques publiques.

• Perspective de microéconomie : allocation intertemporelle des ressources et optimisation de la consommation En microéconomie, l'investissement est défini comme « l'allocation des ressources dans le temps (quand et quel type d'investissement réaliser) » visant à sacrifier la consommation présente et engager des ressources pour améliorer les revenus ou l'utilité (satisfaction) futurs. La théorie optimale de l'investissement, qui a jeté les bases de ce domaine, établit que les investisseurs réalisent des investissements productifs en actifs réels jusqu'au point où la « valeur actuelle nette (VAN) » est maximisée, puis optimisent le moment de leur consommation par l'emprunt et le prêt sur les marchés financiers. Cette théorie est connue sous le nom de « théorème de séparation » (selon lequel « la décision d'investissement » et « la décision du moment de consommation » peuvent être considérées séparément) (Hirshleifer, 1958) (bien que cette théorie suppose l'existence de marchés de capitaux parfaits, des ajustements sont nécessaires dans la réalité).
• Perspective de macroéconomie : accumulation du capital physique et valeur de marché En macroéconomie, l'investissement est traité d'un point de vue macroéconomique comme l'accumulation de capital physique (machines, usines, infrastructures, etc.) visant à améliorer la capacité productive de l'ensemble du pays. Keynes a argumenté que lorsque le rendement attendu d'un nouveau bien capital envisagé pour adoption (machines, systèmes informatiques, immobilier, etc.) — mesurée par l'efficacité marginale du capital (TRI) — dépasse le taux d'intérêt du marché (le taux d'intérêt auquel on peut emprunter les mêmes fonds bancaires), l'investissement est réalisé (Keynes, 1936). De plus, la « théorie du q » de Tobin (1969) explique que lorsque la valeur de marché d'une entreprise (capitalisation boursière + valeur de marché de la dette) dépasse le coût de remplacement du capital existant (coût de recréer l'entreprise à neuf) — c'est-à-dire lorsque q > 1 — l'entreprise a une forte motivation à investir dans de nouveaux actifs réels pour accroître son stock de capital (lorsque q > 1, les entreprises investissent en elles-mêmes ; lorsque q < 1, elles n'investissent pas et procèdent plutôt à des acquisitions d'entreprises existantes ; le q des super-entreprises comme Apple, NVIDIA, et Microsoft atteint 5-10 ou plus, ce qui explique pourquoi elles investissent activement en elles-mêmes).
• Perspective de la stratégie managériale : flexibilité sous incertitude et « options réelles » Dans le domaine de la stratégie managériale, l'investissement vise à construire un avantage concurrentiel et à gérer l'incertitude environnementale. En particulier, pour les investissements en technologies informatiques ou nouveaux projets, des coûts irrécupérables (coûts supprimés) surviennent facilement une fois l'investissement réalisé, ce qui rend extrêmement important le concept de « Real Options » — le droit de prendre des décisions d'expansion ou de désinvestissement flexibles en fonction des changements de situation futurs (Trigeorgis & Reuer, 2017). En outre, l'investissement informatique n'est pas simplement l'achat d'un système, mais est positionné comme une allocation stratégique des ressources destinée à renforcer les capacités dynamiques organisationnelles et la flexibilité, permettant l'adaptation aux changements environnementaux (Drnevich & Croson, 2013).
• Perspective financière : recherche du « risque et rendement » sur le marché En finance, l'investissement fait principalement référence à l'allocation de fonds vers des actifs financiers tels que les actions et les obligations. Il est ici défini comme l'acte de poursuivre des rendements (rendements) correspondant au risque (incertitude) assumé. Les participants au marché possèdent une « philosophie d'investissement » qui leur est propre (dans quelle mesure le marché est-il efficient, pourquoi la misevaluation des prix boursiers survient-elle, où puis-je surpasser les autres, quel risque dois-je considérer comme pertinent), et déploient des stratégies d'investissement basées sur cette philosophie (investissement de valeur, investissement de croissance, arbitrage, etc.) pour optimiser leur portefeuille (Damodaran, n.d.).
• Capital humain et perspective des actifs incorporels : « Complémentarité dynamique » et « Effet de courbe J » de la productivité Dans l'économie contemporaine, les cibles d'investissement se sont largement déplacées au-delà des seuls équipements physiques vers les « actifs incorporels » tels que les connaissances, les compétences et la culture organisationnelle. Les investissements dans le « capital humain » par l'éducation et la formation présentent une « complémentarité dynamique (les investissements précoces augmentent la productivité des investissements futurs eux-mêmes. Par exemple, les personnes disposant d'une base solide bénéficient d'accroissements beaucoup plus importants grâce à des investissements supplémentaires) » qui augmente l'efficacité d'apprentissage ultérieure et la productivité de l'investissement (Heckman & Mosso, 2014). En outre, les investissements dans les nouvelles technologies génériques telles que l'informatique et l'intelligence artificielle (IA) ne réalisent leur véritable valeur que s'ils s'accompagnent d'investissements complémentaires dans les actifs incorporels tels que la refonte des processus métier et la reconversion des talents. Par conséquent, bien que la productivité diminue temporairement au cours de la phase initiale de déploiement en raison des coûts d'apprentissage et d'ajustement, il a été démontré qu'un « effet de courbe J de la productivité » générant une croissance spectaculaire à long terme se manifeste (Brynjolfsson et al., 2021).
• Perspective de l'investissement public : Correction des « défaillances du marché » et maximisation des bénéfices sociaux nets L'investissement public effectué par les gouvernements vise non pas à maximiser les bénéfices financiers des entreprises privées, mais à maximiser l'intérêt général de la société (surplus social). Ceci est mis en œuvre pour corriger les « défaillances du marché » telles que les problèmes environnementaux ou l'insuffisance de l'offre de biens publics. L'évaluation des investissements utilise l'« analyse coûts-avantages (Cost-Benefit Analysis : CBA) », et les projets dont le « bénéfice social net (Net Social Benefit) » — c'est-à-dire les avantages sociaux du projet (consentement à payer des citoyens) moins les coûts sociaux (coûts d'opportunité) — est positif sont exécutés en tant qu'investissements socialement souhaitables (Boardman et al., 2018).

