Découvrez la nouvelle génération d'emplois liés à l'IA qui voient le jour au sein d'entreprises classiques

Le prochain recrutement clé dans le domaine de l'IA au sein d'une banque ne sera peut-être pas celui d'un ingénieur en apprentissage automatique. Il pourrait s'agir d'un spécialiste de la conformité capable de tester une décision automatisée, d'un chef de produit capable de repenser un processus de crédit en s'appuyant sur l'IA, ou encore d'un analyste chargé de démontrer qu'un déploiement logiciel coûteux a apporté davantage qu'une simple série de démonstrations impressionnantes.

Ces postes commencent à apparaître car les entreprises ont dépassé la première phase d’adoption de l’IA générative. Acheter des licences et permettre aux employés de tester des chatbots était relativement simple. En revanche, relier l’IA aux dossiers clients, aux documents internes et aux systèmes opérationnels l’est moins. Dès qu’un outil commence à rédiger des communications destinées aux clients, à filtrer des transactions ou à exécuter certaines étapes d’un processus réglementé, quelqu’un doit décider de ce qu’il est autorisé à faire, évaluer son efficacité et assumer la responsabilité en cas d’échec.

Cette exigence donne naissance à une catégorie d’emplois qui se situe à mi-chemin entre le domaine technologique et le reste de l’entreprise. Certains portent des intitulés inédits, tels que « spécialiste des agents IA », « évaluateur de modèles » ou « responsable de la gouvernance de l’IA ». D’autres correspondent à des postes déjà connus, mais dont les missions prennent désormais une dimension plus technique : des juristes qui maîtrisent les risques liés aux modèles, des spécialistes du marketing qui conçoivent des systèmes de production associant humains et IA, ou encore des responsables des opérations capables de répartir le travail entre les employés et les agents logiciels.

Le marché ne remplace pas toutes les professions existantes par un équivalent basé sur l'IA. Il introduit une nouvelle dimension dans le travail des entreprises, qui doivent désormais gérer des systèmes capables de produire, de recommander et, de plus en plus, d'agir.

La plupart des nouveaux emplois liés à l'IA concernent la traduction

Dans l'imaginaire collectif, une carrière dans l'IA reste souvent associée au développement de modèles, aux mathématiques avancées et aux grandes entreprises technologiques. La demande de spécialistes en apprentissage automatique, d'ingénieurs de données et de chercheurs en IA reste forte. Le Forum économique mondial classe les spécialistes de l'IA et de l'apprentissage automatique parmi les métiers connaissant la plus forte croissance d'ici 2030, aux côtés des spécialistes du big data et des ingénieurs en fintech.

Pourtant, ces postes ne représentent qu'une partie de l'impact sur l'emploi. Une entreprise qui utilise un modèle existant n'a pas nécessairement besoin de développer le sien. Elle a en revanche besoin de personnes capables de transformer un problème métier en un système fonctionnel.

Prenons l'exemple d'un assureur qui souhaite utiliser l'IA dans le traitement des sinistres. La question technique est de savoir si un modèle est capable de lire des formulaires, des photos et la correspondance avec les clients. Les questions opérationnelles sont plus complexes. Quels sinistres peuvent être traités automatiquement ? Quels éléments de preuve nécessitent un examen humain ? Comment traiter les résultats présentant un faible niveau de confiance ? Le système pourrait-il désavantager un groupe particulier de clients ? Comment un employé expliquera-t-il la décision si celle-ci est contestée ?

Une équipe de développement logiciel classique ne peut pas répondre seule à ces questions. Les spécialistes des sinistres maîtrisent le processus, les responsables de la conformité connaissent les obligations, les équipes chargées des données comprennent les informations disponibles et les chefs de produit décident comment articuler tous ces éléments.

Cela explique pourquoi bon nombre des postes les plus valorisés dans le domaine de l'IA seront de nature hybride plutôt que purement technique. Le collaborateur qui maîtrise à la fois le modèle et les processus métier devient le trait d'union entre ce que l'IA est capable de faire et ce que l'organisation peut lui permettre de faire en toute sécurité.

Le chef de produit IA

Le poste de chef de produit IA devrait devenir l'un des postes les plus pérennes issus du cycle actuel.

