Comment transformer la tokenomique en croissance axée sur le produit

La première vague d’investissements en IA d’entreprise a principalement porté sur des usages internes, notamment la productivité, l’automatisation et l’efficacité. Bien que ces priorités aient généré une valeur organisationnelle importante, elles ont également relégué au second plan une occasion encore plus prometteuse : utiliser l’IA pour concevoir des expériences client distinctives capables de stimuler la croissance.

Les organisations intègrent de plus en plus l’IA générative aux parcours clients, qu’il s’agisse de découverte conversationnelle, de recommandations personnalisées, de libre-service intelligent ou de flux de travail agentiques. Bien que ces expériences puissent accroître l’engagement, chaque interaction entraîne un coût de consommation sous forme d’utilisation de jetons, influencé par le contexte, les besoins de calcul et le volume d’utilisation à grande échelle.

La tokenomique aide les responsables de produits à déterminer si cette consommation génère suffisamment de valeur pour les clients et l’entreprise afin de justifier l’investissement¹.  

Les jetons deviennent une nouvelle mesure de l’engagement client

Depuis des années, les organisations mesurent l’engagement client à l’aide d’indicateurs clés de performance (ICP) numériques traditionnels, comme les clics, les consultations, le temps passé sur une page, les achats et d’autres signaux comportementaux. L’IA générative introduit des formes d’engagement plus riches. Chaque requête, chaque réponse et chaque action assistée par l’IA révèlent l’intention du client tout en consommant des ressources.

Dans ce contexte, les responsables de produits devraient désormais évaluer deux exigences fondamentales pour chaque expérience d’IA destinée aux clients :

• Contexte : Quelle quantité d’information le modèle doit-il traiter pour fournir un résultat utile?
• Puissance de calcul : Quel niveau de raisonnement et de traitement est nécessaire pour produire ce résultat?
  

Ensemble, ces dimensions, combinées aux calculateurs de jetons disponibles, offrent un moyen pratique d’estimer le coût de consommation des jetons associé à une fonctionnalité, à un flux de travail ou à un parcours client. Plus important encore, elles aident les équipes de produits à déterminer si cette consommation contribue réellement à l’atteinte de résultats utiles pour les clients ou si elle génère simplement une activité coûteuse.

Établir un lien entre les investissements en IA et la croissance axée sur le produit

La croissance axée sur le produit offre un cadre utile pour répondre à une question fondamentale : le produit lui-même favorise-t-il l’adoption par les clients et la croissance de l’entreprise?

Le modèle AARRR, largement reconnu et fondé sur l’acquisition, l’activation, la fidélisation, la recommandation et les revenus, fournit une méthode structurée pour répondre à cette question. En analysant ces indicateurs sous l’angle du coût des jetons, les responsables de produits peuvent déterminer où l’IA génère une valeur significative et où les ressources devraient être investies pour produire le plus grand impact.  

Comment le coût des jetons peut redéfinir les feuilles de route des produits d’IA

Traditionnellement, les feuilles de route des produits reposaient sur un équilibre entre la valeur d’affaires attendue et les efforts de développement requis. Or, à mesure que les approches de développement fondées sur des agents d’IA réduisent les efforts nécessaires pour concevoir et tester de nouvelles idées, l’effort de développement perd de son importance comme critère de priorisation.

Toutefois, une réduction des efforts de développement ne garantit pas la viabilité économique d’un produit. Dans bien des cas, le véritable défi survient après le lancement, lorsque la valeur attendue doit se matérialiser et que les coûts opérationnels liés à la consommation de jetons s’accumulent au fil de milliers, voire de millions, d’interactions avec les clients.

C’est dans ce contexte qu’une nouvelle matrice de priorisation tenant compte du coût des jetons prend tout son sens.  

Exemple concret : assistant de rénovation alimenté par l’IA

Prenons l’exemple d’un détaillant en rénovation résidentielle qui développe un assistant de rénovation alimenté par l’IA. Un client téléverse une photo d’une pièce et décrit le projet qu’il souhaite réaliser. L’assistant analyse l’espace, recommande les matériaux et les outils appropriés, vérifie la disponibilité des produits en magasin, propose du contenu pratique pertinent et signale les exigences applicables des codes du bâtiment.

Cette expérience peut réduire le temps consacré à la recherche, simplifier la prise de décision et aider les clients à progresser avec plus d’assurance vers l’achat, tout en créant de la valeur à chaque étape du parcours. Elle peut toutefois nécessiter un volume important de contexte, des capacités de raisonnement avancées et une consommation élevée de jetons. Les responsables de produits doivent donc comparer le coût en jetons de chaque interaction aux résultats mesurables du modèle AARRR afin de déterminer si cette expérience à forte valeur ajoutée devrait être offerte à l’ensemble des utilisateurs ou réservée à certains segments de clientèle.

Comment les responsables de produits peuvent intégrer une discipline économique à la conception des expériences d’IA

Les responsables de produits peuvent intégrer une discipline économique à la conception des expériences d’IA en suivant un cycle continu : définir le résultat client recherché, modéliser les paramètres économiques, valider l’échange de valeur et surveiller la performance. La première étape consiste à cerner le problème à résoudre, le moment où le besoin se manifeste et le comportement client que l’expérience vise à influencer avant même de choisir la technologie.

Ils peuvent ensuite estimer les besoins en contexte et en puissance de calcul, mettre en place des mécanismes de contrôle appropriés et établir le profil de coûts attendu de l’expérience. La consommation devrait ensuite être directement liée à un indicateur clé de croissance afin d’assurer un lien clair entre les investissements en IA et les résultats d’affaires.

Même s’il peut être tentant de passer rapidement à la mise en production, les responsables de produits gagneraient à concevoir des prototypes, à mesurer les résultats et à prévoir la tokenomique associée à la croissance axée sur le produit afin d’accroître la prévisibilité. Les essais en conditions réelles révèlent souvent des comportements d’utilisation et des dynamiques de coûts qui n’étaient pas apparents au stade de la conception. Les expériences à forte consommation de jetons exigent également une réflexion approfondie sur l’échange de valeur, qu’il s’agisse de l’authentification, de l’accès à des données de première partie, d’abonnements haut de gamme ou d’autres mécanismes justifiant un niveau de consommation plus élevé.

Enfin, une surveillance continue est essentielle. Les comportements des clients, la performance des modèles, les structures tarifaires et les habitudes d’utilisation évolueront avec le temps. L’économie de l’IA doit être gérée comme une discipline continue plutôt que comme un exercice ponctuel.

Comment Deloitte peut vous aider

Deloitte aide les organisations à passer de l’expérimentation à l’exécution en combinant la conception de l’expérience client, la stratégie produit, l’ingénierie de l’IA et l’analyse économique.

Notre approche peut aider votre organisation à :

• Repérer les moments clients à fort potentiel où l’IA peut soutenir des résultats précis pour les clients, l’entreprise ou la croissance.
• Valider rapidement des idées au moyen de preuves de concept, afin de tester les hypothèses et de recueillir des données probantes avant de consentir des investissements plus importants.
• Évaluer les paramètres économiques des expériences d’IA, notamment les besoins en contexte, l’intensité des calculs, les profils d’utilisation prévus et la consommation de jetons selon des scénarios d’adoption réalistes.
• Appliquer une approche de croissance axée sur le produit afin d’évaluer dans quelle mesure la consommation de jetons contribue à l’atteinte des objectifs du modèle AARRR.

Si vous avez une idée d’expérience client alimentée par l’IA, nous pouvons vous aider à en démontrer le potentiel, à en quantifier les paramètres économiques et à définir une voie concrète vers un déploiement à grande échelle.