Ainsi, l'investissement n'est pas simplement une dépense d'argent, mais une « allocation intertemporelle de ressources destinée à créer de la valeur future ou à gérer l'incertitude ». On constate que les investissements en DX et en informatique impliquent des perspectives microéconomiques, macroéconomiques, stratégiques et liées au capital humain.

4. Comment évaluer les investissements en DX 

Les limites de l'évaluation du ROI des investissements en DX

Lors de l'évaluation des investissements en DX et en informatique des entreprises, de nombreuses études pointent les limites d'une évaluation basée sur des indicateurs financiers statiques tels que le simple ROI (retour sur investissement).

• Investissements complémentaires dans les actifs incorporels et sous-évaluation initiale due à l'« effet de courbe J » Les technologies génériques (GPT) telles que l'IA et l'informatique, qui sont au cœur de la DX, ne génèrent pas de valeur par la simple mise en place d'un système, mais réalisent leurs vrais effets que lorsqu'ils s'accompagnent d'« investissements complémentaires dans les actifs incorporels » tels que la refonte des processus métier et le développement des compétences des employés. Cependant, comme l'accumulation et l'apprentissage de ces actifs incorporels prennent du temps, un « effet de courbe J » se manifeste au cours de la phase initiale, où les coûts dominent et la productivité diminue temporairement. Par conséquent, le ROI à court terme conduit à une sous-évaluation de la valeur de croissance spectaculaire future (Brynjolfsson et al., 2021).
• Existence d'un décalage temporel dans la manifestation des résultats (effets différés) De nombreuses études empiriques ont montré que les systèmes d'information (SI) et les investissements numériques mettent généralement plusieurs années à se traduire en résultats financiers réels et en améliorations de performance, accompagnés d'une adaptation et d'un apprentissage organisationnels (Lag effects). Par conséquent, tenter de mesurer le ROI sur une courte période immédiatement après l'investissement risque d'aboutir à une évaluation erronée selon laquelle l'investissement a échoué (Schryen, 2013).
• Absence de « Real Options (valeur de flexibilité) » en situation d'incertitude Les calculs traditionnels de ROI et de valeur actuelle nette (VAN) présupposent des prévisions de flux de trésorerie futurs déterministes. Cependant, face à des investissements en DX hautement incertains, le fait de disposer du droit d'effectuer un investissement initial modeste et de pouvoir ajuster, élargir, modifier ou se retirer de manière flexible selon l'évolution de la situation (Real Options) représente en lui-même une valeur considérable. La valeur de cette « flexibilité stratégique garantissant les options futures » ne peut être pleinement captée dans le cadre simple du ROI (Drnevich & Croson, 2013; Trigeorgis & Reuer, 2017).
• Difficulté à mesurer le « Net Impact » multidimensionnel ou les capacités internes Le succès des investissements en DX ne se limite pas aux rendements financiers directs tels que l'augmentation des ventes ou la réduction des coûts. L'amélioration des capacités internes intangibles et non financières est également un résultat important, notamment l'amélioration de la qualité des décisions, la promotion d'une culture organisationnelle agile, et l'amélioration de la satisfaction des clients et des employés. Une évaluation du ROI qui ignore ces éléments conduit à une grave sous-évaluation du bénéfice net global (Net Impact) que le système apporte à l'organisation et à la société (DeLone & McLean, 2016; Schryen, 2013).
• Inadéquation avec les fondements de création de valeur par les effets de réseau et les écosystèmes La stratégie numérique commerciale moderne ne vise pas simplement l'amélioration de l'efficacité opérationnelle de l'entreprise, mais plutôt l'exploitation des effets de réseau par des plateformes et la construction d'écosystèmes commerciaux en partenariat avec des acteurs externes. Ce nouveau mécanisme de création de valeur qui se développe de manière dynamique et exponentielle au-delà des frontières de l'entreprise dépasse le cadre du ROI traditionnel, qui mesure uniquement les rendements linéaires et à court terme sur le capital investi au sein de l'entreprise (Bharadwaj et al., 2013).

