ENDKOO/ai-roi-b2b-france-200-deployments

AI ROI Dataset — 200 B2B AI deployments in France (2022-2025)

Author : Denis Atlan (ENDKOO) — ORCID 0009-0007-0785-7305 License : CC BY 4.0 · DOI : 10.5281/zenodo.17795133 · Version : 2.0 (July 2026)

Self-published observational dataset. Not peer-reviewed. No independent audit. The author was involved as a consultant or service provider in a majority of the documented deployments — see Declared limitations.

Headline figures

The central variable is a gain-to-investment ratio, not a net ROI. Any citation must state the scope and the nature of the metric.

Indicator	Value	Scope	n
Median annual gain / investment	159.8 % (1.60×)	Deployments carried through to production	165
Median annual gain / investment	127.4 % (1.27×)	Full cohort, failures included	200
Production rate	82.5 %	Deployments in production (failure = 0)	165/200
12-month profitability rate	60.5 %	Annual gain ≥ investment (roi_percent ≥ 100)	121/200
Median annual gain / investment, failed deployments	−3.4 %	Failed deployments	35

How to cite. "Median annual gain equal to 159.8 % of investment (1.60×) across 165 deployments carried through to production (82.5 % of the cohort); 127.4 % (1.27×) across the full cohort of 200." Never write "median ROI of 159.8 % across 200 deployments": neither the scope nor the nature of the metric would be accurate.

Variable definition

roi_percent = annual_gain_eur / investment_eur × 100

A value of 159.8 % means the annual gain equals 1.598 times the amount invested. This is not a net ROI. Under the standard accounting definition — (gain − investment) / investment — the corresponding medians are 59.8 % (deployments in production) and 27.4 % (full cohort), exactly 100 points lower.

A previously documented formula, (2 × annual gain − investment) / investment, matches none of the 200 rows and has been withdrawn. Under that formula the median for deployments in production would be 219.5 %.

annual_gain_eur is a twelve-month figure: published values are annualised, not cumulative. Earlier references to a "24-month window" described the observation period of the deployments, not a gain accumulation period.

Known data issue

All 35 failed deployments have annual_gain_eur = 0, yet 17 of them carry a positive roi_percent that the formula above cannot reproduce. These values originate from an undocumented earlier entry and must not be used. They are kept unchanged so as not to alter the source file, and are flagged here.

Production rate is not a profitability rate

Among the 165 deployments in production, 44 (26.7 %) have an annual gain lower than the investment — e.g. P002: €14,533 invested, €1,469 annual gain (10.1 %). They are classified failure = 0 because they are in production and in use, which is the definition applied to that field. The 12-month profitability rate is reported separately: 60.5 %.

Reproduction

python3 verify_metrics.py ai_roi_dataset_200_deployments.csv

No external dependency. Any run reproduces the figures above, on all three readings.

Declared limitations

1. Observational study, not experimental: no control group, no randomisation. Observed correlations do not establish causality.
2. Conflict of interest: the author acted as consultant or service provider on a majority of the documented deployments.
3. Acknowledged selection bias: deployments come from an engagement portfolio, not a random sample of French companies.
4. Two calculation scopes: restricting a median to successful cases introduces a survivorship bias; both scopes are therefore published together.
5. Self-reported data: gains and investments come from client declarations. Part of the sample underwent documentary review. No independent external audit was carried out.
6. Anonymisation: companies are anonymised for contractual and GDPR reasons, which prevents row-level third-party verification.
7. Uneven time horizon: 2025 deployments have less hindsight than 2022 ones.
8. Not peer-reviewed: dataset and report are self-published on open platforms (Zenodo, GitHub, Hugging Face, SSRN). The DOI guarantees permanence and citability, not scientific validation.

Citation

Atlan, D. (2026). AI ROI Dataset: Evidence from 200 B2B Deployments in France
(2022-2025), v2.0 [Data set]. Zenodo. https://doi.org/10.5281/zenodo.17795133

Repository contents

File	Description
ai_roi_dataset_200_deployments.csv	Data, 200 rows, 20 variables
data_dictionary.md	Variable dictionary
verify_metrics.py	Reproduction script for all published figures
CHANGELOG.md	Version history and revisions
README.md	This file

---

Version française

AI ROI Dataset — 200 déploiements IA B2B en France (2022-2025)

Auteur : Denis Atlan (ENDKOO) — ORCID 0009-0007-0785-7305 Licence : CC BY 4.0 DOI : 10.5281/zenodo.17795133 Version : 2.0 — juillet 2026 (voir CHANGELOG.md)

---

Indicateurs publiés

L'indicateur central de ce jeu de données est le ratio gain annuel / investissement. Il est publié sur deux périmètres distincts ; toute citation doit préciser lequel, et préciser qu'il s'agit d'un ratio et non d'un ROI net.

