Mesurer l'usage et l'impact
Mis à jour le 28 juillet 2026
Ce qui ne se mesure pas ne se pilote pas
Vous avez déployé ChatGPT Enterprise, formé vos champions, lancé votre programme d’adoption. Reste à prouver que ça fonctionne. Les métriques remplissent deux fonctions qu’on confond : elles pilotent au quotidien et elles argumentent au moment de l’arbitrage budgétaire. Les premières se regardent chaque semaine pour corriger, les secondes chaque trimestre pour convaincre. Un dispositif qui ne sert que la seconde produit des chiffres flatteurs et inutiles.
Ce que la console admin vous donne déjà
Les métriques d’adoption sont quantitatives et disponibles dans la console admin Enterprise. Le taux d’activation — la part d’utilisateurs ayant créé au moins une conversation — doit dépasser 90 % à M+1 : en dessous, ce sont vos comptes ou votre communication qui sont en cause, pas l’outil. Les utilisateurs actifs quotidiens (DAU) et mensuels (MAU) comptent les utilisateurs uniques sur chaque période, mais c’est leur rapport qui parle : un ratio DAU/MAU supérieur à 40 % signifie qu’un utilisateur du mois revient plus de deux jours sur cinq — l’outil est entré dans les habitudes. À 15 %, il reste un recours occasionnel.
Trois indicateurs complètent le tableau. Les conversations par utilisateur actif et par semaine distinguent l’usage profond de la visite polie. La répartition des modèles — GPT-5.6 Terra, GPT-5.6 Sol, GPT-5.6 Luna, et niveaux de raisonnement activés — révèle la maturité des équipes : qui n’active jamais les niveaux élevés ne s’attaque pas encore aux tâches complexes. Le classement des GPTs internes par popularité, croisé avec leur taux d’utilisation récurrente, sépare les actifs des prototypes oubliés.
Ce qu’aucune console ne mesure
Les métriques d’impact demandent des enquêtes ou des mesures complémentaires, et c’est pour cela qu’on les néglige. Le temps gagné par tâche s’obtient par auto-déclaration ou par comparaison avant/après sur des processus documentés. La qualité perçue tient à une question : les livrables produits avec ChatGPT sont-ils jugés meilleurs, équivalents ou inférieurs ? Le recensement des cas d’usage installés durablement par département vaut mieux qu’une liste théorique. Et le taux de réutilisation des GPTs tranche leur valeur : utilisé une fois, un GPT n’a rien produit ; utilisé quotidiennement, c’est un actif.
Côté satisfaction, posez le NPS interne dans sa forme canonique — « Sur une échelle de 0 à 10, recommanderiez-vous ChatGPT Enterprise à un collègue ? » — et une enquête trimestrielle de cinq questions sur la satisfaction, les blocages et les suggestions. Le feedback qualitatif remonte en continu par les champions ; il arrive avant les chiffres et explique ce que ceux-ci se contentent de constater.
Construire le dashboard et sa cadence
La console fournit la matière brute : conversations par jour, semaine et mois, utilisateurs actifs par période, répartition par modèle et par workspace, top GPTs par utilisation, export CSV pour vos propres outils. Il vous reste à en faire un dashboard mensuel — Notion, Google Sheets ou votre outil de BI — organisé en cinq blocs : vue globale avec DAU, MAU, ratio et tendance sur trois mois ; vue par département avec un code couleur (vert au-dessus de 60 %, orange entre 30 et 60 %, rouge en dessous) ; les dix cas d’usage les plus fréquents et leur temps gagné estimé ; le NPS et ses verbatims ; l’estimation du temps gagné valorisé face au coût des licences.
La cadence varie selon l’audience : chaque semaine, les métriques brutes suffisent au pilotage opérationnel entre champions et DSI ; chaque mois, le dashboard complet alimente le comité de pilotage IA ; chaque trimestre, un bilan stratégique avec ROI et recommandations part vers le COMEX. Servir le même document aux trois est la meilleure façon de n’en intéresser aucune.
Chiffrer le temps gagné sans se mentir
C’est la métrique la plus réclamée par le management et la plus difficile à établir. L’auto-déclaration demande aux actifs combien de temps ils estiment gagner par semaine : simple, mais subjectif. Le before/after mesure le temps d’exécution de 3 à 5 processus clés avant et après l’adoption : rigoureux, mais limité à quelques cas. Le proxy applique un temps moyen gagné par conversation — dix minutes, par exemple — multiplié par le volume : grossier, mais scalable. La méthode honnête combine les trois, l’auto-déclaration donnant la tendance, le before/after la validant sur des cas concrets, le proxy fournissant l’ordre de grandeur.
Les quatre signaux qui exigent une réaction
Un taux d’activation sous 50 % à M+2 signale que votre communication et votre formation n’ont pas fonctionné, pas que les collaborateurs sont réfractaires. Un ratio DAU/MAU sous 20 % indique que les gens essaient mais ne reviennent pas : allez chercher le blocage, souvent un cas d’usage mal choisi. Un département entier à 0 % traduit un manager non convaincu ou un champion inactif, et se traite par une conversation, pas par une relance automatique. Un NPS sous 30 appelle une enquête qualitative urgente avant que l’insatisfaction se propage. Chacun de ces signaux doit déclencher une action correctrice dans les deux semaines : l’adoption est un processus vivant, pas un déploiement one-shot.