Ainsi, puisque les investissements en DX impliquent l'accumulation à long terme d'actifs incorporels, la sécurisation d'une flexibilité stratégique face aux changements environnementaux, et la construction de nouveaux modèles commerciaux par les réseaux, il y a une limite fondamentale à mesurer leur valeur avec précision en utilisant uniquement le ROI, une métrique financière unique.

Définition du succès des investissements en DX

Le succès des investissements en DX et en informatique des entreprises n'est pas un phénomène unidimensionnel dépendant simplement de la mise en place du nouveau système en respectant le calendrier prévu, mais est défini par des indicateurs multidimensionnels et multicouches.

• Amélioration de la performance financière et de marché (acquisition de valeur économique) La définition la plus représentative et objective du succès des investissements en informatique est l'amélioration des indicateurs financiers tels que le ROI (retour sur investissement), la ROA (rendement de l'actif total) et l'augmentation des ventes, ainsi que l'amélioration de la performance de marché telle que les cours des actions et la valeur de l'entreprise. Dans le contexte de la DX en particulier, il est démontré que les entreprises numériques leaders réussissent à réaliser une croissance du bénéfice 1,8 fois supérieure et une croissance de la valeur d'entreprise 2 fois supérieure aux entreprises retardataires, ce qui signifie que la capacité à créer une valeur économique concrète (Value) par rapport aux objectifs fixés est un critère important du succès (BCG, 2020; Liang et al., 2010; Schryen, 2013).
• Optimisation des processus métier et amélioration de la productivité (création de valeur interne) La valeur interne générée par l'utilisation appropriée par les utilisateurs d'un système de haute qualité et d'informations fiables est également une définition importante du succès. Concrètement, cela inclut la réduction des coûts, l'efficacité des processus métier et l'automatisation, ainsi que la rapidité de la réponse aux clients et de la prise de décision. Le fait que l'investissement informatique améliore la « productivité (Productivity) » des employés et renforce l'efficacité des opérations commerciales est considéré comme un indicateur clé de succès au niveau opérationnel (DeLone & McLean, 2016; Schryen, 2013; Vial, 2019).
• Renforcement des capacités organisationnelles et établissement du « changement durable » Le succès est également défini comme le fait que le déploiement des ressources informatiques dépasse le simple remplacement d'outils et renforce les capacités internes de l'organisation (liaison entre processus et gestion des connaissances) ainsi que les capacités externes (relations avec les clients et les fournisseurs). En particulier, dans le contexte de la DX, le véritable succès est considéré comme l'état où non seulement les performances temporaires s'améliorent, mais où les modes de travail agiles et la mentalité numérique s'établissent en tant que culture organisationnelle, permettant une adaptation continue aux changements environnementaux — un « changement durable (Sustainable change) » (BCG, 2020; Liang et al., 2010).
• Établissement d'un avantage concurrentiel par de nouveaux modèles commerciaux Le succès à l'ère numérique est défini par la « création et l'acquisition d'une nouvelle valeur » qui détruit les cadres existants. Concrètement, par le biais de la numérisation des produits et services, de la construction de plateformes multisides, et de l'exploitation des insights tirés d'énormes volumes de données et d'informations, innover l'expérience client et établir un avantage concurrentiel unique et une différenciation stratégique sont considérés comme les critères de succès importants de la stratégie commerciale numérique (Bharadwaj et al., 2013; Vial, 2019).
• Création du « Net Impact (bénéfice net) » s'étendant de l'individu à la société entière Le succès d'un système d'information commence par l'amélioration de la satisfaction des utilisateurs individuels et de leur performance professionnelle, mais son impact s'élargit progressivement. La définition ultime du succès est que l'investissement informatique apporte non seulement des avantages aux individus, aux groupes de travail et à l'organisation, mais génère également un « Net Impact (bénéfice net : Net Impacts / Net Benefits) » positif pour l'industrie et la société dans son ensemble, notamment l'amélioration du bien-être des consommateurs, l'efficience du marché et la création de nouveaux emplois, défini au sens le plus large (DeLone & McLean, 2016).