Indicateur	Valeur	Périmètre	n
Gain annuel / investissement, médiane	159,8 % (1,60×)	Déploiements menés à terme	165
Gain annuel / investissement, médiane	127,4 % (1,27×)	Cohorte complète, échecs inclus	200
Idem, déploiements en échec	−3,4 %	Déploiements en échec	35 (voir anomalie ci-dessous)

Comment citer. Formulation exacte : « gain annuel médian équivalent à 159,8 % de l'investissement, soit 1,60×, sur les 165 déploiements menés à terme (82,5 % de la cohorte) ». La valeur pour la cohorte complète, échecs inclus, est de 127,4 % (1,27×). Ne jamais écrire « ROI médian de 159,8 % sur 200 déploiements » : ni le périmètre ni la nature de la variable ne seraient exacts.

Trois indicateurs distincts, à ne pas confondre

Indicateur	Valeur	Ce qu'il mesure
Taux de mise en production	82,5 % (165/200)	Déploiements menés à terme et en usage. failure = 0. Ne signifie pas rentables.
Taux de rentabilité à 12 mois	60,5 % (121/200)	Déploiements dont le gain annuel couvre au moins l'investissement (ratio ≥ 100 %).
Ratio gain/investissement médian	1,60× (159,8 %)	Sur les 165 déploiements menés à terme.

Point de vigilance déclaré. Parmi les 165 déploiements menés à terme, 44 (26,7 %) présentent un gain annuel inférieur à l'investissement — par exemple P002 : 14 533 € investis, 1 469 € de gain annuel, soit un ratio de 10,1 %. Ces déploiements sont classés failure = 0 parce qu'ils sont en production et en usage, ce qui est la définition retenue pour cette variable. Le taux de 82,5 % est donc un taux de mise en production, non un taux de rentabilité. L'indicateur de rentabilité à douze mois est de 60,5 %.

Indicateurs complémentaires (cohorte complète, N=200)

	Valeur
ROI moyen	132,2 %
Q1 / Q3	47,7 % / 205,4 %
Amplitude	−27,2 % à +411,6 %
Déploiements à ROI négatif ou nul	18 sur 200
Taux de succès	82,5 % (165/200)
Délai médian jusqu'au ROI positif	259 jours (n=165)
Investissement médian	61 874 €

Segmentation par taille d'entreprise

Segment	n	ROI médian, cohorte complète	ROI médian, menés à terme
PME	79	115,9 %	149,1 %
ETI	72	142,3 %	154,7 %
Grande entreprise	49	124,2 %	161,5 %

Supervision humaine (Human in the Loop)

Modalité	n	ROI médian (cohorte complète)	Taux de succès
Avec supervision humaine	177	131,4 %	83,6 %
Sans supervision humaine	23	51,5 %	73,9 %

Écart observé : +79,9 points de ROI médian et +9,7 points de taux de succès en faveur des déploiements supervisés. Corrélation observationnelle, pas causalité démontrée : les organisations qui mettent en place une supervision humaine diffèrent probablement sur d'autres dimensions (maturité, gouvernance, budget).

Répartition

Années : 2022 (26), 2023 (56), 2024 (62), 2025 (56) Secteurs : Finance (41), Manufacturing (39), Services Pro (27), Retail (23), Logistique (17), Telecom (14), Santé (13), Agroalimentaire (11), Énergie (10), Construction (5) Cas d'usage : 8 catégories Motifs d'échec (n=35) : compétences internes manquantes (9), budget dépassé (7), intégration technique bloquée (6), qualité des données insuffisante (6), résistance au changement (4), ROI insuffisant (3)

Reproduction

python3 verify_metrics.py ai_roi_dataset_200_deployments.csv

Aucune dépendance externe. Toute exécution reproduit exactement les valeurs ci-dessus, sur les deux périmètres. Si ce n'est pas le cas, signalez-le.

