La création au Maroc d’un ministère dédié à l’intelligence artificielle marque une nouvelle étape dans l’ambition du Royaume de se positionner sur cette technologie stratégique. Mais au-delà de l’impulsion institutionnelle, l’enjeu reste celui de la création de valeur économique. À l’heure où les entreprises s’interrogent sur la rentabilité de leurs investissements dans l’IA, Mouna Benazzou, Directrice Générale de Capgemini Maroc, fait le point sur cette équation.
1. L’intelligence artificielle s’impose progressivement comme un levier majeur de transformation des entreprises. Pourtant, son déploiement s’accompagne souvent de coûts supérieurs aux prévisions initiales. Quels sont aujourd’hui les principaux facteurs qui expliquent cette inflation des coûts et quels postes de dépenses les entreprises ont-elles tendance à sous-estimer ?
Le premier constat est que beaucoup d’entreprises sous-estiment encore le coût réel du passage à l’échelle. La nouvelle étude du Capgemini Research Institute montre que 59% des dirigeants indiquent que les dépenses liées à l’IA ont été significativement supérieures aux prévisions au cours des douze derniers mois. Parmi les entreprises concernées, le dépassement atteint 24% en moyenne.
Cela s’explique notamment par une vision encore trop centrée sur le coût apparent de la technologie, des modèles ou des tokens. Or, le coût réel se situe aussi dans la donnée, l’intégration, l’infrastructure, la sécurité, mais surtout dans des coûts indirects encore mal appréhendés comme la supervision humaine, le retravail des résultats et la gouvernance.
Une part importante des dépenses reste également moins visible dans les budgets initiaux. Je pense notamment à la supervision humaine, aux contrôles, aux corrections, aux nouvelles exécutions et au retravail des résultats générés. Ces coûts peuvent augmenter avec les systèmes agentiques, qui mobilisent plusieurs modèles, outils et étapes d’exécution pour réaliser une même tâche. Plus les workflows deviennent complexes, plus il devient essentiel d’en suivre précisément les coûts et les performances.
Le rapport souligne d’ailleurs cette difficulté : seul un tiers des dirigeants estime pouvoir évaluer avec confiance les coûts indirects de l’IA. Cela révèle un véritable enjeu de pilotage. Les entreprises doivent passer d’une logique de suivi de la consommation technologique à une approche fondée sur le coût complet, depuis la conception jusqu’à l’exploitation.
Chez Capgemini, nous considérons que cette maîtrise doit être intégrée dès les premières décisions d’architecture et de déploiement. C’est une condition essentielle pour industrialiser les usages de l’IA sans perdre de vue leur viabilité économique.
2. Au-delà des investissements technologiques, la véritable question est désormais celle du retour sur investissement. Comment les entreprises peuvent-elles mesurer concrètement la valeur économique créée par l’IA et s’assurer que les projets déployés produisent des résultats tangibles sur leur activité ?
La première étape consiste à ne pas partir de la technologie, mais du résultat métier recherché. Une entreprise doit être en mesure de définir précisément ce qu’elle souhaite améliorer : réduire le coût d’un processus, accélérer un délai de traitement, limiter les erreurs, améliorer la qualité d’un service, renforcer l’expérience client ou développer de nouvelles sources de revenus. Il est ensuite essentiel de définir des indicateurs de performance dès le départ et d’établir une situation de référence. On peut notamment mesurer le temps économisé, le coût par opération, la qualité des résultats, la réduction des erreurs ou l’amélioration des délais. Le véritable enjeu aujourd’hui est de démontrer que ces améliorations se transforment réellement en valeur pour l’entreprise. Notre étude montre d’ailleurs que 57% des dirigeants considèrent qu’il reste difficile de démontrer la valeur business de l’IA.
Une tâche réalisée plus rapidement ne représente pas nécessairement un gain économique si le résultat nécessite ensuite davantage de contrôles ou si le temps libéré n’est pas réinvesti dans des activités créatrices de valeur. C’est toute la différence entre un gain de productivité théorique et un bénéfice réellement capturé par l’entreprise.
