Les chiffres convergent : selon MIT et RAND Corporation, l’immense majorité des projets d’IA générative n’atteint jamais la production. Pour les cabinets de conseil qui ont vendu la « révolution », l’heure des comptes a sonné.
Quelque chose s’est brisé dans la promesse de l’intelligence artificielle. Non pas la technologie elle-même, mais le récit qui l’accompagnait. Pendant dix-huit mois, les directions générales ont signé des chèques sur la foi de démonstrations impressionnantes. L’ère du « PowerPoint à 500 000 euros » — la formule circule désormais dans les couloirs — touche à sa fin.
Les données sont sans ambiguïté. Un rapport du MIT publié en août 2025 établit que 95 % des pilotes d’IA générative en entreprise ne génèrent aucun retour mesurable. L’étude, fondée sur 150 entretiens avec des dirigeants, une enquête auprès de 350 employés et l’analyse de 300 déploiements publics, documente un phénomène que les praticiens connaissent sous le nom de « pilot purgatory » — le purgatoire des preuves de concept.
Les ordres de grandeur se recoupent. RAND Corporation estime que plus de 80 % des projets d’IA échouent, soit le double du taux d’échec des projets informatiques traditionnels. Gartner prévoit qu’au moins 30 % des projets d’IA générative seront abandonnés après la phase de démonstration d’ici fin 2025. Une enquête S&P Global de 2025 révèle que 42 % des entreprises ont abandonné la plupart de leurs initiatives IA cette année, contre 17 % en 2024.
La fracture entre stratégie et exécution
Pour les cabinets de conseil stratégique, ces statistiques représentent un problème existentiel. Leur modèle historique — vendre des feuilles de route, facturer au temps passé, laisser l’implémentation aux équipes internes — se heurte à une réalité nouvelle : les clients exigent des résultats, pas des recommandations.
Les écarts de croissance illustrent cette mutation. Selon Fast Company, les cabinets MBB (McKinsey, BCG, Bain) affichent une croissance annuelle moyenne de 5 à 6 %, tandis que les firmes orientées exécution — Accenture, Deloitte, EY — progressent de 11 à 12 %. La valeur s’est déplacée. Elle ne réside plus dans la vision stratégique mais dans la capacité à livrer du code fonctionnel, sécurisé, intégré.
Une étude BCG de 2024 a même documenté un paradoxe révélateur : l’IA générative améliore la performance des consultants sur les tâches créatives, mais la dégrade de 23 % sur les problèmes complexes de résolution business. Les consultants sur-font confiance à l’outil là où il est faible, et sous-estiment ses capacités là où il excelle.
Le mur des données
L’origine des échecs n’est pas mystérieuse. L’enquête CDO Insights 2025 d’Informatica identifie les trois principaux obstacles : la qualité et la préparation des données (43 %), le manque de maturité technique (43 %), la pénurie de compétences (35 %). Autrement dit : les entreprises ont acheté des algorithmes pour des infrastructures qui n’étaient pas prêtes à les recevoir.
Le vieil adage informatique — « garbage in, garbage out » — n’a jamais été aussi pertinent. Les data lakes, ces lacs de données accumulées depuis une décennie, se révèlent souvent des marécages où les modèles s’enlisent. McKinsey note que les organisations qui rapportent des retours significatifs sont deux fois plus susceptibles d’avoir redessiné leurs workflows de bout en bout avant de choisir leurs modèles. La donnée précède l’algorithme. L’inverse ne fonctionne pas.
À cela s’ajoutent les « unit economics » défavorables de nombreux projets. Remplacer un processus humain par une requête API coûteuse n’est rentable que si le gain de productivité est substantiel. Beaucoup de pilotes coûtent plus cher à faire tourner qu’ils ne rapportent. Dans les secteurs réglementés — banque, assurance, santé —, le risque juridique d’une hallucination à 1 % transforme une curiosité technologique en passif potentiel.
De l’exploration à l’industrialisation
Le MIT identifie un facteur déterminant dans les 5 % de projets qui réussissent : l’achat de solutions auprès de fournisseurs spécialisés, plutôt que le développement interne, affiche un taux de succès de 67 % — contre un tiers pour les constructions maison. Les entreprises qui tentent de tout faire elles-mêmes reproduisent les erreurs que d’autres ont déjà commises et corrigées.
La phase d’exploration — le « wow effect » des démonstrations — cède la place à une phase d’industrialisation où seul le retour sur investissement compte. Les cabinets s’adaptent ou perdent leurs contrats. McKinsey déclare que 40 % de ses nouveaux projets impliquent désormais l’IA. BCG prévoit que le conseil en IA représentera 20 % de son activité cette année. L’acquisition d’Iguazio par McKinsey en 2023 — une société spécialisée en MLOps — signale la direction.
La désillusion actuelle n’est pas le signe que l’IA ne fonctionne pas. C’est le signe qu’elle fonctionne différemment de ce qui avait été promis. Non pas comme une baguette magique qui transforme instantanément les organisations, mais comme une technologie d’infrastructure qui exige préparation, gouvernance et patience. La magie n’existe pas. L’ingénierie, si — mais elle se facture à l’heure de développement, pas au slide.