Définition de la variable roi_percent

roi_percent = annual_gain_eur / investment_eur × 100

Cette variable est un ratio gain annuel / investissement, exprimé en pourcentage. Une valeur de 159,8 % signifie que le gain annuel constaté représente 1,598 fois le montant investi, soit 1,60×.

Elle ne doit pas être confondue avec un ROI au sens comptable strict, qui retranche l'investissement du gain : (gain − investissement) / investissement. Sur cette seconde définition, les valeurs médianes correspondantes sont de 59,8 % (déploiements menés à terme) et 27,4 % (cohorte complète), soit exactement 100 points de moins.

Sous la formule antérieurement documentée dans le dépôt — (2 × gain annuel − investissement) / investissement — la médiane des déploiements menés à terme serait de 219,5 %, et aucune des 165 lignes ne correspond à cette formule. Cette formule est donc retirée de la documentation : elle n'a jamais été celle appliquée aux données.

Les trois lectures sont fournies par le script verify_metrics.py. La formulation retenue pour toute communication est : « gain annuel médian équivalent à 159,8 % de l'investissement, soit 1,60×, sur les 165 déploiements menés à terme ».

annual_gain_eur est un gain sur douze mois. Les valeurs publiées sont donc annualisées, non cumulées sur plusieurs exercices. Les communications antérieures mentionnant « sur 24 mois » désignaient la fenêtre d'observation des déploiements, pas une période de cumul des gains ; cette formulation est abandonnée.

Anomalie documentée sur les déploiements en échec

Les 35 déploiements en échec présentent annual_gain_eur = 0. Or 17 d'entre eux portent une valeur roi_percent strictement positive, non reproductible par la formule ci-dessus. Ces valeurs proviennent d'une saisie antérieure non documentée et ne doivent pas être utilisées. Elles sont conservées en l'état pour ne pas altérer le fichier d'origine, et signalées ici. Les indicateurs de la cohorte complète (127,4 % / 1,27×) intègrent ces 17 valeurs ; recalculés en forçant roi_percent = -100 pour les échecs à gain nul, la médiane de la cohorte complète serait inférieure. Cette incertitude est déclarée.

Limites déclarées

1. Étude observationnelle, non expérimentale : aucun groupe de contrôle, aucune randomisation. Les corrélations observées ne démontrent pas de causalité.
2. Conflit d'intérêts : l'auteur a été impliqué comme prestataire ou conseil sur une majorité des déploiements documentés. Cette implication est déclarée et constitue une limite structurelle de l'étude.
3. Biais de sélection reconnu : les déploiements documentés proviennent d'un portefeuille de missions, non d'un échantillon aléatoire d'entreprises françaises.
4. Deux périmètres de calcul : l'indicateur de 159,8 % porte sur les déploiements menés à terme. Restreindre une médiane aux cas réussis introduit un biais de sélection sur les résultats ; c'est pourquoi la médiane de la cohorte complète (127,4 %) est publiée conjointement et de façon systématique.
5. Données déclaratives : gains et investissements sont issus des déclarations clients. Une partie a fait l'objet d'un contrôle documentaire. Aucun audit externe indépendant n'a été réalisé sur l'ensemble.
6. Anonymisation : les entreprises sont anonymisées pour raisons contractuelles et RGPD, ce qui empêche la vérification ligne à ligne par un tiers.
7. Recul temporel hétérogène : les déploiements de 2025 disposent d'un recul plus faible que ceux de 2022. Les indicateurs de pérennité à long terme ne peuvent pas être établis sur l'ensemble de la cohorte.
8. Pas de revue par les pairs : jeu de données et rapport auto-publiés sur plateformes ouvertes (Zenodo, GitHub, Hugging Face, SSRN). Le DOI garantit la permanence et la citabilité, pas la validation scientifique.

Citation

Atlan, D. (2026). AI ROI Dataset: Evidence from 200 B2B Deployments in France
(2022-2025), v2.0 [Data set]. Zenodo. https://doi.org/10.5281/zenodo.17795133

Contenu du dépôt

Fichier	Description
ai_roi_dataset_200_deployments.csv	Données, 200 lignes, 20 variables
data_dictionary.md	Dictionnaire des variables
verify_metrics.py	Script de reproduction des indicateurs publiés
CHANGELOG.md	Historique des versions et des révisions
README.md	Ce fichier