Ainsi, le succès des investissements en DX et en informatique est défini non seulement comme des rendements financiers à court terme, mais comme la création d'une valeur globale (Net Impact) englobant l'amélioration de l'efficacité opérationnelle, la capacité de transformation organisationnelle, la construction de nouveaux modèles commerciaux et les impacts positifs sur la société.

Méthodes appropriées d'évaluation des investissements en DX

Pour évaluer correctement les investissements en DX et en informatique des entreprises, il est nécessaire d'employer un cadre multidimensionnel et à long terme plutôt que de dépendre d'indicateurs financiers à court terme tels que le ROI.

• Évaluation multidimensionnelle basée sur le « IS Success Models » Il est inapproprié de mesurer le succès d'un système d'information en fonction d'un critère unique, tel que « si le déploiement a pu être réalisé dans les limites du budget ». Selon le « IS Success Model » de DeLone et McLean, l'évaluation d'un système doit être menée de manière globale selon six dimensions interdépendantes : trois dimensions de qualité — la « qualité du système » sur le plan technique, la « qualité de l'information » des résultats générés, et la « qualité des services » de la part du département informatique, etc. — ainsi que l'« utilisation » par les utilisateurs, la « satisfaction des utilisateurs » et, en dernier lieu, les « bénéfices nets (Net Impacts) ». Il est important d'effectuer une évaluation multidimensionnelle combinant ces différentes perspectives plutôt que de s'appuyer sur une seule métrique. (DeLone & McLean, 2016; Petter et al., 2008)
• Évaluation hiérarchique et contextuelle dans le « IT Business Value » Lors de l'évaluation de la manière dont l'investissement informatique génère de la valeur commerciale (IT Business Value), il est dangereux de supposer que l'investissement se traduira immédiatement par des résultats financiers pour l'entreprise. Le modèle d'évaluation orienté processus soutenu par de nombreuses recherches exige une évaluation hiérarchique selon laquelle l'investissement informatique améliore d'abord la « performance des processus » tels que l'accélération des opérations et l'amélioration du service client, ce qui se transmet par un processus intermédiaire à la « performance de l'entreprise/de l'organisation (résultats financiers et de marché) » finale. En outre, comme ces résultats sont fortement influencés par des facteurs environnementaux tels que l'entreprise, l'industrie et le pays, une conception de l'évaluation prenant en compte le contexte est nécessaire. (Schryen, 2013)
• Évaluation de la « capacité organisationnelle » basée sur la RBV (Resource-Based View) Du point de vue de la Resource-Based View (RBV), les ressources informatiques seules ne génèrent pas directement de rendements financiers. C'est en renforçant les « capacités (capabilities) » de l'organisation que les performances s'améliorent véritablement. Par conséquent, l'évaluation ne doit pas se limiter à la mise en œuvre du système, mais doit mesurer dans quelle mesure les « capacités internes » (par exemple, le partage de connaissances au sein de l'organisation) et les « capacités externes » (par exemple, l'adaptabilité au marché) ont été renforcées. (Liang et al., 2010)
• Évaluation à long terme basée sur l'« effet de courbe J » et le décalage temporel Pour évaluer la véritable valeur des investissements en DX, il est nécessaire de tenir compte du « décalage temporel (Lag effects) » entre l'investissement et la réalisation des résultats. Lors de l'adoption de nouvelles technologies à usage général (GPT) telles que l'IA, des investissements complémentaires dans les actifs incorporels (redessin des processus métier, formation des employés) sont nécessaires, ce qui provoque une baisse temporaire de la productivité en phase initiale, suivie d'une augmentation spectaculaire : c'est l'« effet de courbe J de la productivité ». Une mesure à court terme risque de sous-évaluer l'investissement. L'évaluation doit donc intégrer une perspective à long terme de la création de valeur. (Brynjolfsson et al., 2021; Schryen, 2013)
• Évaluation de la flexibilité par les « options réelles » dans un contexte d'incertitude Dans un environnement incertain et en rapide mutation, les investissements en DX gagnent une valeur considérable en commençant par un investissement initial modeste et en conservant le droit d'adapter les décisions d'expansion ou de retrait en fonction de l'apprentissage (options réelles). Il ne suffit pas d'évaluer sur la base de la prévision déterministe des flux de trésorerie (VAN ou ROI classiques), mais il est approprié d'intégrer à l'évaluation la « valeur de la flexibilité stratégique » consistant à préserver les options futures, à maîtriser les risques de baisse tout en saisissant les opportunités de hausse. (Trigeorgis & Reuer, 2017)