Les chefs de produit traditionnels définissent les besoins des clients, hiérarchisent les fonctionnalités et coordonnent les équipes de conception, d'ingénierie et commerciales. Un chef de produit spécialisé dans l'IA doit remplir ces mêmes missions tout en travaillant avec un système dont les résultats sont probabilistes plutôt que totalement prédéterminés.

Une fonctionnalité logicielle normale devrait produire le même résultat lorsqu'on lui donne la même instruction. Un modèle génératif peut produire des réponses différentes, émettre des affirmations non fondées ou fonctionner correctement pour des requêtes courantes, tout en échouant face à un cas inhabituel mais important sur le plan commercial.

Ce travail consiste donc à déterminer dans quels cas l'incertitude est acceptable. Un assistant de recherche interne peut tolérer un seuil de risque différent de celui d'un système automatisé envoyant des conseils financiers aux clients. Un outil marketing peut être autorisé à générer une première ébauche qu'un employé vérifiera ensuite. Un système de détection des fraudes, dont la décision de bloquer ou non une transaction dépend, nécessite des tests plus rigoureux, une traçabilité accrue et un processus d'escalade bien défini.

Ce poste n'exige pas du chef de produit qu'il entraîne un modèle de base. Il nécessite en revanche des connaissances techniques suffisantes pour comprendre les limites du modèle, des connaissances commerciales suffisantes pour identifier une application utile et un sens pratique suffisant pour concevoir les mesures de sécurité humaines qui l'encadrent.

Les meilleurs candidats ne seront probablement pas ceux qui se sont contentés de suivre une formation à la rédaction rapide. Ce seront plutôt des personnes capables de démontrer qu’elles ont amélioré un processus grâce à l’IA et qu’elles en ont mesuré les résultats.

L'architecte des flux de travail et des agents

À mesure que les entreprises se tournent vers des agents IA plutôt que vers des chatbots autonomes, la conception des flux de travail devient un métier à part entière.

Un agent peut se voir confier un objectif, disposer d'outils et effectuer une série d'actions. Dans le service client, il peut par exemple identifier un client, consulter les informations relatives à son compte, classer la demande, proposer une réponse et mettre à jour un dossier. Dans le domaine des achats, il peut examiner des contrats, comparer des fournisseurs et préparer une demande d'achat.

Le plus difficile n'est pas de demander à l'agent de “ résoudre le problème du client ”. Il s'agit plutôt de définir chacune des actions qu'il peut entreprendre, les informations auxquelles il peut accéder et les moments où une personne doit intervenir.

Un architecte de flux de travail cartographie ce processus. Ce rôle combine des aspects liés à l'analyse métier, à l'automatisation, à l'intégration des systèmes et à la conception organisationnelle. L'architecte détermine quelles tâches doivent rester du ressort de l'humain, lesquelles peuvent être déléguées et comment le travail doit être renvoyé à un collaborateur lorsque le système rencontre une exception.

C'est également là que se jouera la réussite ou l'échec de nombreux projets d'IA. Une entreprise peut acquérir un modèle de pointe et ne générer que peu de valeur si elle intègre cet outil dans un processus mal conçu. Mettre un chatbot à la disposition des employés sans modifier les procédures de validation, les responsabilités ou les flux d'informations permet souvent de gagner quelques minutes, mais ne transforme pas pour autant le travail.

L'architecte de flux de travail ne se contente pas d'automatiser les étapes existantes. Un bon architecte se demande si ces étapes ont vraiment lieu d'être.

Responsable de l'évaluation des modèles et de la qualité de l'IA

Les tests logiciels visent traditionnellement à vérifier si un système fonctionne conformément à un cahier des charges défini. L'évaluation de l'IA est moins simple, car la qualité d'une réponse peut dépendre de sa précision, de sa pertinence, de son ton, de sa sécurité et de son contexte.

Une réponse du service client peut être exacte sur le plan factuel, mais inappropriée. Un résumé juridique peut rendre compte du sens général tout en omettant la clause qui modifie le risque commercial. Un outil de recrutement peut sembler globalement précis, tout en s'avérant moins fiable pour certains groupes particuliers.

Les évaluateurs de modèles créent des ensembles de test, définissent les critères de performance acceptables et analysent les échecs récurrents. Ils peuvent comparer des modèles, évaluer les résultats générés dans différentes langues et tester le comportement d'un système lorsqu'il reçoit des instructions trompeuses, incomplètes ou hostiles.

