D2 · AI Strategy and Business Value Creation

C’est le domaine le plus lourd de l’examen — 28 % du blueprint, soit environ 24 des 85 items de notre examen blanc. C’est là où le jugement métier rencontre l’arithmétique : quels cas d’usage poursuivre, faut-il construire, acheter ou s’associer (build, buy, partner), comment prioriser un portefeuille et quand mettre à l’échelle, suspendre ou arrêter (scale, pause, terminate), comment concevoir des KPI et une référence, et comment calculer un ROI et un délai de retour qu’un directeur financier acceptera. Presque chaque item repose sur une discipline que l’examen récompense par-dessus tout : définir et mesurer la valeur avant de dépenser, et être prêt à tuer ce qui ne paie pas. Si vous maîtrisez les chiffres de cette page, ils sous-tendent aussi les arguments de valeur que les domaines de gouvernance et de transformation présupposent.

Ce qu’il faut savoir

La stratégie part des résultats métier, pas de la technologie : vous trouvez des cas d’usage à fort impact dans les opérations clients, les ventes et le marketing, la R&D et le développement logiciel, puis vous cartographiez chaque capacité d’IA vers un résultat mesurable. Le build-buy-partner est une décision sur le budget, le calendrier, la capacité et la contrainte réglementaire, avec AWS Marketplace comme surface d’évaluation des options buy et partner. Vous priorisez sur la valeur, la faisabilité, la pérennité et l’alignement stratégique, et vous décidez de mettre à l’échelle, suspendre ou arrêter sur preuve. Vous établissez une référence (baseline) avant le déploiement, concevez des KPI qui capturent le bénéfice tangible et intangible, et calculez le ROI et le délai de retour avec de vrais chiffres. Les indicateurs avancés (leading) vous disent tôt si une initiative va fonctionner ; les indicateurs retardés (lagging) le confirment plus tard. Le contrôle des coûts, c’est choisir la bonne structure de tarification, utiliser des remises d’engagement et des leviers comme le batch et le routage, prévoir avec l’AWS Pricing Calculator et suivre les réalisés avec Cost Explorer.

Objectifs d’apprentissage

À la fin de cette page, vous devriez pouvoir :

1. Identifier des cas d’usage d’IA à fort impact à travers les fonctions métier et cartographier la capacité vers le résultat.
2. Évaluer les décisions build-buy-partner sur le budget, le calendrier, la capacité, la proposition du fournisseur et la contrainte réglementaire.
3. Prioriser les initiatives sur la valeur, la faisabilité, la pérennité et l’alignement stratégique, et décider de mettre à l’échelle, suspendre ou arrêter (scale, pause, terminate).
4. Reconnaître quand l’IA n’est pas la solution appropriée.
5. Évaluer les considérations de transition : continuité d’activité, coût, état de préparation des données, impact sur la performance et migration de plateforme.
6. Concevoir des KPI qui capturent les bénéfices tangibles et intangibles.
7. Construire une référence avant le déploiement, et agir sensément quand aucune référence n’existe.
8. Calculer le ROI, le délai de retour et un dossier pluriannuel de type NPV avec une vraie arithmétique.
9. Distinguer les indicateurs avancés qui prédisent le succès des indicateurs retardés qui le confirment.
10. Appliquer le contrôle des facteurs de coût : structures de tarification, remises d’engagement, leviers batch et routage, Pricing Calculator et Cost Explorer.
11. Aligner le niveau d’investissement sur la maturité du secteur et la dynamique concurrentielle.

Énoncés de tâches couverts

2.1 Finding high-impact use cases and mapping capability to outcome

La stratégie commence par demander où l’IA crée-t-elle le plus de valeur ici, pas où pouvons-nous greffer de l’IA. Les cas d’usage à fort impact se regroupent dans quatre fonctions que l’examen nomme explicitement.

