L'IA va-t-elle tuer le TJM dans le conseil ?

Recherche, synthèse, analyse : l'IA accélère une part croissante du travail facturé à la journée. Un modèle fondé sur le temps passé peut-il résister à une technologie conçue pour le réduire ?

Pendant des décennies, le conseil a vendu du temps. Le tarif journalier moyen, le fameux TJM, a fourni au marché une unité de mesure simple, presque naturelle : un consultant, un nombre de jours, un tarif. Facile à comprendre, à budgéter, à comparer. Le cabinet pilote son économie sur le taux d'occupation de ses équipes ; les directions achats négocient des grilles par niveau de séniorité. Tout le monde parle la même langue.

L'intelligence artificielle commence à fissurer cette mécanique. Recherche documentaire, benchmark, analyse de données, préparation d'entretiens, rédaction, production de supports : une part croissante du travail intellectuel qui alimentait les journées facturées peut désormais être accélérée. Le paradoxe est immédiat : plus un cabinet devient productif grâce à l'IA, moins il devrait facturer de jours s'il reste strictement au TJM. Son efficacité pourrait finir par réduire son chiffre d'affaires.

Le débat n'est plus de savoir si les consultants utiliseront l'IA : ils l'utilisent déjà. La vraie question est de savoir si un modèle économique fondé sur le temps passé peut durablement résister à une technologie conçue précisément pour réduire le temps nécessaire à produire un résultat.

Le TJM mesure du temps, le client achète une valeur

Prenons une mission classique : une analyse de marché, une cartographie des concurrents et des recommandations pour un comité de direction. Hier, ce travail mobilisait plusieurs jours de recherche, de collecte et de structuration des données, puis du temps d'analyse et de production du support final. Demain, une équipe bien outillée raccourcira une partie significative de ces étapes. La valeur du diagnostic pour le client est-elle pour autant divisée par deux ? Évidemment non.

C'est précisément là que le TJM devient fragile : dans un modèle fondé sur les jours consommés, le revenu du cabinet peut diminuer alors même que sa performance augmente. Le problème n'est pas propre au conseil. Thomson Reuters souligne, dans les services professionnels, que l'IA générative met la facturation horaire sous pression : quand une tâche de dix heures peut être réalisée beaucoup plus vite, le lien entre temps enregistré et valeur délivrée devient nettement moins évident.

L'IA ne détruit pas la valeur du conseil, elle la déplace

Il serait trop facile d'en déduire que le consultant devient moins utile. Dans beaucoup de missions, c'est l'inverse. Accéder à l'information devient simple, produire une première synthèse devient rapide, explorer plusieurs hypothèses coûte moins cher. Mais savoir quelle question poser, distinguer une analyse plausible d'une analyse réellement juste, comprendre les contraintes politiques d'une organisation, convaincre un comité exécutif ou faire adopter une transformation reste tout aussi difficile qu'avant.

La valeur du conseil se déplace donc : de la production vers le jugement, de l'analyse vers la décision, du livrable vers l'impact, du volume d'équipes mobilisées vers la capacité à produire un résultat. Cette évolution se lit déjà dans les modèles de rémunération. Christoph Schweizer, CEO de Boston Consulting Group, expliquait en 2026 qu'environ les trois quarts des plus grandes missions IA de BCG comportaient une part de rémunération variable : selon lui, l'IA multiplie les cas où cabinets et clients doivent partager davantage le risque, et potentiellement la création de valeur.

La question qui arrive : « où est mon gain de productivité ? »

Imaginons une entreprise qui confie chaque année à un cabinet une mission représentant 1 000 jours de consultants. Le cabinet s'équipe et peut désormais produire le même travail en 700 jours. Trois issues possibles. Un : il facture 700 jours ; le client récupère le gain, le cabinet voit son revenu fondre malgré son investissement. Deux : il continue de facturer l'équivalent de 1 000 jours ; le cabinet capture le gain, mais le client demandera tôt ou tard pourquoi une technologie censée améliorer la productivité n'a aucun effet sur la facture. Trois : les deux parties changent de logique et négocient autour d'un périmètre, d'un niveau de service ou d'un résultat attendu.

