Intégrer l’IA générative dans les processus d’entreprise n’aboutit que très rarement aux résultats escomptés. Un rapport publié par le MIT, fruit de 150 entretiens avec des dirigeants, de l’analyse de 300 déploiements publics d’outils d’intelligence artificielle, et d’une enquête auprès de 350 salariés, révèle que 95 % des projets pilotes en IA générative n’atteignent pas leurs objectifs. Le chiffre est évocateur et montre que les entreprises peinent encore a tirer un réel bénéfice de l’intelligence artificielle.
L’investissement massif dans les technologies d’IA ne se traduit que dans 5 % des cas par une augmentation tangible des revenus. Le décalage entre les ambitions et les résultats s’explique difficilement si l’on se limite à juger la qualité des modèles. Aditya Challapally, contributeur au projet NANDA du MIT et auteur principal du rapport, souligne que ce ne sont ni les algorithmes ni la réglementation qui posent problème, mais l’intégration même des outils dans les dynamiques internes des entreprises.
Ces projets échouent non parce que les outils sont mauvais, mais parce que les entreprises ne savent pas les faire travailler comme ils le voudraient. Plus précisément, les plateformes comme ChatGPT et Gemini, plutôt efficaces en usage individuel mais trop polyvalents et mal optimisés, peinent à s’adapter à des flux de travail structurés et à s’intégrer dans un cadre collectif. La « learning gap », ce fossé entre la capacité d’adaptation des outils et celle des entreprises, freine les gains attendus.
Certaines start-up pilotées par des jeunes fondateurs ont généré jusqu’à 20 millions de dollars en un an. Pas grâce à la technologie seule, mais en utilisant des outils IA ciblés sur des points de friction précis, en les exécutant avec discipline et en nouant des partenariats stratégiques. À l’inverse, des entreprises historiques persistent à vouloir construire leur propre architecture d’IA, ce qui se révèle être une stratégie coûteuse pour des résultats souvent décevants. Celles qui s’orientent vers des solutions IA spécialisées et déjà optimisées non seulement paient beaucoup moins cher, mais obtiennent un véritable retour sur investissement lorsque le problème est correctement ciblé.
A lire également
La répartition budgétaire trahit également un malentendu. Plus de la moitié des dépenses en IA générative se concentrent sur les outils de vente et de marketing. Or, d’après le MIT, les retours sur investissement les plus élevés se situent ailleurs, c’est à dire dans l’automatisation des tâches administratives, la réduction du recours à l’externalisation, et la rationalisation des opérations.
C’est aussi dans ce décalage que s’installe l’inefficacité. Le rapport souligne que les directions financières, pourtant exposées aux promesses de l’IA, peinent à en tirer des bénéfices concrets. Dans les services financiers, les entreprises tentent de développer leurs propres modèles pour répondre aux exigences réglementaires. Ici encore, les résultats sont maigres.
IgniteTech, société spécialisée dans les logiciels d’entreprise, a tenté une réponse radicale. Son PDG, Eric Vaughan, a instauré les « AI Mondays » : une journée par semaine entièrement dédiée à l’IA. Devant la résistance de son équipe, il a remplacé 80 % du personnel en un an. Une stratégie brutale, mais symptomatique du clivage entre direction et opérationnel dans l’adoption de l’IA.
Autre zone d’ombre, la prolifération du « shadow AI ». Des employés qui utilisent des outils comme ChatGPT sans validation interne, faute de solutions officielles adaptées. La mesure de l’impact de ces usages sur la productivité ou les résultats financiers reste floue.
Pourtant, des signaux positif émergent. Dans l’industrie manufacturière, où la cybersécurité est désormais l’un des risques externes les plus critiques, l’IA devient un levier de protection. Le rapport State of Smart Manufacturing de Rockwell Automation montre que les directions techniques privilégient les architectures convergées et recherchent des compétences analytiques. Là encore, l’IA n’est pas seulement une technologie, mais une transformation qui exige une révision des priorités humaines et opérationnelles.
Enfin, un glissement s’opère dans la gestion des effectifs. Les suppressions de postes massives ne sont pas à l’ordre du jour, mais les départs ne sont pas remplacés, en particulier dans les fonctions externalisables et à faible valeur ajoutée. L’impact est donc réel, mais reste progressif contrairement a ce qu’on aurait pu croire.
À l’horizon, certaines entreprises testent déjà des systèmes agentiques capables d’apprendre, de mémoriser et d’agir de manière autonome. Une perspective encore théorique, mais qui pose une exigence immédiate : ne pas confondre l’outil avec la stratégie. Car finalement dans l’économie de l’IA, ce n’est pas la technologie qui manque, mais bien la capacité à l’orchestrer correctement.
