Regard sur le rapport MIT NANDA de juillet 2025 : pourquoi le taux d’échec de 95% des pilotes d’IA n’est pas la fin

Je suis un optimiste convaincu, et je garde mon esprit ouvert à toute nouvelle technologie qui se présente à moi. Mon obsession la plus récente qui est susceptible de durer longtemps ? L’IA.

MIT NANDA a récemment publié son document intitulé « The GenAI Divide. State of AI in Business in 2025 », et je pense que le document vaut vraiment la peine d’être lu. Il donne une vision réaliste de l’IA et de sa place dans les entreprises aujourd’hui. Les flux LinkedIn peuvent sembler presque hystériques sur la façon dont l’IA est venue tout changer, mais le rapport peint un tableau différent.

Tout d’abord, qu’est-ce que MIT NANDA ?

Networked Agents and Decentralized AI (acronyme NANDA) est une initiative de recherche ambitieuse du MIT Media Lab. Le projet s’étend à plus de 18 institutions de recherche de premier plan sur 6 continents et à de grands noms de l’industrie technologique – pensez à Meta, Dell, Microsoft et similaires. L’objectif de NANDA est vraiment futuriste, sinon révolutionnaire. L’ambition est de construire les infrastructures fondamentales pour l’Internet des agents d’IA, c’est-à-dire un réseau décentralisé où les agents d’IA découvrent, vérifient et collaborent les uns avec les autres en ligne, au-delà des frontières organisationnelles. Fondamentalement, NANDA travaille sur des règles claires, des protocoles, des lignes directrices et des cadres qui permettent aux agents d’IA d’interagir avec d’autres agents au nom des humains et des organisations. Le projet NANDA est open-source, ce qui signifie qu’il accueille les entrepreneurs, les visionnaires, les technologistes et les décideurs politiques comme collaborateurs à part entière. (Avez-vous des vibrations Wikipedia ?)

La raison pour laquelle je vous parle de cela est que le rapport de MIT NANDA est le couronnement de la recherche sur l’IA. Les auteurs sont à la pointe du monde de l’IA, et leurs constatations devraient être prises au sérieux (bien qu’avec un grain de sel).

Le document a été en préparation depuis janvier et a finalement été publié en juillet 2025. Le rapport est basé sur une revue systématique de plus de 300 initiatives d’IA rendues publiques et d’entretiens avec des dirigeants de 52 organisations, ainsi que d’enquêtes menées auprès de 153 dirigeants seniors lors de quatre grands conférences sectorielles.

5 % de taux de réussite des pilotes d’IA

Le rapport introduit le terme « The GenAI Divide » qui décrit la perturbation qui se produit (ou ne se produit pas) dans les organisations et même les industries qui emploient avec succès (ou sans succès) l’IA. Si une entreprise se trouve « du mauvais côté de la division », selon NANDA, l’entreprise échoue à changer vraiment, à évoluer et à repenser sa structure et ses opérations commerciales. Pour se trouver du bon côté de la division, cela signifie avoir un résultat tangible de l’emploi de l’IA – « Cette biais d’investissement perpétue la GenAI Divide en dirigeant les ressources vers des cas d’utilisation visibles mais souvent moins transformateurs, tandis que les opportunités à plus haut ROI dans les fonctions de back-office restent sous-financées ».

La raison pour laquelle le rapport a fait tant de bruit est sa principale constatation. Le résumé exécutif indique : « Malgré 30 à 40 milliards de dollars d’investissement dans l’entreprise dans GenAI, ce rapport découvre un résultat surprenant en ce sens que 95 % des organisations n’obtiennent aucun rendement … Seuls 5 % des pilotes d’IA intégrés tirent des millions de valeur, tandis que la grande majorité reste bloquée sans impact P&L mesurable ». Pas très prometteur, n’est-ce pas ?

La limitation fondamentale qui empêche les organisations de réaliser la véritable valeur de l’IA est ce que le rapport définit comme « l’écart d’apprentissage ». La plupart des systèmes GenAI manquent fondamentalement de la capacité de retenir les commentaires, de s’adapter au contexte ou de s’améliorer avec le temps.