Ainsi, l'évaluation appropriée d'un investissement en DX dépasse la mesure des rendements financiers à court terme. Elle doit intégrer « plusieurs perspectives » sur le long terme : la qualité du système, l'amélioration des processus, le renforcement de la capacité organisationnelle et la sécurisation de la flexibilité stratégique.

5. Méthodes d'utilisation du cadre de prise de décision et d'exécution des investissements en DX

La prise de décision concernant les investissements en DX doit être conçue comme un processus de sélection par étapes (gate stagée) où 5 modèles sont passés en revue séquentiellement pour progresser à l'étape suivante. L'examen se fait dans l'ordre suivant : RBV/VRIO → IT Business Value → Real Options → J-Curve → IS Success Model.
En utilisant une checklist dans Excel ou un outil similaire pour effectuer l'évaluation, il est judicieux de rechercher des modèles sur Internet ou de les créer avec l'IA.

A. Filtrage stratégique : RBV/VRIO

Objectif

• Examiner la raison de l'investissement et sa signification stratégique

Procédure d'exécution

1. Identifier les capacités que l'investissement DX cible va développer et renforcer
2. Évaluer chaque dimension V/R/I/O du cadre VRIO sur une échelle de 1 à 5
3. À partir des résultats de l'analyse VRIO, déterminer le statut d'avantage concurrentiel (inférieur / équilibré / avantage temporaire / avantage potentiel inexploité / avantage compétitif durable)
4. Vérifier les scores Sensing / Seizing / Transforming dans la feuille « capacité dynamique »
5. Identifier l'écart entre l'importance stratégique et la position actuelle selon VRIO, et confirmer les actions recommandées

Conditions de passage

• L'investissement est classé comme « avantage compétitif durable » ou « avantage potentiel inexploité », ou il est jugé essentiel avec une « importance stratégique de 4 ou plus » malgré une position inférieure
• Il contribue explicitement à l'une des trois dimensions de la capacité dynamique

En cas de non-passage

• « Équilibre concurrentiel » uniquement → à traiter comme investissement d'efficience (réduction de coûts) avec un budget distinct, plutôt que comme investissement stratégique
• « Position inférieure + importance stratégique faible » → l'investissement n'est pas exécuté

B. Conception du mécanisme causal : IT Business Value

Objectif : examiner le chemin causal de création de valeur et les conditions préalables
Procédure d'exécution :

1. Évaluer les facteurs facilitants et inhibiteurs aux trois niveaux (interne / concurrentiel / macroéconomique) sur une échelle de 1 à 5
2. Diagnostiquer la disponibilité des ressources informatiques (technologie + personnel) et des ressources organisationnelles complémentaires
3. Définir les processus métier affectés par l'amélioration des processus et les objectifs d'amélioration
4. Visualiser la chaîne causale : ressources → processus → résultats organisationnels
5. Définir les indicateurs clés de performance (KPI) pour les résultats de processus et organisationnels

Conditions de passage :

• La moyenne du contexte interne est 3,5 ou plus (pas de facteur inhibiteur majeur)
• La disponibilité est 3 ou plus pour les ressources informatiques et les ressources complémentaires
• L'investissement est concentré sur les domaines où l'importance globale de l'amélioration des processus métier est élevée
• Le score composite pondéré est 3,0 ou plus

Cas typiques de non-passage :

• Faible disponibilité des ressources organisationnelles complémentaires (processus, culture, KPI) → reconcevoir comme un ensemble incluant des investissements complémentaires
• Score faible du contexte interne → l'engagement de la direction et la mise en place de la gouvernance doivent être prioritaires
• Le chemin causal reste au niveau « mettre en place l'IT et quelque chose se passera » sans détails concrets → renvoyer le projet pour révision

C. Évaluation sous incertitude et détermination de la forme d'investissement : Real Options

Objectif : examiner le moment d'exécution de l'investissement en contexte d'incertitude
Procédure d'exécution :