La discipline que l’examen récompense est la carte capacité → résultat : énoncez la capacité d’IA, le processus qu’elle change, la métrique qu’elle déplace et la taille du gain avant de choisir un outil.

  CAPABILITY  ─►  PROCESS CHANGED  ─►  METRIC MOVED  ─►  VALUE
  summarise       agent reads less    handle time -25%   $X saved/yr
  a call          per ticket

Un cas d’usage sans métrique qu’il déplace n’est pas un cas d’usage ; c’est un vœu. Quand un énoncé décrit l’achat d’un outil avant de nommer le résultat, la bonne réponse inverse l’ordre.

2.2 Build vs buy vs partner

Une fois un cas d’usage choisi, décidez comment sourcer la capacité. Les quatre leviers sont le budget, le calendrier, la capacité (avons-nous les compétences et la différenciation) et la contrainte réglementaire.

AWS Marketplace est la surface nommée par l’examen pour évaluer les options buy et partner — un catalogue où vous comparez solutions tierces, conditions et tarifs face à une estimation de build. Évaluez une proposition de fournisseur sur bien plus que le prix : adéquation au cas d’usage, conditions d’entraînement et de résidence des données, sécurité et certifications, coût total intégration comprise, et une voie de sortie.

Exemple travaillé. Un besoin courant d’extraction documentaire, non différenciant, souhaité en huit semaines.

  Build:   6-month project, $400k build + $120k/yr maintenance,
           needs 3 hires you do not have.
  Buy:     Marketplace solution, $6k/mo consumption, live in 4 weeks,
           standard extraction fits the need.
  Decision: BUY. The capability is not differentiating, the timeline
           and budget favour buy, and building would divert scarce
           talent from work that IS differentiating.

La règle stratégique : ne construisez que ce qui vous différencie. Construire une capacité banalisée est la réponse classique qui détruit de la valeur.

2.3 Prioritisation, and the scale / pause / terminate decision

Vous aurez toujours plus d’initiatives candidates que de capacité. Priorisez sur quatre axes — valeur, faisabilité, pérennité, alignement stratégique — et soyez prêt à arrêter.

• Valeur — taille du résultat, confiance en celui-ci.
• Faisabilité — état de préparation des données, difficulté technique, capacité organisationnelle.
• Pérennité — pouvez-vous l’exploiter et le financer au-delà du pilote ; le modèle de coût est-il viable à l’échelle.
• Alignement stratégique — fait-il avancer un objectif métier énoncé.

Une fois une initiative en cours, la même preuve pilote une décision périodique scale / pause / terminate :

L’instinct le plus difficile ici est d’arrêter une initiative à coût irrécupérable. L’argent déjà dépensé est perdu que vous continuiez ou non ; la seule question est de savoir si la dépense future mérite son retour. Une initiative qui a manqué sa référence et n’a aucune voie corrigeable doit être arrêtée, pas materné.

2.4 When AI is not the answer

Un stratège gagne en crédibilité en disant non à l’IA quand elle est le mauvais outil. L’IA n’est pas la réponse quand :

• Le problème est déterministe et mieux servi par une règle (voir Domaine 1).
• Les données n’existent pas ou sont trop pauvres pour soutenir un modèle, et ne peuvent être corrigées à temps.
• Le coût dépasse la valeur, ou la valeur ne peut pas être mesurée du tout.
• Le risque est inacceptable pour la tolérance à l’erreur (un usage irréversible, non réglementable).
• Le vrai problème est un problème de processus ou de données que l’IA ne ferait que masquer.

« Corrigez d’abord le processus défaillant, puis décidez si l’IA aide » est fréquemment la bonne réponse. Ajouter de l’IA par-dessus un processus défaillant met généralement le désordre à l’échelle.

2.5 Transition considerations and platform migration

Migrer un processus vers l’IA — ou d’une plateforme d’IA à une autre — est un problème de conduite du changement et de continuité, pas un simple basculement technique. Cinq considérations reviennent.

