Après des centaines de milliards investis dans l’intelligence artificielle, une majorité de dirigeants ne constate toujours aucun impact significatif sur les revenus ou les coûts. Le paradoxe n’est qu’apparent. Le problème n’est plus la technologie. Il est devenu organisationnel.
Plus de la moitié des dirigeants des plus grandes entreprises mondiales déclarent ne pas percevoir de retour sur investissement tangible de leurs initiatives en intelligence artificielle. Le chiffre surprend au premier regard. Les marchés financiers valorisent pourtant les acteurs de l’IA à des niveaux historiques, les centres de données se multiplient, les dépenses technologiques explosent et chaque comité exécutif dispose désormais de sa feuille de route IA.
Comment expliquer un tel décalage entre la promesse et les résultats ?
La réponse se trouve peut-être dans une confusion devenue presque systématique : beaucoup d’entreprises ont adopté des outils d’intelligence artificielle sans réellement transformer leur façon de travailler.
L’IA est entrée dans les organisations. Elle n’est pas encore entrée dans leur modèle opérationnel.
Le piège de l’expérimentation permanente
Depuis l’apparition des grands modèles de langage, les entreprises ont multiplié les expérimentations.
Chatbots internes, assistants documentaires, copilotes bureautiques, automatisation de tâches répétitives : les cas d’usage se comptent désormais par centaines dans les grandes organisations.
Pourtant, dans de nombreux groupes, ces initiatives restent confinées à quelques équipes volontaires.
L’expérimentation est devenue une destination plutôt qu’une étape.
Cette situation rappelle les premières années de la transformation digitale. À l’époque déjà, certaines entreprises considéraient qu’ouvrir un site internet suffisait à devenir numérique. D’autres ont repensé leur chaîne de valeur entière.
Vingt ans plus tard, les gagnants sont connus.
L’IA semble aujourd’hui suivre exactement la même trajectoire.
La question n’est plus de savoir si l’entreprise possède des cas d’usage. La question est de savoir si elle a réussi à les industrialiser.
La productivité n’est pas un projet d’entreprise
Un autre malentendu apparaît dans la manière dont les organisations évaluent leurs investissements.
Pendant deux ans, la promesse dominante de l’IA a reposé sur la productivité.
Produire plus vite.
Rédiger plus rapidement.
Automatiser davantage.
Réduire certains coûts opérationnels.
Ces gains existent. Ils sont réels. Mais ils restent souvent insuffisants pour justifier les investissements massifs engagés.
Une économie de quelques minutes sur une tâche administrative améliore un indicateur. Elle ne transforme pas une entreprise.
Les organisations qui commencent à obtenir des résultats visibles semblent suivre une logique différente. Elles utilisent l’IA non seulement pour faire mieux, mais pour créer de nouvelles sources de valeur.
L’enjeu n’est plus uniquement d’augmenter la productivité des collaborateurs.
L’enjeu devient d’inventer de nouveaux services, d’accélérer l’innovation ou de développer de nouvelles activités.
Autrement dit, le véritable retour sur investissement ne provient pas toujours des coûts évités.
Il provient souvent des revenus additionnels générés.
La donnée avant le modèle
L’un des paradoxes les plus frappants de la période actuelle est l’obsession portée aux modèles eux-mêmes.
Chaque nouvelle génération de LLM monopolise l’attention médiatique.
Pourtant, dans les entreprises, la performance du modèle n’est généralement pas le principal facteur limitant.
La qualité de la donnée l’est.
Sans gouvernance solide, sans architecture documentaire fiable et sans référentiels maîtrisés, même les systèmes les plus avancés produisent des résultats incertains.
Les dirigeants découvrent progressivement une réalité peu spectaculaire mais essentielle : l’IA récompense avant tout les entreprises qui ont réalisé leur travail de fond sur la donnée.
Les autres ne font souvent qu’automatiser leur désordre existant.
Le coût invisible de l’intelligence artificielle
Un autre sujet commence à émerger dans les conseils d’administration : la maîtrise économique des usages.
Les démonstrations sont souvent impressionnantes lorsque quelques centaines de collaborateurs utilisent des modèles avancés.
L’équation change lorsque plusieurs milliers de personnes sollicitent quotidiennement plusieurs LLM.
La consommation de tokens devient alors une ligne budgétaire stratégique.
Certaines organisations découvrent qu’utiliser systématiquement les modèles les plus puissants pour des tâches simples revient à mobiliser un avion long-courrier pour effectuer un trajet urbain.
Le sujet n’est plus uniquement technologique.
Il devient financier.
Les entreprises les plus matures développent désormais des approches multi-modèles, sélectionnant l’outil le plus adapté à chaque tâche selon un arbitrage permanent entre coût, rapidité et performance.
Cette discipline pourrait devenir l’un des principaux facteurs de compétitivité des prochaines années.
L’apprentissage comme avantage concurrentiel
La leçon la plus intéressante de cette nouvelle phase ne concerne finalement ni les modèles, ni les infrastructures, ni même les budgets.
Elle concerne la capacité d’apprentissage.
Pendant des décennies, les avantages concurrentiels reposaient sur les actifs, les brevets ou les économies d’échelle.
L’intelligence artificielle déplace progressivement le centre de gravité.
Les modèles deviennent accessibles à tous.
Les infrastructures se démocratisent.
Les capacités technologiques finissent par se diffuser.
Ce qui reste différenciant est la vitesse à laquelle une organisation apprend à intégrer ces innovations dans ses processus.
Les entreprises qui réussiront ne seront probablement pas celles qui possèdent les meilleurs outils.
Ce seront celles qui sauront remettre en question leurs méthodes de travail plus rapidement que leurs concurrents.
Le véritable sujet : transformer l’entreprise, pas ajouter une technologie
L’erreur la plus répandue consiste encore à considérer l’IA comme une couche supplémentaire venant s’ajouter à l’existant.
Or les premiers résultats observables montrent exactement l’inverse.
Les organisations qui créent de la valeur ne se contentent pas d’intégrer l’IA dans leurs processus.
Elles redessinent leurs processus autour de l’IA.
La nuance paraît subtile.
Elle est en réalité fondamentale.
Car l’intelligence artificielle n’est pas une simple évolution technologique.
Elle agit davantage comme un révélateur organisationnel.
Elle expose les silos, les faiblesses de gouvernance, les déficiences de données et les résistances culturelles.
En ce sens, le chiffre le plus inquiétant n’est peut-être pas que 56 % des dirigeants ne voient pas encore de retour sur investissement.
Le chiffre réellement préoccupant est que beaucoup continuent à chercher la solution dans la technologie alors que le problème se situe ailleurs.
L’avantage concurrentiel de demain ne sera probablement pas détenu par ceux qui utilisent l’IA.
Il appartiendra à ceux qui auront appris à transformer leur organisation pour en exploiter pleinement le potentiel.
Cette publication est également disponible en :