L’IA peut améliorer la performance opérationnelle, mais elle peut aussi permettre de développer de nouveaux services, d’accélérer l’innovation, de renforcer la prise de décision et d’ouvrir de nouvelles perspectives de croissance.
Cette mesure doit enfin être continue. Un projet performant en phase pilote ne garantit pas nécessairement les mêmes résultats à grande échelle. Il faut donc savoir évaluer les résultats, ajuster les solutions et identifier les usages qui méritent réellement d’être industrialisés.
C’est précisément dans cette démarche que Capgemini accompagne ses clients : en partant de leurs enjeux métiers, en mobilisant les expertises technologiques et sectorielles du Groupe et en construisant des trajectoires de transformation adaptées à leurs réalités opérationnelles. Notre rôle ne consiste pas simplement à déployer des solutions d’IA, mais à aider les entreprises à transformer leurs investissements technologiques en résultats concrets, mesurables et durables.
3. Dans l’utilisation de l’intelligence artificielle, la consommation de tokens est souvent associée au coût des modèles. Que représente concrètement cette unité de mesure et pourquoi son coût ne suffit-il pas à apprécier la rentabilité des investissements dans l’IA ?
Un token est une unité élémentaire de traitement du langage utilisée par les modèles d’intelligence artificielle. Il peut correspondre à un mot, à une partie de mot ou à un signe de ponctuation. Chaque fois qu’un utilisateur soumet une instruction à un modèle ou que celui-ci génère une réponse, des tokens sont consommés. Leur volume constitue ainsi l’une des bases de facturation de nombreux services d’IA, notamment les modèles accessibles par API.
Pour les entreprises, cette consommation représente donc un coût opérationnel qu’il convient d’intégrer dans l’évaluation de leurs investissements. Toutefois, le prix d’un token ne renseigne pas sur la valeur du résultat produit. Une requête peut mobiliser un grand nombre de tokens sans déboucher sur une réponse exploitable. À l’inverse, une utilisation limitée peut permettre d’automatiser une tâche, d’accélérer un processus ou d’améliorer une prise de décision.
La difficulté consiste donc à ne pas confondre consommation technologique et création de valeur. Le coût réel d’un usage de l’IA ne se limite pas aux tokens facturés. Il faut également intégrer les dépenses d’infrastructure, les coûts d’intégration, la supervision humaine, les corrections éventuelles et les exigences de sécurité.
Cette distinction devient essentielle à mesure que les entreprises multiplient les usages de l’IA. La question n’est pas simplement de réduire le nombre de tokens consommés ou de privilégier les modèles les moins chers, mais de déterminer si les ressources mobilisées produisent des gains économiques mesurables.
4. Face à la multiplication des modèles d’intelligence artificielle et à leurs coûts d’exploitation parfois très variables, certaines entreprises privilégient désormais des stratégies multi-modèles. En quoi cette approche permet-elle d’optimiser les investissements, de gagner en flexibilité et de mieux adapter les solutions aux besoins métiers ?
Une stratégie multi-modèles consiste à ne plus dépendre d’un modèle unique, mais à mobiliser le modèle le plus adapté à chaque tâche. C’est une évolution logique, car tous les modèles ne présentent pas les mêmes capacités en matière de raisonnement, de précision, de rapidité, de latence, de fiabilité ou de coût. Une architecture peut ainsi associer des modèles avancés pour les tâches complexes nécessitant un raisonnement approfondi, des modèles plus légers pour les traitements répétitifs ou à fort volume, et des modèles spécialisés pour certains domaines métier.
Le choix dépend du niveau de performance attendu, de la sensibilité des données, des contraintes de sécurité et du coût acceptable. L’un des mécanismes techniques essentiels de cette approche est le model routing. Il permet d’orienter une requête vers le modèle le plus pertinent selon des critères définis : complexité de la tâche, niveau de qualité attendu, coût, temps de réponse ou niveau de risque. D’autres mécanismes, comme le caching, permettent de réutiliser certains résultats déjà obtenus et de limiter les calculs redondants. L’optimisation du contexte transmis aux modèles contribue également à maîtriser la consommation de tokens.
