Le problème de l’IA en entreprise n’est pas technologique. Il est stratégique. Et il relève des dirigeants et des décideurs — non de l’équipe technique.
Axel Tombereau, Odyssey
Deux ans après le début du cycle de l’IA générative, les données convergent vers un constat inconfortable.
L’adoption progresse. Le déploiement avance. Les pilotes se multiplient. Les budgets continuent d’augmenter. Selon l’AI Radar 2026 du BCG, les entreprises consacrent désormais 1,7 % de leur chiffre d’affaires à l’IA, deux fois plus que l’an dernier, et 90 % des dirigeants disent attendre cette année un retour mesurable de leurs agents d’IA. La 29e enquête mondiale de PwC auprès de 4 450 dirigeants dans 95 pays livre l’autre moitié de l’histoire : 56 % ne constatent ni hausse du chiffre d’affaires ni baisse des coûts liées à leurs déploiements d’IA. Seuls 12 % constatent les deux.
Lisez ces chiffres ensemble. Les dépenses doublent. La confiance est élevée. Le retour, pour la majorité, n’est pas au rendez-vous.
Le réflexe consiste à supposer que quelque chose a mal tourné en aval. Le modèle n’était pas suffisamment ajusté. L’intégration était maladroite. La conduite du changement manquait de moyens. Le directeur technique n’a pas choisi le bon fournisseur. L’adoption s’essouffle dès la troisième semaine.
Ce diagnostic est confortable, parce qu’il situe le problème quelque part en aval de la direction générale. Il est aussi, dans la plupart des cas, erroné.
Si une entreprise ne tire aucun retour de l’IA, l’échec s’est produit en amont — au conseil d’administration ou au comité exécutif, douze mois avant que quiconque ne touche à un modèle.
Le débat technologique est clos. Le débat stratégique n’a pas commencé.
La plupart des discussions de direction sur l’IA restent formulées en termes de choix technologiques : quel modèle, quelle plateforme, quel partenaire d’intégration, quelle preuve de concept financer ensuite. Ce sont des questions réelles. Ce sont aussi les mauvaises questions à poser au sommet de l’entreprise.
Passez quelques heures au cœur d’un programme d’IA typique d’une ETI ou d’une grande entreprise européenne, et le schéma se répète. L’IA relève du directeur technique, parfois du DSI. Elle vit au sein de la fonction technologique sous la forme d’un portefeuille d’expérimentations. Les discussions qui la pilotent portent sur les enveloppes budgétaires, la faisabilité technique, le choix des fournisseurs, la préparation de l’infrastructure et la tuyauterie des données. Ce sont des discussions légitimes. Aucune n’est une discussion stratégique.
Dans la plupart des cas, il n’existe ni centre d’excellence digne de ce nom, ni cadre de priorisation porté par les métiers, ni responsable de l’IA doté d’un véritable mandat. Les cas d’usage sont retenus parce qu’un responsable d’équipe les a défendus, parce qu’un fournisseur en a fait la démonstration, ou parce qu’ils étaient peu coûteux à tester. La création de valeur, lorsqu’elle est évoquée, l’est en fin de présentation — non au début de la décision.
Ce qui manque presque toujours, c’est le seul document qui compte vraiment : une réponse nette, débattue et assumée au niveau du conseil à la question de savoir comment l’IA change ce qu’est l’entreprise, ce qu’elle vend, contre qui elle est en concurrence, et pourquoi un client la choisirait encore dans trois ans.
En l’absence de ce document, chaque choix en aval est en substance arbitraire. Des pilotes sont lancés puis abandonnés sans bruit. Des processus sont « augmentés par l’IA » sans que personne ne se demande s’ils devraient encore exister. Des outils sont achetés parce que les pairs les ont achetés. L’activité se mesure en preuves de concept et en licences déployées, non en marge, en parts de marché ou en repositionnement.
Puis, dix-huit mois plus tard, le dirigeant se tourne vers le directeur financier et demande où est le retour sur investissement ; la réponse prend alors une forme approchante : nous avons quelques pilotes, nous avons beaucoup appris, et nous avons rendu certaines parties de l’activité existante un peu plus efficaces. Parfois.
L’IA n’est pas un projet d’innovation. C’est une remise à plat stratégique.