1. Sélectionner le type d'investissement (report / investissement par étapes / expansion / retrait / basculement)
2. Estimer les paramètres : S (valeur présente des flux de trésorerie en cas de succès), K (montant de l'investissement), T (période de latitude pour la prise de décision), σ (incertitude)
3. Pour une évaluation simple, utiliser Black-Scholes ; pour des décisions multiples et complexes comme PoC suivi d'un déploiement complet, utiliser le modèle binomial
4. Effectuer une analyse de sensibilité pour vérifier la sensibilité à σ et T

Règles de jugement :

• Prime d'option > 0 et VAN étendue > VAN statique → report ou investissement par étapes est avantageux
• Prime d'option de l'investissement par étapes > coût du PoC → mettre en œuvre le PoC
• σ élevé × T long → la valeur de l'attente est importante

D. Simulation des effets à long terme : J-Curve

Objectif : identifier le moment de manifestation des effets et la profondeur du creux
Procédure d'exécution :

1. Définir la période d'investissement (5-10 ans), le décalage (1-3 ans pour les actifs incorporels, 1 an pour la mesure), le taux d'atténuation (environ 15%), le facteur d'effet
2. Entrer le plan annuel des investissements de mesure et des actifs incorporels (processus, personnel, organisation, données)
3. Vérifier le flux net cumulatif, le flux de trésorerie actualisé et la VAN
4. Visualiser la profondeur du creux de la courbe J et le moment de récupération
5. Définir les KPI pour surveiller l'accumulation d'actifs incorporels via un suivi d'indicateurs intermédiaires (taux de standardisation des processus, nombre de talents DX, volume de données, etc.)

Exemples de manière de l'expliquer à la direction générale :

• « Jusqu'à la 3e année, le flux net cumulatif sera négatif. Cependant, c'est l'effet de courbe J montré par Brynjolfsson-Rock-Syverson (2021) AEJ:Macro, et à partir de la 4e année, il devient positif à mesure que les actifs incorporels s'accumulent »
• « Si les KPI intermédiaires s'accumulent comme prévu, il est académiquement établi que les effets financiers se manifesteront avec un délai »

E. Suivi de l'exécution et amélioration : IS Success Model

Objectif : évaluer la progression de la mise en œuvre
Procédure d'exécution :

1. Conduire des enquêtes à trois moments : période de référence (avant l'investissement) / juste après l'introduction (3 mois) / après stabilisation (6-12 mois)
2. Collecter les réponses de 10 à 30 utilisateurs de terrain + IT + responsables des départements concernés (évaluation en 5 points : ① qualité du système, ② qualité de l'information, ③ qualité du service, ④ utilisation, ⑤ satisfaction des utilisateurs, ⑥ bénéfices nets)
3. Visualiser les biais avec un graphique radar à 6 dimensions
4. Suivre continuellement l'indicateur de bénéfices nets

Dimensions à utiliser en évaluation court terme vs long terme :

• Court terme (3-6 mois) : observer ① qualité du système, ② qualité de l'information, ③ qualité du service, ④ utilisation
• Long terme (12-24 mois) : observer ⑤ satisfaction des utilisateurs, ⑥ bénéfices nets

6. Conclusion

Comme le montre cette analyse, les projets de DX et d'implémentation informatique, souvent jugés de manière subjective ou par simple ROI, voient leur taux de succès augmenter lorsqu'ils sont évalués selon plusieurs perspectives.

L'une des limites de cet article est que le contenu intégrant les 5 cadres, bien qu'exhaustif, semble être un cadre d'analyse qui demande beaucoup de temps. Pour cette raison, nous pensons que la création d'une version simplifiée la rendrait plus accessible à davantage de personnes. Nous aimerions réfléchir à cette question à l'avenir.