Le rapport du Capgemini Research Institute confirme cette tendance : plus de trois dirigeants sur cinq anticipent l’adoption d’une stratégie multi-modèles dans leur entreprise au cours de l’année à venir. Cette évolution traduit une prise de conscience : le choix du modèle devient autant une décision économique qu’une décision technologique.
Toutefois, une stratégie multi-modèles ne se résume pas à connecter plusieurs modèles. Elle nécessite une architecture d’orchestration, des mécanismes d’évaluation comparables, une observabilité des performances et des règles de gouvernance permettant de suivre les coûts, la qualité et la sécurité des résultats.
Chez Capgemini, nous accompagnons cette évolution en associant expertise en IA, architecture technologique et connaissance sectorielle. L’objectif est de concevoir des environnements capables d’arbitrer entre performance, coût, fiabilité et sécurité, en fonction des besoins réels de chaque entreprise.
La meilleure architecture n’est donc pas nécessairement celle qui utilise le modèle le plus puissant, mais celle qui mobilise la bonne capacité, au bon moment et au meilleur coût global. Nous entrons dans une nouvelle phase de maturité de l’intelligence artificielle. Il devient de plus en plus évident qu’aucun modèle ne peut répondre de manière optimale à l’ensemble des besoins d’une entreprise.
Cette évolution est déjà très concrète : plus de trois dirigeants sur cinq interrogés prévoient d’adopter une stratégie multi-modèles au cours des douze prochains mois.
Les modèles présentent des caractéristiques différentes en matière de capacités de raisonnement, de rapidité, de fiabilité, de coûts et de traitement des données. L’enjeu est donc de pouvoir sélectionner dynamiquement le modèle le plus pertinent selon la tâche, en arbitrant entre coût, capacité, latence, niveau de risque et exigences métier.
Une entreprise peut, par exemple, utiliser un modèle léger et plus économique pour des opérations répétitives ou à fort volume, tout en réservant des modèles plus avancés aux problématiques complexes nécessitant davantage de capacités de raisonnement.
Mais l’intérêt d’une stratégie multi-modèles ne se limite pas à l’optimisation des coûts. Elle permet également de réduire la dépendance à un fournisseur unique, de gagner en flexibilité et de faire évoluer les architectures au rythme des innovations technologiques. Cela suppose néanmoins une véritable capacité d’orchestration : savoir quel modèle mobiliser, à quel moment, avec quel niveau de contrôle et selon quels critères de performance, de sécurité et de coût.
C’est précisément là que l’expertise technologique et la compréhension des besoins métiers doivent se rejoindre. Chez Capgemini, nous abordons ces sujets en combinant expertise en intelligence artificielle, architecture technologique et connaissance sectorielle, afin de concevoir des environnements adaptés aux réalités opérationnelles des entreprises.
Le meilleur modèle n’est pas nécessairement le plus puissant ou le plus récent. C’est celui qui répond le mieux à un besoin précis, dans un équilibre maîtrisé entre performance, coût, fiabilité et qualité.
5. L’intégration de l’IA ne relève plus uniquement d’un choix technologique, mais implique une transformation plus profonde des organisations, des processus et des compétences. Quels sont, selon vous, les principaux changements que les entreprises doivent engager pour tirer pleinement parti de cette technologie ?
Le premier enjeu est de repenser les processus de travail. Ajouter l’IA aux modes de fonctionnement existants ne suffit pas. Il faut revoir la répartition des tâches, les circuits de décision, les responsabilités et les mécanismes de contrôle pour tirer pleinement parti de ses capacités. C’est particulièrement vrai avec les systèmes agentiques, qui peuvent enchaîner plusieurs actions et interagir avec différents outils. Leur déploiement nécessite de définir clairement les niveaux d’autonomie, les points de validation humaine et les mécanismes d’escalade en cas d’erreur.