C'est ce troisième scénario qui devient le plus intéressant, et il n'est plus théorique. Reuters observait en août 2026 une évolution comparable dans les services IT indiens : sous la pression des gains de productivité liés à l'IA, des clients exigent davantage de résultats avec moins de ressources, et les grands prestataires font évoluer une partie de leurs contrats vers des modèles liés à la performance.

Vers un marché hybride : capacité, forfait, résultat

La disparition brutale du TJM paraît peu probable ; son monopole, en revanche, devrait s'éroder. Le TJM restera pertinent partout où le client achète réellement de la capacité : renfort d'équipe, assistance à maîtrise d'ouvrage, expertise ponctuelle, management de transition, périmètre difficile à anticiper. Là, acheter du temps garde du sens.

Dès que le périmètre est mieux défini, le forfait redevient attractif : le client gagne en visibilité, et le cabinet conserve une partie du bénéfice de ses gains de productivité. Une mission vendue 100 000 euros qui nécessitait 100 jours et s'exécute désormais en 70, à qualité égale, devient nettement plus rentable. L'IA renforce le forfait partout où elle rend l'exécution plus prévisible.

Le mouvement peut aller plus loin avec la rémunération liée aux résultats : une partie des honoraires dépend d'indicateurs convenus à l'avance (économies générées, revenus additionnels, délai réduit, taux de conversion amélioré). Le principe séduit les clients, qui ne paient plus seulement une équipe ou un livrable mais une partie de l'impact obtenu ; Business Insider rapporte que certains demandent explicitement aux cabinets d'avoir davantage de « skin in the game ». Mais le modèle n'est pas magique : un cabinet ne contrôle jamais seul le résultat final. Une recommandation excellente peut être mal appliquée, une transformation bloquée en interne, un programme rattrapé par un retournement de marché. Le vrai sujet devient l'attribution de la valeur.

C'est pourquoi le modèle le plus crédible est probablement hybride : un forfait de base complété par une part variable liée à la performance. La discussion change alors complètement. On passe de « combien de consultants, pendant combien de jours ? » à « quel résultat vous engagez-vous à produire, comment le mesurerons-nous, comment partagerons-nous la valeur créée ? ». Ce changement-là est bien plus profond qu'une évolution tarifaire.

Le modèle pyramidal des cabinets est lui aussi bousculé

Le TJM ne vit pas seul : il s'inscrit dans un système. Le modèle classique du conseil repose sur une pyramide (quelques associés, des managers, beaucoup de juniors), dont une partie de la rentabilité vient de la capacité à vendre le travail de chaque strate au-dessus de son coût. Or l'IA s'attaque précisément aux tâches historiquement confiées aux profils juniors : recherche, benchmark, synthèse, documentation, premières analyses.

Le risque n'est donc plus seulement « allons-nous vendre moins de jours ? » mais « combien de personnes faudra-t-il demain pour produire une mission ? ». Une équipe de cinq consultants fortement augmentée par l'IA produira peut-être ce qui demandait huit ou dix personnes. Vendue en jours-hommes, la mission pose un problème de revenu. Vendue sur la valeur créée, le même gain de productivité devient un levier de marge. Le débat sur le TJM rejoint ici celui, plus large, du modèle même du cabinet.

Les gains de productivité ne tombent pas du ciel

Un raccourci est pourtant à éviter : disposer de ChatGPT, de Copilot ou d'agents internes ne réduit pas mécaniquement le coût de production de 30 ou 50 %. McKinsey observait en avril 2026 que près de neuf entreprises sur dix avaient déployé de l'IA dans au moins une fonction, alors qu'une large majorité ne constatait pas encore de valeur significative à grande échelle. Thomson Reuters aboutit au même constat dans les services professionnels : l'usage progresse vite, mais seule une minorité d'organisations mesure réellement le retour sur investissement.

Les gains dépendent de bien plus que l'outil : repenser les méthodes de travail, structurer les données, former les équipes, sécuriser les usages, contrôler la qualité, parfois développer des actifs propriétaires. Le changement de pricing suivra la productivité réelle, pas la promesse de productivité.

Pour les acheteurs, le meilleur TJM n'est plus forcément la meilleure affaire

C'est ici que les conséquences sont les plus concrètes. Tant que les méthodes de production se ressemblaient, comparer des grilles tarifaires par séniorité donnait l'impression d'une base objective. Dès lors qu'elles divergent fortement, cette comparaison perd de sa valeur. Un cabinet peut afficher un TJM supérieur en mobilisant moins de ressources, parce qu'il dispose de meilleurs outils, de données propriétaires ou d'une méthodologie éprouvée. À l'inverse, une équipe moins chère à la journée peut coûter plus cher si elle met deux fois plus de temps à produire le même résultat.