• Les systèmes n’apprennent pas à partir des commentaires. En réalité, cela signifie qu’un manager les nourrit avec le même ensemble de données encore et encore, mais aucune amélioration de la performance ne se produit. Un manager de fabrication de marché de taille moyenne a décrit l’upload répété du même manuel de produit dans son système d’IA pour affiner les listes de contrôle de réalisation, mais chaque itération copiait les mêmes omissions et erreurs, sans amélioration mesurable de la qualité de sortie malgré de multiples sessions de commentaires.
• Un contexte manuel excessif est requis à chaque fois. Les outils d’IA manquent de mémoire entre les sessions, donc chaque interaction signifie les re-alimenter avec les connaissances et le contexte passés. Les flux de travail complexes, contrairement aux tâches simples et uniques, s’éternisent, échouant à agir comme un support fiable pour les projets en cours. Le rapport cite une équipe juridique d’entreprise qui, pour chaque projet de contrat, doit réinsérer les préférences du client, les notes de négociation antérieures et les contraintes réglementaires dans l’outil d’IA – transformant ce qui devrait être un flux de travail d’assistance en une corvée chronophage qui sape la productivité dans les projets complexes et multétapes.
• Personnalisation insuffisante pour certains processus commerciaux. Au lieu d’obtenir un outil réactif qui s’adapte au contexte plus large, le contexte plus large s’adapte à l’outil, forçant les utilisateurs à travailler autour de systèmes rigides. Un DSI a noté que son outil d’analyse de risque d’IA fourni par le fournisseur « ressemblait à une boîte universelle », forçant les équipes à remodeler leurs flux de travail d’approbation de crédit pour correspondre aux entrées rigides de l’outil plutôt que de laisser l’IA s’adapter aux processus établis. Le défaut de correspondance a finalement conduit à l’abandon des pilotes

Mes principales constatations du rapport NANDA

1. L’économie de l’ombre de l’IA prospère

Le rapport introduit le terme « économie de l’ombre de l’IA » pour décrire la façon dont les employés utilisent l’IA à leur niveau en tant qu’outil personnel, et non en tant qu’outil approuvé au niveau de l’organisation. Cela me semble familier, en fait. Un ami de la branche d’une marque automobile chinoise dans le CIS m’a partagé qu’elle utilise ChatGPT pour écrire du contenu dans l’application (actualités, publicités, etc.). Elle dit que le siège social n’a pas approuvé d’outil d’IA pour une utilisation générale, donc son utilisation de l’IA est son propre accélérateur et économiseur de temps qu’elle ne soulève pas vraiment avec son manager.

Le rapport fournit des chiffres très spécifiques. Alors que seulement 40 % des entreprises ont acheté des abonnements officiels LLM, des employés de plus de 90 % des entreprises interrogées ont déclaré utiliser régulièrement des outils d’IA personnels pour les tâches de travail. Cette utilisation de l’ombre donne souvent un meilleur ROI que les initiatives d’entreprise officielles, révélant ce qui fonctionne vraiment lorsque les individus ont accès à des outils flexibles et réactifs.

2. L’allocation des investissements reflète des priorités mal placées

Le rapport révèle un décalage important entre les investissements dans l’IA et le véritable potentiel de ROI. Environ 50 % des budgets GenAI sont alloués aux fonctions de vente et de marketing, principalement parce que les résultats peuvent être mesurés facilement et correspondent aux KPI de niveau de conseil d’administration. Cependant, les rendements les plus élevés émergent souvent de l’automatisation des fonctions de back-office, comme l’élimination de la sous-traitance qui peut économiser jusqu’à 10 millions de dollars par an, une réduction de 30 % des coûts de création externes et 1 million de dollars économisés chaque année sur la gestion des risques externes. Ce biais d’investissement perpétue la GenAI Divide en dirigeant les ressources vers des cas d’utilisation visibles mais moins transformateurs.

Cependant, ma croyance personnelle est la suivante. D’après ce que je me rappelle de mon expérience dans une banque internationale qui possède des banques de détail dans le monde entier, introduire un outil qui creuse dans les entrailles de l’organisation, se nourrit de ses données et (qui sait ?) fait fuiter des informations internes est un grand risque. Je comprends donc pourquoi souscrire à une usine de contenu d’IA pour des créatifs faciles pour les publicités Facebook est une évidence, alors que les perturbations de back-end complexes ne sont pas accueillies avec le même enthousiasme. À moins que ce ne soit un ordre direct du niveau C, la mise en œuvre d’outils d’IA disruptifs sérieux dans la colonne vertébrale de l’entreprise aurait pris au moins 12 mois.