Le deuxième enjeu est celui des compétences. La maîtrise des outils doit aller de pair avec l’expertise métier, l’esprit critique, la capacité d’analyse et le jugement. Les collaborateurs doivent être en mesure d’évaluer les résultats produits, d’en identifier les limites et de conserver la responsabilité des décisions. La formation doit donc dépasser la simple prise en main des outils pour accompagner l’évolution des métiers.
Il est également essentiel de réfléchir à la manière dont les gains de productivité sont réinvestis. Le temps libéré par l’automatisation de certaines tâches peut permettre de renforcer la relation client, l’innovation, la qualité de service et les activités à plus forte valeur ajoutée. Sans cette réflexion, les gains technologiques risquent de rester théoriques.
Je crois aussi beaucoup à la complémentarité entre les générations et les expertises. L’expérience métier, la connaissance des clients et la maîtrise des nouvelles technologies doivent se nourrir mutuellement. C’est cette diversité de compétences qui permet de concevoir des usages pertinents et responsables.
Enfin, cette transformation exige une gouvernance partagée. La direction générale, les métiers, les équipes technologiques, les fonctions de contrôle et les ressources humaines doivent travailler ensemble pour définir les priorités, les responsabilités et les résultats attendus.
À l’échelle de Capgemini au Maroc, cette conviction se traduit par une priorité : développer les compétences, accompagner l’évolution des métiers et créer les conditions permettant à nos équipes de contribuer pleinement aux transformations que nous menons avec nos clients.
L’IA ne remplace pas l’expertise humaine : elle lui donne une nouvelle portée. La technologie peut accélérer la transformation, mais ce sont les femmes et les hommes qui lui donnent son sens et en déterminent l’impact.
6. Dans un contexte où les entreprises doivent simultanément accélérer leur transformation numérique, maîtriser leurs budgets et préserver leur compétitivité, comment trouver le bon équilibre entre ambition technologique et discipline économique ? Quels arbitrages stratégiques deviennent incontournables ?
L’ambition technologique et la discipline économique ne sont pas contradictoires. Elles doivent au contraire se renforcer mutuellement. La question n’est pas de réduire les investissements dans l’IA, mais de mieux les orienter et de s’assurer qu’ils répondent aux priorités stratégiques de l’entreprise.
Le premier arbitrage consiste à hiérarchiser les investissements en fonction de leur impact potentiel, de leur faisabilité et de leur contribution aux objectifs métier. Les entreprises doivent dépasser la multiplication des expérimentations et concentrer leurs ressources sur les initiatives qui répondent à des enjeux clairement identifiés. Cela suppose également d’accepter qu’un projet qui ne démontre pas sa pertinence puisse être réorienté ou arrêté.
Le deuxième arbitrage concerne les fondations technologiques. La qualité des données, l’architecture, la sécurité, l’interopérabilité et la gouvernance peuvent représenter des investissements importants, mais ils conditionnent la fiabilité des solutions et leur capacité à être déployées à grande échelle. Les négliger peut générer des coûts de correction et de maintenance bien plus élevés par la suite.
Le troisième porte sur l’équilibre entre les bénéfices à court terme et le développement de capacités à long terme. Certaines initiatives peuvent produire rapidement des gains opérationnels, tandis que d’autres nécessitent de renforcer les infrastructures, les compétences et l’expertise technologique. Les deux dimensions sont nécessaires pour construire un avantage compétitif durable.
L’économie de l’IA devient donc un sujet de gouvernance au plus haut niveau. Ce n’est plus une décision qui relève uniquement de la technologie : les directions métiers, technologiques et financières doivent partager les mêmes indicateurs et arbitrer ensemble entre investissement, risque et valeur créée.
Cette discipline suppose également une capacité à réévaluer régulièrement les priorités, à mesurer les résultats et à réorienter les ressources lorsque les bénéfices attendus ne sont pas au rendez-vous.
C’est dans cette perspective que Capgemini se positionne comme un partenaire de transformation auprès des directions générales. En associant conseil, expertise technologique, ingénierie et connaissance des métiers, nous aidons les organisations à éclairer leurs choix, à sécuriser leurs trajectoires et à faire converger ambition stratégique et performance économique.