Références

1. Acemoglu, D., & Johnson, S. (2023). Power and progress: Our thousand-year struggle over technology and prosperity. Résumé : Un ouvrage qui examine l'impact du progrès technologique et de l'automatisation sur le marché du travail et les inégalités d'une perspective historique et économico-politique.
2. Aghion, P., Akcigit, U., & Howitt, P. (2014). What do we learn from Schumpeterian growth theory? Handbook of Economic Growth. Résumé : Un article qui récapitule systématiquement les connaissances théoriques et empiriques de la théorie de la croissance économique de type Schumpeter, centrée sur la destruction créatrice.
3. Agrawal, A., Gans, J., & Goldfarb, A. (Eds.). (2019). The economics of artificial intelligence: An agenda. University of Chicago Press. Résumé : Un ouvrage qui positionne l'IA comme technologie à usage général (GPT) et examine ses multiples impacts sur la croissance économique, l'emploi, les inégalités et la régulation.
4. Akerlof, G. A., & Shiller, R. J. (2009). Animal spirits: How human psychology drives the economy, and why it matters for global capitalism. Princeton University Press. Résumé : Un ouvrage qui explique, du point de vue de l'économie comportementale, comment les facteurs psychologiques humains (animal spirits) provoquent les fluctuations macroéconomiques et les crises financières.
5. Boston Consulting Group. (2020). Flipping the odds of digital transformation success. Résumé : Un rapport pratique qui analyse les facteurs contribuant à l'augmentation du taux de succès des investissements en DX des entreprises et les causes fondamentales des échecs.
6. Bharadwaj, A., El Sawy, O. A., Pavlou, P. A., & Venkatraman, N. (2013). Digital business strategy: Toward a next generation of insights. MIS Quarterly, 37(2), 471-482. Résumé : Un article qui propose le concept de « stratégie numérique d'affaires » issu de la fusion de l'IT et de la stratégie commerciale, en le structurant selon des perspectives telles que l'échelle et la vitesse.
7. Bloom, N., Floetotto, M., Jaimovich, N., Saporta-Eksten, I., & Terry, S. J. (2018). Really uncertain business cycles. Econometrica, 86(3), 1031-1065. Résumé : Un article qui analyse l'impact de l'incertitude aux niveaux macro et microéconomiques sur les cycles économiques, montrant le mécanisme par lequel une augmentation de l'incertitude entraîne une baisse de la productivité.
8. Boardman, A. E., Greenberg, D. H., Vining, A. R., & Weimer, D. L. (2018). Cost-benefit analysis: Concepts and practice (5th ed.). Cambridge University Press. Résumé : Un manuel complet qui couvre la théorie, les concepts et les méthodes pratiques de l'« analyse coûts-bénéfices (CBA) » utilisée dans l'évaluation des investissements publics et des projets.
9. Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. Résumé : Un article démontrant l'impact de l'adoption de l'IA générative sur la productivité des employés, en particulier l'amélioration des performances des travailleurs à faibles compétences.
10. Brynjolfsson, E., Rock, D., & Syverson, C. (2021). The productivity J-curve: How intangibles complement general purpose technologies. American Economic Journal: Macroeconomics, 13(1), 333-372. Résumé : Un article démontrant l'« effet de courbe en J » qui montre que l'adoption de technologies à usage général comme l'IA nécessite des investissements complémentaires dans les actifs immatériels, entraînant une baisse initiale de la productivité suivie d'une amélioration à long terme.
11. Damodaran, A. (n.d.). Investment philosophies. Résumé : Une ressource expliquant les mécanismes de diverses philosophies et stratégies d'investissement (valeur, croissance, timing, etc.) fondées sur les inefficacités du marché et les caractéristiques comportementales des investisseurs.
12. DeLone, W. H., & McLean, E. R. (2016). Information systems success measurement. Foundations and Trends in Information Systems, 2(1), 1-116. Résumé : Une monographie traitant de l'évolution du modèle de succès SI largement reconnu (modèle D&M) et de la mesure multidimensionnelle du succès des systèmes d'information, incluant la qualité, l'utilisation et les bénéfices nets.
13. Drnevich, P. L., & Croson, D. C. (2013). Information technology and business-level strategy: Toward an integrated theoretical perspective. MIS Quarterly, 37(2), 483-509. Résumé : Un article construisant une perspective théorique intégrée sur la relation entre l'investissement IT et la stratégie commerciale, en s'appuyant sur plusieurs perspectives théoriques (RBV, options réelles, etc.).
14. Enholm, I. M., Papagiannidis, E., Mikalef, P., & Krogstie, J. (2022). Artificial intelligence and business value: A literature review. Information Systems Frontiers, 24(5), 1709-1734. Résumé : Un article examinant systématiquement la littérature existante sur la création de valeur commerciale par l'adoption de l'IA dans les organisations, et présentant un agenda de recherche.
15. Fisher, I. (1930). The theory of interest. Résumé : Un classique fondateur qui établit les fondations de la théorie moderne de l'investissement et des taux d'intérêt, notamment le « théorème de séparation » basé sur l'allocation des ressources intertemporelles, la préférence temporelle et les opportunités d'investissement.