L’erreur de cadrage se situe tout en haut. Dans un grand nombre d’entreprises que j’accompagne, l’IA a été discrètement classée soit comme un sujet d’innovation, soit comme un sujet technologique — et les deux se confondent souvent en une même posture. Elle vit dans un laboratoire d’innovation, une « digital factory », une communauté de pratique, une feuille de route informatique, un portefeuille de paris du directeur technique. Elle est traitée comme une capacité que l’organisation expérimente, déploie, sécurise et industrialise progressivement. Ce qu’elle n’est presque jamais, c’est ce qu’elle est réellement : un bouleversement de l’activité.
Ce modèle a raisonnablement fonctionné pour les vagues précédentes : la migration vers le cloud, le mobile, la donnée, et même les premiers usages de l’apprentissage automatique. Aucune n’a finalement exigé d’un dirigeant qu’il réécrive la proposition de valeur de l’entreprise. C’étaient des capacités transverses que le modèle opératoire existant pouvait absorber.
L’IA générative et agentique est d’une autre nature. Ce n’est pas une capacité que l’on greffe sur une activité inchangée. Elle modifie, simultanément et à des rythmes différents, quatre fondements de tout plan stratégique :
La proposition de valeur. Ce que le client paie réellement change lorsque le travail intellectuel, le conseil, la conception, le code et la décision peuvent être produits pour une fraction du coût et du temps actuels.
La structure de coûts. L’économie unitaire des activités à forte intensité de services est sur le point d’être réécrite par des concurrents prêts à absorber les premiers la baisse de marge brute.
Le périmètre concurrentiel. Des acteurs adjacents, des éditeurs de logiciels, de nouveaux entrants natifs de l’IA et vos propres clients peuvent désormais s’attaquer de manière crédible à des pans de votre chaîne de valeur qui leur étaient jusqu’ici inaccessibles.
Les sources d’avantage. L’échelle, la distribution, la marque et les avantages fondés sur les données sont en cours de réévaluation. Certains se renforcent. Plusieurs s’évaporent sans bruit.
Cette discussion ne se délègue pas. Ni au directeur technique, ni à un responsable de l’IA, ni à un conseil extérieur, et certainement pas à un comité de pilotage dont le mandat est « d’accélérer l’adoption ». Ce sont des questions stratégiques de premier ordre, et elles reviennent au dirigeant, avec le comité exécutif et le conseil d’administration pour cosignataires.
Déléguer l’IA à votre directeur technique n’est pas un choix de gouvernance. C’est un choix stratégique — et un mauvais.
Lorsque l’IA relève du directeur technique, la discussion se réduit par défaut à la mise à disposition : quoi déployer, pour qui, à quel coût, sous quelle gouvernance. Ces questions sont nécessaires. Elles ne sont pas suffisantes. Elles ne peuvent, par construction, poser la question de savoir si l’activité tout entière doit être repensée.
Pourquoi le retour ne vient pas
Une fois admis que le cadrage en amont fait défaut, le problème du retour sur investissement devient presque mécanique. Un investissement dans l’IA peut rapporter de quatre manières :
Les coûts : une réduction structurelle de la base de coûts, non une accélération marginale de certaines tâches.
Le chiffre d’affaires : de nouvelles offres, de nouveaux modèles de prix, de nouveaux marchés adressables.
La qualité et le risque : moins d’erreurs, des cycles plus courts, de meilleures décisions, une exposition réduite.
L’optionalité stratégique : des positions et des capacités qui portent leurs fruits dans des scénarios que les concurrents n’ont pas encore anticipés.
Trois de ces quatre leviers exigent une décision stratégique qu’un programme de mise à disposition ne peut produire seul. Vous pouvez déployer Copilot sur dix mille postes sans faire bouger aucun d’entre eux de manière mesurable, parce que rien dans le modèle économique n’a été appelé à changer.
Les entreprises qui commencent à afficher des retours réels ne sont pas celles qui présentent les meilleurs indicateurs d’adoption. Ce sont celles où, il y a dix-huit à vingt-quatre mois, un membre de la direction générale s’est posé une autre question : non pas « comment adopter l’IA ? », mais « à quoi ressemble notre activité si nous tenons l’IA pour acquise ? ». Autre réponse. Autre feuille de route. Autre retour.
Toutes les autres mènent une expérimentation de productivité très coûteuse et l’appellent transformation.