Ce travail peut faire appel à des outils techniques, mais sa valeur repose en grande partie sur l'expertise dans le domaine concerné. Un évaluateur généraliste peut vérifier la grammaire et la cohérence. Il faut un médecin pour déterminer si un résumé clinique généré par l'IA a omis un détail important sur le plan médical. Un professionnel de la finance peut repérer les cas où une explication plausible du marché est économiquement incohérente.

Ce poste peut relever des départements Produit, Risques, Science des données ou Opérations, selon l'entreprise. Dans les secteurs réglementés, il est probable qu'il devienne de plus en plus formel, car les entreprises auront besoin de preuves attestant qu'un système a été testé avant son déploiement et surveillé par la suite.

Il faut que quelqu'un décide ce que signifie “ suffisamment bon ”. Ce n'est pas une question à laquelle le modèle peut répondre de lui-même.

Le spécialiste de la gouvernance de l'IA et des risques liés aux modèles

Autrefois, les entreprises considéraient la gouvernance de l'IA comme un simple exercice de politique générale : rédiger des principes, créer un comité et interdire aux employés de saisir des informations confidentielles dans des outils publics.

Cette approche s'avère insuffisante lorsque l'IA est intégrée aux décisions opérationnelles.

Les spécialistes de la gouvernance dressent l'inventaire des modèles et des outils d'IA utilisés dans l'ensemble de l'entreprise, les classent en fonction des risques et déterminent qui est responsable de chaque système. Ils examinent les questions relatives à la protection des données, à la propriété intellectuelle, à la discrimination, à l'explicabilité, à la dépendance vis-à-vis des fournisseurs et aux obligations réglementaires.

Ce rôle revêt une importance particulière lorsque les employés adoptent des outils sans autorisation officielle. Un service marketing peut ainsi connecter un service d'IA grand public aux données clients. Une équipe commerciale peut utiliser un assistant de réunion automatisé qui stocke les enregistrements chez un prestataire externe. Un développeur peut intégrer du code généré par un modèle sans en comprendre la provenance ni les vulnérabilités.

Le spécialiste de la gouvernance doit identifier ces utilisations sans pour autant paralyser l'organisation. Un dispositif exigeant six mois de procédure d'approbation pour un assistant de rédaction à faible risque incitera le personnel à contourner ces règles. À l'inverse, un dispositif traitant chaque demande comme inoffensive expose l'organisation à des risques juridiques et opérationnels.

Ce poste convient aux personnes issues des domaines de la conformité, du droit, de l'audit, de la protection des données, de la cybersécurité et de la gestion des produits réglementés. Elles doivent posséder une maîtrise technique suffisante pour remettre en question les fournisseurs et comprendre le fonctionnement d'un système, mais leur principale valeur réside dans leur capacité à traduire les règles en contrôles concrets.

La loi européenne sur l'IA (AI Act) accentue cette demande, mais la réglementation n'est qu'un facteur parmi d'autres. Les conseils d'administration et les assureurs exigent de plus en plus que les entreprises démontrent qu'elles savent où l'IA est utilisée et qui en est responsable.

Le spécialiste de la sécurité en matière d'IA

L'IA soulève des problèmes de sécurité qui ne s'inscrivent pas clairement dans le cadre de la cyberdéfense traditionnelle.

Les modèles peuvent être manipulés par le biais de l'« injection de prompts » : des instructions malveillantes dissimulées dans un document ou une page web peuvent alors provoquer un comportement inattendu de la part d'un système d'IA. Des informations sensibles peuvent faire l'objet de fuites en raison de systèmes de recherche mal conçus. Les agents ayant accès à la messagerie électronique, aux fichiers ou aux systèmes financiers peuvent mener des actions préjudiciables si leurs autorisations sont trop étendues.

Un spécialiste de la sécurité en IA examine ces nouvelles surfaces d'attaque. Son travail peut consister à tester des modèles, à restreindre l'accès aux données, à surveiller l'activité des agents et à mettre en place des contrôles concernant les outils externes et les fournisseurs de modèles.

Le risque s'accroît lorsqu'un système d'IA est autorisé à agir plutôt qu'à se contenter de donner des conseils. Un chatbot qui produit un brouillon de mauvaise qualité cause des désagréments. Un agent capable d'approuver des remboursements, de modifier les coordonnées d'un compte ou d'exécuter du code entraîne un incident de sécurité.