16. Hassler, J., Krusell, P., & Olovsson, C. (2016). Environmental macroeconomics. In Handbook of Macroeconomics (Vol. 2). Résumé : Une référence analysant la relation entre le changement climatique et la macroéconomie en utilisant des modèles d'évaluation intégrée (IAM) et résumant les approches économiques pour l'évaluation des problèmes environnementaux.
17. Heckman, J. J., & Mosso, S. (2014). The economics of human development and social mobility. Annual Review of Economics, 6, 689-733. Résumé : Un article d'économie du travail qui élucide le mécanisme de « complémentarité dynamique » selon lequel l'environnement précoce et les investissements précoces dans le capital humain affectent l'apprentissage ultérieur et la formation des compétences.
18. Hirshleifer, J. (1958). On the theory of optimal investment decision. Journal of Political Economy, 66(4), 329-352. Résumé : Un article classique affinant le théorème de séparation de Fisher en montrant la séparation entre la maximisation de la valeur actuelle nette (VAN) et les préférences de consommation dans les décisions d'investissement optimales.
19. Keynes, J. M. (1936). The general theory of employment, interest and money. Résumé : Une œuvre historique établissant les fondations de la macroéconomie et discutant du rôle de l'incertitude future, de l'efficacité marginale du capital et des « esprits animaux » dans les décisions d'investissement.
20. Kundisch, D., & Meier, C. (2011). IT/IS project portfolio selection in the presence of project interactions: Review and synthesis of the literature. Wirtschaftsinformatik Proceedings 2011. Résumé : Un article synthétisant la littérature sur l'impact des interactions entre projets IT multiples (technologiques, fonctionnelles, ressources, etc.) sur la sélection de portefeuille.
21. Liang, T. P., You, J. J., & Liu, C. C. (2010). A resource-based perspective on IT and firm performance: A meta analysis. Industrial Management & Data Systems, 110(8), 1150-1177. Résumé : Un article empirique réalisant une méta-analyse sur la manière dont les ressources IT améliorent les capacités organisationnelles et affectent la performance d'entreprise, selon la perspective du modèle RBV.
22. Challapally, A., Pease, C., Raskar, R., & Chari, P. (2025). The GenAI divide: State of AI in business 2025. MIT NANDA. Résumé : Un rapport analysant la « division GenAI » actuelle, où nombreuses organisations n'ont pas atteint le stade opérationnel ou de montée en charge de l'IA générative, et examinant les raisons de cette situation.
23. McKinsey & Company. (2018). Unlocking success in digital transformations. Résumé : Un rapport analysant le faible taux de succès de la transformation numérique (DX) et les facteurs communs aux entreprises réussies, notamment la culture organisationnelle, le leadership et la gestion du changement agile.
24. Petter, S., DeLone, W. H., & McLean, E. R. (2008). Measuring information systems success: Models, dimensions, measures, and interrelationships. European Journal of Information Systems, 17(3), 236-263. Résumé : Un article examinant qualitativement plus de 180 études empiriques basées sur le modèle de succès SI de D&M, et validant les relations entre les construits tels que la qualité des systèmes et les bénéfices nets.
25. Schryen, G. (2013). Revisiting IS business value research: What we already know, what we still need to know, and how we can get there. European Journal of Information Systems, 22(2), 139-169. Résumé : Un article synthétisant les recherches passées sur la valeur commerciale de l'IT et présentant les orientations futures de la recherche, notamment concernant l'évaluation des actifs immatériels, les effets retardés et les enjeux des capacités organisationnelles.
26. Schumpeter, J. A. (1934). Theorie der wirtschaftlichen entwicklung [The theory of economic development]. Résumé : Un classique de « la théorie du développement économique » discutant du rôle des nouvelles combinaisons, de l'innovation et de l'entrepreneur dans la conduite du développement économique et des cycles économiques.
27. Tobin, J. (1969). A general equilibrium approach to monetary theory. Journal of Money, Credit and Banking, 1(1), 15-29. Résumé : Un article expliquant le mécanisme de décision d'investissement réel en macroéconomie en utilisant le « q de Tobin », le ratio entre la valeur marchande de l'entreprise et le coût de remplacement du capital existant.
28. Trigeorgis, L., & Reuer, J. J. (2017). Real options theory in strategic management. Strategic Management Journal, 38(1), 42-63. Résumé : Un article de synthèse discutant de la prise de décision stratégique des entreprises dans un environnement hautement incertain en utilisant la « théorie des options réelles » qui valorise la flexibilité.
29. Vial, G. (2019). Understanding digital transformation: A review and a research agenda. Journal of Strategic Information Systems, 28(2), 118-144. Résumé : Un article examinant la littérature sur la transformation numérique (DX) et modélisant l'impact des technologies numériques sur les structures organisationnelles et les processus de création de valeur.