OpenAI propose l’« intelligence utile par dollar » comme grille d’évaluation de la valeur de l’IA

OpenAI a publié le 17 juillet 2026 un cadre d’analyse destiné aux entreprises, qui leur demande d’évaluer leurs investissements en IA à l’aide de l’« intelligence utile par dollar ». Son argument central est que les indicateurs d’adoption et le prix des jetons ne mesurent pas le résultat qui compte : la quantité de travail de valeur qui atteint un niveau de qualité acceptable.

La grille proposée comporte quatre éléments : le travail utile réalisé, le coût total par tâche réussie, la fiabilité et la question de savoir si chaque dollar consacré à l’IA produit davantage de valeur à mesure que l’usage augmente. Il s’agit d’un cadre proposé par l’entreprise, et non d’une norme sectorielle neutre, mais il donne aux équipes une manière pratique de déplacer la discussion sur l’IA au-delà des simples volumes d’activité.

Mesurer le flux de travail, pas le prompt

Le cadre recommande de commencer par un seul flux de travail et de définir ce que signifie « terminé » dans le système où le travail est effectué. Pour l’assistance client, cela peut être un problème client résolu. Pour l’ingénierie, une modification qui passe les tests. Pour le travail juridique, une revue exacte et remise à temps.

Cette approche modifie aussi le calcul du coût. Le prix d’un jeton n’est qu’un élément. Le coût réel d’une tâche comprend le calcul, le temps des employés, les nouvelles tentatives, la revue et les reprises. Un modèle moins cher peut coûter plus en pratique s’il exige plusieurs essais ; un modèle plus capable peut offrir une meilleure valeur s’il accomplit correctement la tâche avec moins d’interventions.

La fiabilité fait partie de l’économie

OpenAI suggère de suivre si un résultat est prêt à l’emploi, nécessite une correction ou doit être transmis à une personne. Ces catégories sont simples, mais elles distinguent utilement une réponse fluide d’un résultat de flux de travail sur lequel quelqu’un peut réellement s’appuyer.

Les équipes ont aussi besoin de limites explicites avant que l’IA passe de la rédaction à l’action : quelles données elle peut consulter, quels systèmes elle peut modifier et à quel moment une personne doit examiner ou approuver une étape. La sécurité, la confidentialité et le contrôle ne sont pas séparés du retour sur investissement ; ils influencent la quantité de revue, de correction et de confiance qu’un flux de travail exige.

Ce que les équipes devraient faire ensuite

• Choisir un flux de travail à volume élevé et bien défini au lieu d’essayer de mesurer tous les usages de l’IA à la fois.
• Définir la réussite avant de comparer des modèles ou des fournisseurs.
• Suivre tous les coûts humains et système significatifs, et pas seulement le prix du modèle.
• Distinguer les résultats prêts à l’emploi de ceux qui ont nécessité des modifications ou une escalade.
• Réévaluer au fil du temps afin de voir si la qualité se maintient pendant que le coût par tâche réussie diminue.

Point de vue Goodiebase

L’« intelligence utile par dollar » se comprend mieux comme un cadre de décision que comme un indicateur clé de performance universel. Son idée la plus forte est simple : les équipes doivent mesurer un travail achevé et acceptable dans son contexte. Si un outil d’IA donne une impression d’activité remarquable tout en ajoutant des boucles de revue, de l’incertitude ou des coûts opérationnels cachés, il n’a pas encore démontré sa valeur.