Cela devrait devenir une spécialité au sein de la cybersécurité plutôt qu'un métier à part entière dans chaque organisation. Les grandes entreprises pourraient mettre en place des équipes dédiées. Les petites entreprises, quant à elles, s'attendront à ce que leurs professionnels de la sécurité acquièrent des compétences spécifiques à l'IA.

Quoi qu’il en soit, il ne suffira pas de connaître les règles élémentaires de cyberhygiène. Les équipes de sécurité devront comprendre comment les modèles interprètent les instructions et comment un processus métier légitime peut être détourné à l’encontre du système.

Le responsable des données et l'ingénieur du savoir

L'IA générative a amené les entreprises à redécouvrir un problème qu'elles avaient souvent mis de côté : leurs informations internes sont fragmentées, dupliquées, obsolètes et difficiles à retrouver.

Un modèle alimenté par des informations de mauvaise qualité ne résout pas ce problème. Il fournit simplement plus rapidement des réponses à partir de ces informations.

Les gestionnaires de données déterminent à qui appartiennent les ensembles de données importants, ce qui peut être utilisé, combien de temps ces données doivent être conservées et si elles sont exactes. Les ingénieurs du savoir organisent les documents, la terminologie et les relations afin qu’un système d’IA puisse extraire les informations pertinentes. Ils décident quelle politique est en vigueur, comment les noms de produits doivent être classés et quelles sources doivent prévaloir en cas de conflit entre les enregistrements.

Ce travail est moins prestigieux que le développement de modèles, mais il peut déterminer si un assistant IA interne inspire confiance. Un employé cessera d’utiliser un outil qui renvoie sans cesse des politiques obsolètes ou qui confond des clients portant des noms similaires. Une fois la confiance perdue, les améliorations techniques risquent de ne pas suffire à rétablir l’adhésion à l’outil.

Ce poste exige également une certaine autorité au sein de l'organisation. Le nettoyage des données n'est pas un projet ponctuel mené par une équipe informatique. Les unités opérationnelles doivent gérer les informations qu'elles génèrent et adhérer à des normes communes. L'ingénieur en connaissances travaille donc autant avec les personnes et la prise en charge des données qu'avec les bases de données.

Les entreprises qui affirment ne pas être prêtes pour l'IA parce que leurs données sont de mauvaise qualité pourraient bien découvrir que la préparation de ces données constitue en soi l'une des principales sources de travail supplémentaire.

Le formateur IA n'est pas un tuteur sous forme de chatbot

L'expression “ formateur en IA ” peut désigner plusieurs métiers différents, dont certains offrent une plus grande stabilité que d'autres.

Dans les entreprises « modèles », les formateurs peuvent étiqueter des données, comparer les résultats et fournir des retours d'expérience spécialisés destinés à améliorer un système. Au sein d'une entreprise classique, ce rôle consiste plutôt à enseigner à un système d'IA les règles de l'organisation et à former les employés à son utilisation.

Un formateur peut collaborer avec les responsables du service client pour définir des exemples de réponses satisfaisantes, identifier les formulations que l'entreprise doit éviter et déterminer dans quels cas l'outil doit transmettre un dossier à un niveau hiérarchique supérieur. Cette même personne peut également former le personnel à vérifier les résultats générés plutôt que de les accepter automatiquement.

Cela diffère d'un atelier générique consacré aux consignes de rédaction. Les employés ont besoin de conseils en lien avec leur travail concret : quel outil utiliser, quelles données saisir, comment vérifier une réponse et quelles traces du processus doivent être conservées.

Ce poste ne sera peut-être pas maintenu en tant que fonction autonome dans toutes les entreprises. Les responsabilités en matière de formation pourraient être transférées vers les services de formation et de développement, les opérations produit ou différents départements. Le travail sous-jacent restera toutefois d'actualité, car les systèmes d'IA et les pratiques des employés évoluent tous deux trop rapidement pour qu'une formation ponctuelle puisse suffire.

L'analyste spécialisé dans la valeur de l'IA et le retour sur investissement

L'un des nouveaux métiers liés à l'IA les moins prestigieux pourrait bien s'avérer être l'un des plus importants.