Comparer uniquement les TJM revient à comparer le prix du carburant sans regarder la consommation du véhicule. La question de l'acheteur évolue : non plus « combien coûte une journée de consultant ? », mais « combien coûtera réellement la mission, et qu'obtiendrai-je en retour ? ». Cela suppose d'examiner le coût total, les livrables, la composition réelle de l'équipe, les actifs mobilisés, les indicateurs de succès et, le cas échéant, la part de rémunération liée aux résultats. Le TJM ne devient pas inutile ; il cesse d'être suffisant.

Quand le cabinet ne vend plus seulement du temps

L'IA transforme aussi ce qu'un cabinet vend. Les acteurs du conseil investissent dans des bases de connaissances propriétaires, des benchmarks, des logiciels, des copilotes et des agents spécialisés. Leur proposition de valeur combine de plus en plus expertise, données, technologie, propriété intellectuelle et accompagnement humain. Or ces actifs obéissent à une économie différente de celle du temps : un benchmark s'enrichit au fil des missions, un logiciel sert plusieurs clients sans être recréé, un agent répète une tâche des milliers de fois pour un coût marginal très faible. Continuer à tout traduire en journées de consultants devient de moins en moins naturel.

Demain, les acteurs les plus performants ne seront peut-être plus ceux qui mobilisent le plus grand nombre de consultants au meilleur taux d'utilisation, mais ceux qui combineront moins de temps humain, davantage de technologie et davantage d'expertise pour produire un impact supérieur. Si cette logique s'impose, le lien entre croissance du chiffre d'affaires et croissance des effectifs commencera lui aussi à se distendre.

Alors, l'IA va-t-elle tuer le TJM ?

Probablement pas. Le TJM possède trois qualités très résistantes : il est simple, connu et facile à contractualiser. Ce qui est menacé, c'est son statut d'évidence. Le marché a longtemps pu utiliser le temps comme approximation de la valeur parce que la productivité évoluait lentement. L'IA accélère brutalement cette productivité potentielle et expose ce que le TJM masquait déjà : deux consultants peuvent consacrer des durées radicalement différentes au même problème sans produire la même valeur. Un consultant expérimenté, bien outillé et doté des bonnes données résoudra peut-être en deux jours ce qu'une équipe traitait en deux semaines. Le payer moins parce qu'il va plus vite serait paradoxal ; le payer comme si rien n'avait changé le serait tout autant.

C'est dans cet espace que les nouveaux modèles vont se construire : forfaits, abonnements, rémunération à la performance, partages de valeur et combinaisons hybrides. La question centrale ne sera plus le nombre de jours, mais : qu'est-ce que le client est réellement en train d'acheter ? Du temps, de l'expertise, une capacité d'exécution, un actif technologique, une décision mieux éclairée, un résultat économique ? Plus les cabinets sauront y répondre précisément, moins le nombre de jours sera central. L'IA ne tuera peut-être pas le TJM ; elle pourrait bien tuer l'idée que le temps passé constitue, à lui seul, une mesure satisfaisante de la valeur du conseil.

Pour une entreprise qui prépare une mission, cette évolution change déjà la manière de comparer les offres : le tarif reste important, mais il doit être replacé dans une analyse plus large, celle de la méthodologie, de l'équipe réellement mobilisée, des outils utilisés et des résultats attendus. C'est précisément sur ces critères, au-delà du simple tarif journalier, que Bestofconsulting aide les entreprises à identifier, comparer et sélectionner leurs cabinets de conseil.

Sources

Boston Consulting Group, entretien avec Christoph Schweizer (2026) sur l'impact de l'IA et les rémunérations liées à la valeur · Reuters (20 août 2026), évolution des modèles contractuels dans les services IT · McKinsey (avril 2026), adoption de l'IA et écart entre déploiement et valeur mesurable · Thomson Reuters, AI in Professional Services Report 2026 et analyses sur la facturation au temps passé · Business Insider (2026), montée de l'outcome-based pricing dans les missions liées à l'IA.