La compétitivité ne dépendra pas des entreprises qui investissent le plus dans l’IA, mais de celles qui sauront investir avec discernement et transformer ces investissements en résultats durables.
7. Pour le Maroc, qui accélère son positionnement dans les métiers du numérique, de la data et de l’intelligence artificielle, quels sont les principaux enjeux et opportunités liés à cette nouvelle économie de l’IA ? Comment les entreprises marocaines peuvent-elles dépasser une logique d’adoption technologique pour faire de l’IA un véritable levier de compétitivité et de création de valeur ?
Le Maroc dispose de plusieurs atouts pour prendre une place croissante dans cette nouvelle économie : des talents qualifiés, un écosystème numérique en développement, une ouverture internationale et une expérience dans la réalisation de projets complexes. L’enjeu est désormais de transformer ces atouts en expertises différenciantes et en capacité de conception.
Pour les entreprises marocaines, les opportunités concernent aussi bien la performance industrielle que l’efficacité opérationnelle, la relation client, l’aide à la décision et le développement de nouveaux services. Mais la création de valeur suppose de partir des enjeux propres à chaque secteur et de construire les fondations nécessaires : données, infrastructure, sécurité, gouvernance et compétences.
Il faut également développer la capacité à concevoir, intégrer et gouverner des solutions d’IA, et pas seulement à les utiliser. Cela demande des expertises en data, architecture, ingénierie logicielle, cybersécurité, systèmes intelligents et conduite du changement. Les liens entre entreprises, universités et institutions sont essentiels pour rapprocher les formations des besoins réels des projets.
C’est une ambition que je souhaite porter à la tête de Capgemini au Maroc : mobiliser la complémentarité de nos expertises en matière de services technologiques et d’ingénierie, notre proximité avec les clients et notre réseau international pour renforcer la contribution du Royaume aux transformations mondiales.
Cette complémentarité permet de relier la transformation des systèmes d’information, la data et l’IA à l’ingénierie avancée et à l’innovation industrielle. Elle ouvre des perspectives pour faire évoluer les centres de delivery de Capgemini, dont fait partie le Maroc, vers davantage de conception, d’expertise et de résolution de problématiques complexes pour les clients internationaux.
Notre ambition est de contribuer à faire du Maroc un territoire de compétences et de création de valeur, capable de concevoir des solutions et de participer à des chaînes de valeur internationales. L’enjeu n’est plus seulement de faire au Maroc, mais de créer au Maroc de la valeur pour le monde.
Biographie Mouna Benazzou
Mouna Benazzou compte plus de 25 années d’expérience dans la stratégie, la transformation, la finance et le pilotage de la performance, acquises au sein de cabinets internationaux, de multinationales et de grands groupes marocains.
Elle débute sa carrière dans l’audit et le conseil chez EY, avant d’occuper différentes fonctions de direction financière puis de direction opérationnelle. Ce parcours lui a permis de développer une compréhension transverse des organisations, à l’intersection des enjeux de performance, de transformation et de développement des talents.
Aujourd’hui à la tête de Capgemini Maroc, elle pilote un périmètre réunissant les activités d’ingénierie, d’IT et de data du Groupe dans le pays, contribuant au développement des expertises stratégiques et à la transformation de ses clients au Maroc et à l’international.
Dans ce rôle, elle porte l’ambition de renforcer le positionnement du Maroc comme un hub stratégique de compétences et d’expertises, capable d’accompagner les grandes transformations technologiques et métiers de clients internationaux.
Son ambition est de contribuer au rayonnement international des expertises marocaines et de renforcer leur contribution à des transformations à forte valeur ajoutée, en capitalisant sur la profondeur du vivier de talents et sur la capacité du Maroc à développer des compétences technologiques de haut niveau.
Convaincue que la performance durable repose autant sur l’excellence opérationnelle que sur le développement du capital humain, Mouna Benazzou place les talents, l’inclusion et l’égalité des chances au cœur de son engagement. Elle défend une vision dans laquelle technologie, compétitivité et impact social se renforcent mutuellement.
