La capacité n’a jamais été le problème. Le modèle opérationnel est.

Madelaine Yue, l’a exprimé de la manière la plus claire que j’aie jamais vue : “L’IA ne répare pas les systèmes cassés. Elle les exécute plus rapidement.” La phrase est restée avec moi parce qu’elle nomme quelque chose que la conversation sur l’IA dans l’entreprise a tourné autour pendant deux ans sans vraiment atterrir. La capacité n’est pas le problème en 2026. La capacité est partout. Ce que les entreprises manquent encore, c’est le modèle opérationnel qui transforme la capacité qu’ils possèdent déjà en résultats que leurs clients peuvent ressentir.

J’ai commencé à appeler ce modèle opérationnel Intelligence appliquée, car l’écart qu’il comble est l’écart entre avoir de l’IA et l’utiliser. La distinction est importante, car la deuxième est la seule qui se cumule.

Le plafond de capacité a été atteint

Si vous dirigez l’IA ou la stratégie numérique dans une entreprise de toute taille, vous avez probablement acheté plus d’IA que vous n’avez organisé. Un copilote pour les ventes, un résumé pour le support, un agent de triage pour les opérations, un moteur d’analyse pour le marketing, parfois tous provenant de différents fournisseurs. L’inventaire de capacités semble impressionnant dans un deck de présentation. L’opérateur à l’intérieur du flux de travail marche encore sur les coutures entre ces systèmes, et le client aussi.

Lorsque la découverte de MIT NANDA en 2025 selon laquelle 95 pour cent des pilotes d’IA générative ne produisent pas d’impact P&L mesurable a circulé, le titre a devancé le diagnostic. Les pilotes n’ont pas échoué parce que les modèles étaient faibles. Ils ont échoué parce que rien n’a connecté la sortie d’un modèle à un processus commercial qui était déjà responsable d’un résultat. La capacité d’intégration — les personnes, la responsabilité, la plomberie des données, la discipline opérationnelle qui transforme cinq composants en une expérience — n’a presque jamais été l’élément qui a été financé.

VimalRaj Sampathkumar a fait un point adjacent en avril : les entreprises sont bloquées lorsque l’IA est traitée comme une série d’achats distincts plutôt que comme une capacité qui doit s’accumuler. Financer l’accumulation est la moitié du travail sans gloire, et c’est la moitié de ce que l’Intelligence appliquée est vraiment.

Le passage de la stratégie à l’exécution est où la plupart de l’IA meurt

La plupart des modes d’échec de l’IA d’entreprise ont été blâmés sur quelque chose. L’hygiène des données. La gouvernance. La gestion du changement. Le talent. Chacun de ceux-ci est réel, et aucun d’entre eux n’est le mode d’échec principal que je vois semaine après semaine. C’est le passage entre l’équipe qui a écrit la stratégie et l’équipe qui doit livrer le système.

Dans le modèle de consulting traditionnel, ce passage est un livrable. Une feuille de route, un modèle opérationnel cible, une matrice de sélection de fournisseurs. La société de conseil remet l’artefact au fournisseur de systèmes ou à l’équipe d’ingénierie interne, et la société de conseil part. Lorsque les travaux d’ingénierie commencent, la moitié des hypothèses dans l’artefact sont obsolètes, et les seules personnes ayant un jugement sur le fait de les honorer ou de les réviser ne sont plus dans la salle.

Le passage est également où la plupart des observateurs inter-branches situent l’écart. Dans une course de relais, la course est gagnée ou perdue au passage du bâton, et non sur la ligne droite. Dans l’IA d’entreprise, la même forme se maintient : la partie la plus lente de la course est le moment où le contexte, le jugement ou la responsabilité est censé passer d’une frontière à l’autre, et personne ne possède s’il le fait réellement.

L’Intelligence appliquée, telle que je la définis, comporte trois composants de modèle opérationnel, chacun visant une couture différente :

• Stratégie et ingénierie sous un même toit. Les recommandations sont construites par les personnes qui devront vivre avec elles, et le jugement d’ingénierie façonne la stratégie avant qu’elle ne soit publiée, et non après.
• Engagement double avec la direction et les opérateurs. Le parrainage exécutif et l’adoption au niveau opérateur s’exécutent comme des flux de travail parallèles, et non séquentiels. L’adoption n’est pas le dernier mile ; c’est le mile parallèle.
• Victoires mesurables en 90 jours, et non des transformations en 18 mois. Chaque cycle choisit une seule couture conséquente, la répare en tant que système unique responsable, mesure ce qui se déplace au niveau du client, puis choisit la suivante.