Heureusement, j’ai eu la chance de voir l’intérieur d’une automatisation d’IA conçue pour l’équipe de vente d’une société de fabrication de fenêtres locale. Ils ont embauché un freelancer de n8n, et il leur a construit un outil d’analyse d’appel et de chat alimenté par l’IA. L’entreprise est maintenant en mesure de trouver des goulets d’étranglement dans son tunnel plus rapidement, et davantage de points de douleur sont mis en évidence à mesure que l’IA aide le processus commercial à traiter le discours écrit et parlé. Leur taux de satisfaction était extrêmement élevé, avec davantage de données traitées plus rapidement.

3. Les constructions internes perdent face aux fournisseurs externes

Pour être honnête, cette constatation m’a surpris. Contrairement à la croyance commune selon laquelle les entreprises devraient construire leurs propres outils d’IA, la recherche montre que les partenariats stratégiques avec des fournisseurs externes sont deux fois plus susceptibles d’atteindre le déploiement par rapport aux efforts de développement internes. Qui aurait pu le penser, hein ? Eh bien, clairement pas moi.

Les organisations qui traitent les fournisseurs d’IA comme des fournisseurs de services commerciaux – en exigeant une personnalisation approfondie et en les tenant responsables des résultats opérationnels plutôt que des références de modèle – atteignent des taux de réussite nettement plus élevés et un temps de valorisation plus rapide.

4. Un investissement plus élevé signifie une perturbation plus élevée ? Pas vraiment.

En utilisant un indice composite de perturbation du marché de l’IA, le rapport révèle que seuls deux secteurs – la technologie et les médias et télécoms – montrent des signes clairs de perturbation structurelle de GenAI. Sept des neuf principaux secteurs montrent une activité de pilote significative mais un changement structurel minimal, les secteurs tels que les soins de santé, les services financiers et l’énergie affichant des scores de perturbation inférieurs à 0,5 sur une échelle de 5 points. Ce décalage entre la visibilité de l’investissement et la transformation réelle illustre la GenAI Divide au niveau de l’industrie.

Pourquoi le taux d’échec de 95 % est temporaire

Malgré des résultats intermédiaires apparemment désespérés, il y a de l’espoir à la fin du tunnel. Le rapport explique que la GenAI Divide est temporaire et sera surmontée grâce aux développements émergents.

NANDA elle-même est l’un des principaux contributeurs à un monde d’IA encore plus connecté. Les mécanismes que le rapport cite sont le protocole de contexte de modèle (ou MCP) et l’agent à agent (ou A2A) en tant que fondations d’infrastructure pour l’interopérabilité d’agent en douceur et la coordination autonome entre les systèmes.

Les efforts de NANDA et ces outils sont le chemin vers exactement ce que NANDA recherche – le Web agissant, un réseau d’agents capables de coordination autonome à travers Internet. Leur interaction sera conçue pour remplacer les flux de travail statiques par des systèmes auto-éducatifs dynamiques.

Est-ce que cela sonne trop beau pour être vrai ou même magique ? Eh bien, Microsoft Copilot Studio’s Multi-Agent Orchestration est une ressemblance la plus proche de la vision. Le système aide à construire un arbre d’agents où un agent Copilot principal déclenche des sous-agents qui sont responsables de tâches spécifiques comme la planification ou la génération de documents. Chaque agent reste dans son domaine d’expertise tout en coordonnant avec les autres. Pour le dire en termes plus pratiques, lorsque l’utilisateur demande « Planifiez notre lancement de produit Q4 », l’agent d’orchestration automatise les agents spécialisés – l’un gère la recherche de marché, un autre crée le calendrier, et un troisième coordonne avec les outils de gestion de projet. Le travail se poursuit en synchronisation, mais de manière autonome.

Alors, qu’est-ce que le rapport de NANDA nous laisse ? La fenêtre pour traverser la GenAI Divide se rétrécit rapidement à mesure que les entreprises commencent à verrouiller les relations avec les fournisseurs d’outils d’IA capables d’apprentissage, qui produisent une perturbation et évoluent et optimisent les opérations commerciales dans les fonctions de back-office, ajoutant de la vitesse au cœur même des organisations. Le succès réside dans l’achat de systèmes d’agents d’IA plutôt que de les construire à partir de zéro en interne. À mesure que les systèmes d’apprentissage, de mémorisation et d’autosuffisance d’IA deviennent plus courants, le taux d’échec actuel de 95 % laissera place à une nouvelle ère où les systèmes d’IA collaboreront en douceur à travers les fournisseurs, les domaines et les frontières organisationnelles. C’est le véritable ROI des investissements actuels.