Une lecture à contre-courant
Il existe une manière dont ce sujet est aujourd’hui raconté sur le marché, et elle mérite d’être nommée.
Lorsque les pilotes déçoivent, le récit qui prévaut dans la plupart des conseils d’administration est le suivant : la technologie n’est pas encore mûre, les modèles vont s’améliorer, les coûts vont baisser, les cas d’usage vont s’affiner, laissons-nous encore un an. Ce récit rassure parce qu’il externalise le problème. Il laisse entendre que le retour arrivera de lui-même, porté par la prochaine génération de modèles.
Il n’en sera rien. De meilleurs modèles ne combleront pas une stratégie absente. Ils rendront au contraire l’écart plus coûteux : davantage de capacité achetée, davantage de processus automatisés autour d’une activité inchangée, davantage d’investissements engloutis dans une posture qu’il fallait repenser, non optimiser.
La lecture honnête est plus exigeante. Parmi les entreprises qui, en regardant cette période, concluront que l’IA a créé une valeur significative, presque toutes partageront un trait : un dirigeant qui a traité le sujet comme un problème stratégique dès le départ, qui l’a porté personnellement, et qui a accepté de remettre sur la table la proposition de valeur, le modèle opératoire et le positionnement concurrentiel. Non sous la forme d’un atelier. Sous la forme d’une décision.
Toutes les autres continueront de trouver des raisons — les modèles, les données, la conduite du changement, le régulateur, la pénurie de talents — et continueront d’avoir raison sur chacune prise isolément, et tort sur l’ensemble.
De meilleurs modèles ne sauveront pas une stratégie absente. Ils en rendront l’absence plus coûteuse.
À quoi ressemble une réponse sérieuse
Il ne s’agit pas d’appeler à un nouveau programme de transformation. C’est l’inverse. La plupart des entreprises n’ont pas besoin de davantage d’activité en matière d’IA. Elles ont besoin d’un nombre plus restreint de décisions beaucoup plus difficiles, prises au bon niveau et dans le bon ordre.
Dans les textes qui suivront celui-ci, je présenterai le cadre que j’utilise avec les équipes de direction et les conseils d’administration pour y parvenir. Trois approfondissements, conçus pour être lus dans l’ordre :
Les quatre stratégies d’IA dominantes. Non un modèle de maturité. Un choix stratégique. Le type d’entreprise que vous choisissez d’être face à l’IA — et celui que vous choisissez de ne pas être —, avec les arbitrages que chaque posture impose.
Les sept facteurs clés de succès d’une stratégie IA. Ce qui distingue les équipes de direction dont les retours se cumulent de celles dont ce sont les dépenses qui se cumulent. Presque aucun ne relève de la technologie.
Les quatre composantes du retour sur investissement de l’IA. Comment le mesurer réellement, ce qu’il faut compter, ce qu’il faut cesser de compter, et comment en parler à un conseil dont la patience s’épuise, à juste titre.
Ensemble, ils forment la discussion que la direction générale aurait dû avoir dès le départ. La plupart ne l’ont pas eue. Il est encore temps — pas beaucoup, mais encore un peu — de l’avoir maintenant.
L’initiative du dirigeant
Avant le prochain comité de pilotage IA, avant le prochain cycle budgétaire, avant la prochaine présentation d’un fournisseur, prenez une heure, sans support, et répondez par écrit à quatre questions :
Si l’IA tient ses promesses actuelles, quelle part de notre proposition de valeur restera défendable dans trois ans — et quelle part ne le sera plus ?
Lesquels de nos concurrents, y compris ceux que nous ne prenons pas encore au sérieux, sont les plus susceptibles d’utiliser l’IA pour nous attaquer, et sur quelle marge ?
Si nous créions cette entreprise aujourd’hui, en sachant ce que nous savons, à quoi ressemblerait le modèle opératoire — et à quelle distance en sommes-nous ?
Qui, nommément, est responsable de la réponse aux trois questions précédentes ? Si ce n’est pas votre nom qui figure sur cette liste, le problème stratégique est déjà la réponse à la question du retour sur investissement.
Si vous ne pouvez répondre à ces quatre questions, aucun modèle, aucune plateforme, aucun programme de mise à disposition ne sauvera l’investissement. L’écart de retour n’est pas un écart technologique. C’est la partie visible d’une stratégie qui n’a jamais été écrite.