Le discriminant : un plan de transition sans repli et déploiement par phases est la mauvaise réponse. Tout basculer d’un coup est un risque de continuité.

2.6 KPI design — tangible and intangible benefits

Un KPI n’est utile que s’il est lié au résultat et mesurable. L’examen distingue deux familles.

Concevez un petit arbre de KPI, pas un tableau de bord de tout :

        NORTH-STAR OUTCOME KPI  (e.g. cost per resolved ticket)
                    │
      ┌─────────────┼──────────────┐
   leading        leading        guardrail
   (deflection    (handle time)   (CSAT must
    rate)                          not drop)

Le garde-fou est ce qui vous empêche de « gagner » sur le coût tout en ruinant en silence l’expérience client. Les bénéfices intangibles sont une vraie valeur ; l’examen veut que vous les approchiez par proxy et les suiviez, pas que vous les écartiez parce qu’ils sont plus difficiles à quantifier.

2.7 Baselines before deployment

C’est la discipline la plus examinée de tout le domaine. Vous ne pouvez pas prouver une valeur que vous n’avez pas mesurée avant de commencer. Une référence est la mesure de l’état actuel des KPI que vous entendez déplacer, capturée avant la mise en service de l’IA.

   BASELINE (before)   ──────►   RESULT (after)   =   VALUE
   handle time 12 min           handle time 9 min     3 min/ticket saved
   captured for 4 weeks         same measure          × volume × cost

Comment en construire une : choisissez les KPI liés au résultat, mesurez-les sur une période représentative (assez longue pour couvrir la variation normale), consignez la méthode pour que l’« après » soit mesuré de la même façon, et notez les conditions (volume, saisonnalité).

Quand aucune référence n’existe : n’abandonnez pas la mesure. Options par ordre de préférence — (1) mener une courte période de mesure avant déploiement ; (2) utiliser un groupe témoin (certaines unités gardent l’ancien processus) pour comparer en parallèle ; (3) reconstruire à partir des enregistrements historiques ; (4) en dernier recours, un A/B ou un holdout pendant le déploiement. Ce que vous ne devez pas faire, c’est déployer d’abord et revendiquer la valeur ensuite, de mémoire. « On pense que c’est plus rapide » n’est pas de la valeur ; un delta mesuré, oui.

2.8 ROI frameworks with worked arithmetic

Le ROI transforme une histoire de valeur en un chiffre qu’un directeur financier financera. Les briques sont les économies de temps, la réduction de coût, la croissance du revenu et les gains de productivité, nettes du coût.

ROI de base et délai de retour.

  ROI (%) = (net benefit − cost) / cost × 100
  Payback = cost / annual net benefit

Cas travaillé — automatisation du support.

  Baseline: 100,000 tickets/yr, 12 min each, loaded agent cost $30/hr
  After:    handle time 9 min  → 3 min saved per ticket
  Time saved: 100,000 × 3 min = 300,000 min = 5,000 hours/yr
  Gross saving: 5,000 hrs × $30 = $150,000/yr
  Annual AI cost (consumption + oversight): $40,000/yr
  Net annual benefit: $150,000 − $40,000 = $110,000/yr
  One-off implementation: $60,000
  Year-1 ROI = (110,000 − 60,000) / 60,000 × 100 = 83%
  Payback = 60,000 / 110,000 ≈ 0.55 yr ≈ 6.5 months

Cas pluriannuel, de type NPV. L’argent de l’an prochain vaut moins que l’argent d’aujourd’hui ; actualisez les bénéfices futurs. En appliquant un taux d’actualisation de 10 % au même bénéfice net de 110 000 $/an, avec les 60 000 $ dépensés d’avance :