Points de vue alternatifs sur l’adoption de l’IA

Le projet NANDA a fait un excellent travail en compilant des données de multiples sources et en interrogeant des dirigeants de multiples domaines. Mais est-ce la voix ultime de l’adoption de l’IA dans le monde ? Si vous, comme moi, avez trouvé The GenAI Divide quelque peu déprimant, voire décourageant, j’ai trouvé ces points de vue alternatifs sur l’adoption de l’IA pour maintenir mon feu personnel d’IA.

• Jed Nykolle Harme de IT Brief UK a décomposé le CIO Playbook 2025 de Lenovo. L’étude comprend des commentaires de dirigeants IT à travers l’EMEA (Europe, Moyen-Orient et Afrique), et sa conclusion est beaucoup plus prometteuse. Il s’avère que le secteur de la vente au détail est en tête en ce qui concerne la satisfaction de l’IA, où 96 % de la performance des pilotes d’IA répondent ou dépassent les attentes.
• Je me suis précédemment exprimé avec compassion pour les géants du marché des entreprises qui trouvent l’IA difficile à mettre en œuvre et ne sont pas particulièrement ouverts à une incorporation intensive. Lenovo présente cependant un tableau différent avec les industries bancaires, financières et d’assurance (BFIS) : malgré le taux d’adoption de l’IA le plus bas de 7 %, 33 % de ceux qui testent l’IA signalent que les pilotes dépassent les attentes. Le secret de ces tendances positives est « une approche prudente », comme Arabian Business le dit.
• Un autre rapport rassurant IBM CEO Study ouvre avec un avant-propos audacieux du vice-président d’IBM Gary Cohn : « À mesure que l’adoption de l’IA s’accélère… le paiement final ne viendra qu’aux PDG qui osent prendre des risques comme une opportunité. … Lorsque l’environnement commercial est incertain, utiliser l’IA et vos propres données pour identifier où vous avez un levier est un avantage concurrentiel. À ce stade, les dirigeants qui n’utilisent pas l’IA et leurs propres données pour avancer prennent consciemment la décision de ne pas concurrencer. »
• L’étude du PDG d’IBM montre certains faits inspirants. Par exemple, la croissance des investissements dans l’IA devrait plus que doubler au cours des deux prochaines années, de sorte que près de 20 % des budgets IT totaux seront alloués à l’IA – l’engagement démontre que, malgré les défis visibles et prouvés, la croyance en l’IA est forte et, ce qui est plus important, c’est un investissement stratégique plutôt que des dépenses réactives.
• Enfin, 64 % des PDG du rapport conviennent que le risque de rester en arrière pousse l’investissement dans les nouvelles technologies bien avant qu’une compréhension claire de son impact ne soit atteinte. Cependant, il n’y a pas de décisions rapides. Au lieu de cela, les décideurs optent pour « l’atténuation stratégique ». En termes simples, lorsque un concurrent lance un chatbot d’IA pour des recommandations personnalisées, vous faites de même pour votre site Web. Vous ne savez peut-être pas augmenter les revenus, mais vous savez que si vous tardez deux ans de plus jusqu’à ce que « l’ensemble de données parfait » se compile, vous perdrez irrévocablement l’élan. La règle est donc simple : copiez agressivement, puis voyez le résultat.

Conclusion

En conclusion, je voudrais exprimer ma conviction personnelle en l’IA. En tant qu’entrepreneur, un CMO, un développeur commercial et un ancien employé de bureau dans la banque, je vois tant de façons dont l’IA peut aider à optimiser les budgets, à rationaliser les flux de travail et à stimuler les équipes. Le futur est augmenté et accéléré. Si une entreprise souhaite concurrencer, elle doit être fluente en IA. Alors que les constatations que j’ai présentées sont controversées, je suis convaincu que le paysage actuel de l’IA, avec ses sommets et ses creux, est une période d’apprentissage naturelle, répétée encore et encore avec chaque nouvelle technologie.