Rien de tout cela n’est nouveau en tant qu’aspiration. Ce qui est nouveau, c’est de l’exécuter en tant que modèle opérationnel unique, et non en tant que trois décisions d’approvisionnement.

Ce à quoi ressemble la discipline en production

La preuve la plus claire que les composants eux-mêmes fonctionnent n’a rien à voir avec la taille du modèle. Cela se résume à savoir si quelqu’un possédait la couture.

Dans les services financiers, les grandes institutions ont passé une décennie à redemander aux nouveaux clients des informations que l’institution avait déjà collectées lors de la demande, car le flux de travail KYC et le flux de travail d’intégration étaient optimisés par des équipes différentes contre des métriques différentes. Les institutions qui ont silencieusement réparé ce passage, généralement en 12 à 14 semaines de travail ciblé plutôt qu’en un programme de transformation pluriannuel, ont vu l’abandon de la demande diminuer et le temps jusqu’au compte financé se compresser de manière significative. L’IA n’a pas changé. La couture, si.

Dans l’hôtellerie, la même leçon a émergé presque une décennie plus tôt. Les clients ont cessé de tolérer un enregistrement qui ne savait pas qu’ils avaient réservé la chambre, et les opérateurs qui ont fermé cette boucle l’ont fait en rendant une équipe responsable de l’expérience à travers le système de réservation, le système de gestion de propriété et la plateforme de fidélité. Le modèle opérationnel était l’intervention. Les décisions de plateforme étaient en aval.

Les soins de santé sont le cas le plus actuel et le plus public, car les conséquences sont immédiates. À NYU Langone, un modèle BERT déployé pour trier les messages du portail de patient, étudié sur 396 466 messages et publié dans JAMIA Open en août 2024, a réduit le temps de lecture des cliniciens sur les messages à haute acuité de 44 à 67 pour cent. C’est un résultat à grande échelle, revu par des pairs, à l’intérieur d’un flux de travail intégré unique. Le composant est réel. Les institutions qui cumuleront ce résultat sont celles qui construisent la capacité d’orchestration autour, et non celles qui attendent la prochaine démo de fournisseur.

Pratique, et non projet

Les programmes d’IA d’entreprise les plus sains que je vois sont exécutés plus comme une pratique clinique que comme un programme de transformation. Des cycles d’apprentissage de 90 jours, une couture à la fois, avec un seul propriétaire responsable de l’expérience à travers les canaux qui la touchent. Les données sont instrumentées pour suivre le client et non le canal, et les métriques vivent à la couture, et non au tableau de bord de tout système individuel.

C’est ce que l’état de l’IA générative dans l’entreprise 2026 de Deloitte appelle le “bord non exploité” — l’écart opérationnel entre les organisations qui ont étendu l’accès à l’IA d’environ 50 pour cent par an et celles qui ont déplacé plus de 40 pour cent de leurs expériences en production. L’expansion de l’accès est devenue presque gratuite. La discipline de la production ne l’est pas.

Cette discipline est le travail. C’est également, en fin de compte, où la prochaine décennie de valeur de l’IA d’entreprise sera triée.

La capacité que vous construisez maintenant est la valeur que vous cumulez plus tard

Yue a raison que l’IA exécute les systèmes cassés plus rapidement. La corollaire que je proposerais est que l’IA cumule également les systèmes disciplinés plus rapidement, et le choix entre ces deux résultats est un choix de modèle opérationnel, et non de choix d’outillage. La capacité est déjà sur l’étagère. Les entreprises qui construisent l’Intelligence appliquée comme une pratique maintenant — l’intégration de la stratégie et de l’ingénierie, l’engagement double, les petits cycles honnêtes — sont celles dont les investissements en IA gagneront leur prochain cycle budgétaire, et dont les clients cesseront de ressentir chaque couture.