  Discount factor = 1 / (1 + r)^n,  r = 10%
  Year 0: −60,000                          = −60,000
  Year 1: 110,000 / 1.10   = 100,000       → PV 100,000
  Year 2: 110,000 / 1.21   =  90,909       → PV  90,909
  Year 3: 110,000 / 1.331  =  82,645       → PV  82,645
  NPV (3 yr) = −60,000 + 100,000 + 90,909 + 82,645 = 213,554

Une NPV positive d’environ 213,5 k$ sur trois ans dit que l’investissement crée de la valeur même après actualisation. L’examen attend que vous (a) nettiez le bénéfice de tout coût, supervision comprise, (b) ne confondiez pas l’économie brute et l’économie nette, et (c) reconnaissiez qu’un délai de retour inférieur à un an avec une NPV pluriannuelle positive est un dossier solide. Le piège subtil est de compter le temps gagné comme du cash sans demander si les heures libérées sont réaffectées — si les agents ne sont pas réaffectés ou réduits, l’« économie » est de la capacité, pas du cash, et devrait être étiquetée comme telle.

2.9 Leading versus lagging indicators

Vous pilotez avec des indicateurs avancés et vous rendez compte avec des retardés. Les confondre signifie que vous l’apprenez trop tard.

  LEADING            LAGGING
  adoption ↑   ──►   handle time ↓   ──►   cost/ticket ↓   (outcome)
  (week 1)           (month 1)             (quarter)

L’examen veut que vous choisissiez des indicateurs avancés pour gérer le pilote (une faible adoption la première semaine prédit l’échec tant que vous pouvez encore le corriger) et des indicateurs retardés pour décider de mettre à l’échelle. Une initiative qui ne rapporte que des métriques retardées découvre les problèmes une fois l’argent dépensé.

2.10 Cost-factor controls

La discipline de coût est une compétence stratégique, pas une réflexion après coup. Partez de la structure de tarification, puis appliquez les leviers.

Leviers, au niveau métier :

• Remises d’engagement — les Savings Plans, les engagements de Provisioned Throughput et les paliers réservés échangent la flexibilité contre un tarif plus bas ; ne valent le coup qu’à une utilisation forte et prévisible.
• Traitement par batch — le travail non urgent exécuté en batch peut être nettement moins cher qu’à la demande.
• Routage — envoyer les requêtes plus simples à des modèles plus petits/moins chers et seulement les difficiles aux modèles premium contrôle le coût moyen.
• Dimensionnement du contexte — le RAG et le résumé réduisent les tokens par requête (voir Domaine 1).

Outils : l’AWS Pricing Calculator produit une estimation prévisionnelle avant que vous vous engagiez ; AWS Cost Explorer montre les réalisés, les tendances et les anomalies une fois en service. L’appariement que l’examen récompense : prévoir avec le Calculator, vérifier et enquêter avec Cost Explorer.

Exemple de levier travaillé.

  1,000,000 requests/mo, on-demand $0.010 each = $10,000/mo
  70% are simple → route to a model at $0.003 each:
     700,000 × $0.003 = $2,100
     300,000 × $0.010 = $3,000
     Total = $5,100/mo  → 49% cheaper, same accuracy on routed work

2.11 Competitive positioning and investment level

La dernière tâche lie la valeur à la stratégie. L’IA peut créer un avantage de trois façons : amélioration opérationnelle (faire la même chose moins cher/plus vite/mieux), transformation du modèle d’affaires (faire quelque chose que l’entreprise ne pouvait pas faire avant — nouveaux produits, nouvelle tarification, nouveaux canaux) et positionnement défensif (suivre le rythme pour que les rivaux ne prennent pas de l’avance).

Alignez le niveau d’investissement sur la maturité du secteur et la dynamique concurrentielle.

  INDUSTRY MATURITY  →  INVESTMENT POSTURE
  emerging      →  small experiments, preserve optionality
  accelerating  →  scale the winners, invest to keep pace
  table-stakes  →  invest to not fall behind (defensive)
  commoditised  →  buy it cheaply, differentiate elsewhere

Le piège est un investissement uniforme quel que soit le contexte — soit sur-investir dans une banalité, soit sous-investir là où l’IA devient un incontournable. L’avantage durable vient de données propriétaires, de l’intégration dans le flux de travail et de l’amélioration continue, pas d’avoir acheté un modèle que tout le monde peut acheter.