Les entreprises ont investi massivement dans des licences, des projets pilotes et des missions de conseil sans toujours définir clairement ce que devait être la réussite. Le gain de temps est souvent estimé à partir d'enquêtes menées auprès des salariés. L'utilisation est considérée comme un indicateur de productivité. Une démonstration soignée est confondue avec un résultat d'exploitation.

Un analyste spécialisé dans l'évaluation de la valeur à l'aide de l'IA vérifie ces affirmations.

Pour un outil de service client, l’analyste pourrait examiner le délai de résolution, les contacts répétés, la satisfaction client, les erreurs et les taux d’escalade. Pour un assistant de codage, les indicateurs pourraient inclure la rapidité de livraison, les défauts, les failles de sécurité et le temps que les ingénieurs seniors consacrent à la révision du travail généré. Un système de traitement de documents ne doit pas être évalué uniquement en fonction de la rapidité avec laquelle il extrait les informations, mais également en fonction du coût lié à la correction des erreurs.

L'analyse doit prendre en compte l'ensemble des coûts de mise en œuvre : licences, intégration, préparation des données, sécurité, formation, supervision et évaluation continue. Un outil qui fait gagner dix minutes par jour aux employés peut ne pas générer de retour sur investissement si ce gain de temps est fragmenté et ne peut être converti en production supplémentaire ou en réduction des coûts.

Ce poste peut relever des services financiers, de la stratégie, des opérations ou d’un service central dédié à l’IA. Il valorise autant le scepticisme que l’enthousiasme. Le rôle de l’analyste n’est pas de prouver que l’IA fonctionne, mais d’identifier les domaines dans lesquels elle est efficace.

Le métier d'ingénieur en modèles de langage pourrait ne pas devenir ce qu'on imaginait autrefois

En 2023, le métier d’« ingénieur de prompts » a souvent été présenté comme le poste emblématique de l’économie de l’IA générative. Certaines des premières offres d’emploi proposaient des salaires exceptionnellement élevés à ceux capables de concevoir des instructions pour les modèles linguistiques.

La conception des prompts reste importante. Des instructions claires, des exemples, des résultats structurés et des tests peuvent améliorer considérablement les performances. Cependant, la conception de prompts devient de plus en plus une compétence intégrée à d’autres métiers plutôt qu’une profession à part entière.

Un juriste qui utilise l'IA doit bien définir sa recherche juridique. Un responsable marketing doit fournir des instructions à un système de création de contenu. Un chef de produit doit définir le comportement d'un agent. À mesure que les interfaces s'améliorent et que les modèles parviennent mieux à interpréter le langage courant, la valeur ne réside plus dans la maîtrise d'un ensemble de techniques de formulation de requêtes, mais dans la compréhension du domaine et du flux de travail sous-jacents.

L'avantage durable ne réside pas dans la capacité à amener une IA à produire une réponse séduisante. Il s'agit plutôt de savoir si cette réponse est utile, acceptable et correcte.

Les emplois existants évolueront plus rapidement que ne apparaîtront de nouveaux postes

Dans son « Work Trend Index 2025 », Microsoft a indiqué que 78 % des dirigeants interrogés envisageaient de recruter pour de nouveaux postes liés à l'IA. Parmi les postes envisagés figuraient des formateurs en IA, des spécialistes des données et de la sécurité, des spécialistes des agents, des analystes de retour sur investissement et des stratèges en IA, dans des domaines tels que la finance, le marketing et le service client.

Cela ne signifie pas pour autant que les entreprises vont créer un service distinct pour chacune d'entre elles. Dans de nombreuses organisations, cette tâche sera répartie entre les équipes existantes.

Un professionnel de la finance peut se voir confier la responsabilité des dossiers d'investissement liés à l'IA. Un responsable de la conformité peut prendre en charge la gouvernance des modèles. Un analyste métier peut commencer à concevoir les flux de travail des agents. Un gestionnaire de contenu peut superviser la qualité et la traçabilité de l'IA.

Une étude de LinkedIn suggère que 70 % des compétences requises dans la plupart des emplois pourraient évoluer entre 2015 et 2030, l’intelligence artificielle (IA) jouant un rôle de catalyseur. Son analyse du marché du travail pour 2026 a révélé que les offres d’emploi aux États-Unis exigeant des compétences en IA avaient augmenté de 70 % par rapport à l’année précédente.