Cadre de décision

La grille de priorisation valeur-faisabilité-risque

Notez chaque initiative candidate de 1 à 5 sur trois dimensions composites, pondérez-les, et laissez le total plus le seuil de risque piloter la décision scale/pause/terminate.

Règle de notation. Score pondéré = Value × 0.5 + Feasibility × 0.3 + Risk × 0.2. Puis appliquez les seuils : toute dimension notée 1 déclenche pause (corriger l’écart) ou terminate (si incorrigible) ; un score pondéré élevé avec tous les seuils dégagés soutient le scale.

Portefeuille travaillé. Trois initiatives en cours revues ce trimestre :

Trace de raisonnement. A dégage tous les seuils et a battu sa référence avec une économie unitaire soutenable — mettez-la à l’échelle, et réutilisez son motif. B se note bien sur la valeur mais 2 en faisabilité à cause d’un blocage corrigeable (validation juridique de l’accès aux données) — suspendez avec une date de réexamen, ne tuez pas une initiative prometteuse pour un obstacle temporaire. C a échoué à sa référence deux fois sur des données incorrigibles dans l’horizon pertinent ; l’argent déjà dépensé est irrécupérable et sans pertinence — arrêtez, et redéployez son budget vers la mise à l’échelle d’A. La discipline du cadre est de refuser que le coût irrécupérable garde C en vie ou que le blocage corrigeable de B soit pris pour un échec.

Erreurs fréquentes

Étude de cas guidée

Scénario. Vous conseillez un assureur de taille moyenne. Le COO veut une décision sur trois initiatives d’IA et une histoire de ROI défendable pour le conseil. Initiative une : un assistant de résumé de sinistres qui rédige un résumé de chaque dossier pour les experts ; un pilote de quatre semaines a réduit le temps de lecture de l’expert de 20 minutes à 12 minutes par sinistre sur 200 000 sinistres par an, et un fournisseur sur AWS Marketplace le propose à 9 000 $/mois à la consommation. Initiative deux : un modèle de scoring de fraude que l’équipe construit depuis neuf mois ; il a manqué sa cible d’exactitude deux fois, les données de fraude étiquetées sont éparses, et il n’y a aucune voie vers plus de données cette année — mais 500 000 $ ont été dépensés. Initiative trois : un chatbot d’IA que le CMO veut « parce que notre concurrent en a lancé un », sans métrique énoncée. Le conseil veut des chiffres, pas des adjectifs, et le directeur financier est sceptique face aux revendications de ROI de l’IA.

Trace de raisonnement d’expert.

1. Résumé de sinistres — construisez le chiffre correctement. Le pilote donne une référence mesurée (20 min) et un résultat (12 min), donc la valeur est réelle, pas affirmée. Temps gagné : 8 min × 200 000 = 1 600 000 min = 26 667 heures/an. À un coût chargé d’expert de, disons, 40 $/h, l’économie brute est de 1 066 680 $/an. Net face au coût de l’IA (9 000 $ × 12 = 108 000 $/an) plus, disons, 50 000 $ de supervision et changement : net ≈ 908 680 $/an. Mais je signale le point d’honnêteté au directeur financier sceptique : c’est de la capacité à moins que les experts soient réaffectés pour résorber l’arriéré ou que les plans d’effectifs changent — je la présente comme de la capacité convertible en cash ou en débit, pas comme un chèque en cash. Même actualisée, la NPV pluriannuelle est fortement positive et le délai de retour est une affaire de semaines. Buy (Marketplace) bat build ici car le résumé est non différenciant. Scale, sourcé par buy.

2. Scoring de fraude — résistez au coût irrécupérable. Les 500 000 $ sont perdus que nous continuions ou non ; la seule question est de savoir si la dépense future mérite un retour. Il a manqué sa cible deux fois, les données sont éparses, et il n’y a aucune voie pour corriger les données cette année — la faisabilité note 1 sur la grille, ce qui gate vers terminate quand c’est incorrigible. Je recommande terminate (ou au plus une pause à seuil dur avec une condition spécifique d’acquisition de données et une date de fin), et je dis au conseil clairement que continuer à cause des 500 000 $ déjà dépensés serait le sophisme du coût irrécupérable.

3. Chatbot concurrent — refusez le cadrage. « Parce que notre concurrent en a lancé un » n’est pas un résultat. Avant toute dépense, j’exige un cas d’usage défini, la métrique qu’il déplace et une référence. Si un vrai résultat existe (disons dévier 30 % de 500 000 contacts connus à faible complexité), il devient un dossier mesurable ; sinon, c’est un vœu et la réponse est non. Pause en attente d’un résultat défini et d’une référence — ne financez pas une initiative sans métrique juste pour égaler un rival.

4. Donnez au directeur financier ce qui gagne la confiance. Pour la seule initiative avec une référence mesurée, je présente le bénéfice net (pas brut), une réserve explicite capacité-versus-cash, un chiffre de délai de retour et une NPV pluriannuelle actualisée, plus les indicateurs avancés (adoption, minutes gagnées par sinistre la première semaine) que nous surveillerons pour attraper la dégradation tôt. C’est l’histoire qu’un directeur financier sceptique finance.

Recommandation correcte à l’examen : mettre à l’échelle le résumé de sinistres via un achat Marketplace avec un ROI net et honnêtement nuancé ; arrêter (ou mettre sous seuil dur) le modèle de fraude à coût irrécupérable ; et refuser de financer le chatbot concurrent tant qu’il n’a pas de résultat défini et de référence. Rejeter de compter les économies brutes comme du cash, rejeter de continuer le scoring de fraude à cause des 500 000 $ dépensés, et rejeter de lancer le chatbot sur la seule envie concurrentielle.

Pièges de l’examen dans ce domaine

Questions d’entraînement

Chaque item indique combien de réponses sélectionner. Tentez avant de révéler.

À retenir

• Partez du résultat métier et d’une métrique mesurable ; sourcez la capacité (build/buy/partner) seulement après que le résultat est défini, et ne construisez que ce qui vous différencie.
• Établissez une référence avant le déploiement — ou reconstruisez-en une avec des données historiques ou un groupe témoin ; une valeur que vous n’avez pas mesurée, vous ne pouvez pas la défendre.
• Calculez le ROI sur le bénéfice net face à tout coût, supervision comprise, et soyez honnête sur le fait que le temps gagné est du cash ou de la capacité ; montrez le délai de retour et une NPV pluriannuelle actualisée.
• Priorisez sur la valeur, la faisabilité, la pérennité et l’alignement, et utilisez la grille pour décider scale, pause ou terminate — le coût irrécupérable ne justifie jamais de continuer.
• Pilotez avec des indicateurs avancés, décidez de la mise à l’échelle avec des retardés ; une initiative n’ayant que des métriques retardées l’apprend trop tard.
• Alignez la structure de tarification (consommation, instance, siège) sur le volume et la prévisibilité, et n’utilisez les leviers d’engagement, de batch et de routage que là où ils paient réellement ; prévoyez avec le Pricing Calculator, vérifiez avec Cost Explorer.
• L’IA n’est pas toujours la réponse — un problème déterministe, des données absentes ou un processus défaillant sont des raisons de dire non.
• Alignez le niveau d’investissement sur la maturité du secteur, et construisez un avantage durable à partir de données propriétaires, d’intégration au flux de travail et d’amélioration continue, pas d’un modèle achetable.