Les implications vont bien au-delà d'un simple essor du recrutement de spécialistes. Même si le terme “ IA ” ne figure pas nécessairement dans l'intitulé de leur poste, les salariés devront de plus en plus être capables de comprendre en quoi cette technologie modifie leurs fonctions.

L'expertise sectorielle prend de plus en plus de valeur, et non l'inverse

Le marché actuel présente une contradiction apparente. L'IA est capable d'effectuer des tâches de plus en plus spécialisées, mais les entreprises ont néanmoins besoin de personnes disposant d'une expérience suffisante pour évaluer son travail.

Un employé inexpérimenté peut maîtriser parfaitement l'utilisation d'un modèle sans pour autant détecter une erreur plausible. À l'inverse, un spécialiste chevronné peut comprendre immédiatement l'erreur, mais ne pas avoir suffisamment confiance en lui pour repenser le processus en fonction de l'outil. Les meilleurs candidats allient ces deux compétences.

Les premières recherches menées par Anthropic sur le monde du travail ont révélé que l’utilisation de l’IA se concentrait sur certaines parties des métiers plutôt que sur l’ensemble des fonctions. Son analyse initiale suggérait que seule une petite partie des métiers recourait à l’IA pour la plupart de leurs tâches, tandis qu’un groupe bien plus important l’utilisait pour une minorité significative de leurs activités. Des données plus récentes indiquent que l’étendue de l’utilisation de l’IA dans les tâches continue de s’étendre, bien que son adoption reste inégale selon les professions et les pays.

C'est pourquoi l'effet immédiat sur le marché du travail devrait se traduire par une réorganisation des postes. Certaines tâches disparaissent, d'autres prennent de l'ampleur et de nouvelles responsabilités apparaissent, notamment en matière de supervision, de prise de décision et de conception de systèmes.

C'est au niveau des postes de débutants que la question se pose avec le plus de difficulté. Les jeunes employés ont traditionnellement acquis leurs compétences par le biais de recherches, de rédaction, de rapprochements et d'autres tâches que l'IA est désormais capable d'accomplir rapidement. Si les entreprises automatisent une trop grande partie de ce travail sans mettre en place un nouveau modèle de formation, elles risquent de réduire le vivier dans lequel se forment les futurs spécialistes.

L'IA peut permettre à un professionnel expérimenté d'être plus productif, tout en rendant plus difficile l'acquisition d'expérience pour un professionnel inexpérimenté. Les entreprises qui recrutent dans le cadre de la nouvelle économie de l'IA devront, à terme, résoudre ce problème elles aussi.

Comment se préparer sans devenir ingénieur en IA

Pour la plupart des professionnels, la réaction la plus sensée n’est pas d’abandonner leur domaine pour se former au métier de développeur de modèles. Il s’agit plutôt d’identifier dans quels domaines l’IA modifie la dynamique économique et les processus de travail du secteur qu’ils maîtrisent déjà.

Un professionnel de la communication pourrait apprendre à mettre en place un processus de création de contenu assisté par l'IA, doté de contrôles en matière de validation, de divulgation et de vérification des faits. Un spécialiste de la conformité pourrait étudier les inventaires de modèles, la classification des risques et la loi européenne sur l'IA. Un responsable des opérations pourrait cartographier un processus et déterminer quelles décisions se prêtent à l'automatisation. Un analyste financier pourrait développer une méthode permettant de mesurer le retour sur investissement de l'IA.

Un portfolio convaincant a plus de valeur qu'une simple collection de certificats génériques. Les candidats doivent être capables de montrer comment ils ont analysé un processus, choisi un outil adapté, identifié les risques et évalué les résultats. Même un petit projet interne peut en dire plus long sur leur capacité de jugement que le simple fait de prétendre bien connaître plusieurs plateformes d'IA.

Des compétences techniques sont un atout, notamment une bonne compréhension des données, des API, des systèmes de recherche et de l'évaluation des modèles. Elles ne remplacent toutefois pas les connaissances professionnelles.

La nouvelle catégorie d'emplois liés à l'IA se développe à la frontière entre ces deux domaines. Les entreprises ont largement accès aux modèles. Ce qui leur manque, ce sont des personnes capables de déterminer où les mettre en œuvre, comment les contrôler et à quel moment le résultat ne justifie plus le coût.