Examen du 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. Mon obsession actuelle qui devrait durer longtemps ? L’IA.

Le MIT NANDA a récemment publié un document intitulé « La division GenAI. État de l’IA dans les entreprises en 2025 », et je pense que ce document vaut vraiment la peine d’être lu. Il donne une vision réaliste de l’IA et de sa place dans les entreprises d’aujourd’hui. Les flux LinkedIn peuvent sembler presque hystériques sur la façon dont l’IA a changé tout, mais le rapport peint un tableau différent.

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

Les agents réseau et l’IA décentralisée (acronyme NANDA) sont une initiative de recherche ambitieuse du Media Lab du MIT. Le projet s’étend sur plus de 18 institutions de recherche de premier plan sur 6 continents et certains grands noms de l’industrie technologique – pensez à Meta, Dell, Microsoft et similaires. L’objectif de NANDA est vraiment futuriste, voire révolutionnaire. L’ambition est de construire les infrastructures fondamentales pour l’Internet des agents IA, c’est-à-dire un réseau décentralisé où les agents IA découvrent, vérifient et collaborent 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 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. (Est-ce que vous avez des vibrations Wikipedia ?)

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

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

5 % de taux de réussite des pilotes d’IA

Le rapport introduit le terme « la division GenAI » 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 se transformer réellement, 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 en employant l’IA – « Ce biais d’investissement perpétue la division GenAI en dirigeant les ressources vers des cas d’utilisation visibles mais souvent moins transformatifs, tandis que les opportunités à plus haut rendement dans les fonctions de back-office restent sous-financées ».

La raison pour laquelle le rapport a fait tant de bruit est sa principale conclusion. Le résumé exécutif indique : « Malgré 30 à 40 milliards de dollars d’investissements dans l’IA, ce rapport révèle un résultat surprenant : 95 % des organisations n’obtiennent aucun retour sur investissement… Seuls 5 % des pilotes d’IA intégrés tirent des millions de dollars de valeur, tandis que la grande majorité reste bloquée sans impact mesurable sur le compte de résultats . » 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 alimente avec le même ensemble de données encore et encore, sans amélioration de la performance. Un manager de fabrication de marché moyen a décrit avoir téléchargé à plusieurs reprises le même manuel de produit dans son système d’IA pour affiner les listes de contrôle de livraison, mais chaque itération copiait les mêmes omissions et erreurs, sans amélioration mesurable de la qualité de sortie malgré plusieurs 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 nécessite de réalimenter les connaissances et le contexte passés. Les flux de travail complexes, contrairement aux tâches simples et uniques, traînent en longueur et échouent à agir comme un support fiable pour les projets en cours, sapant la productivité dans les projets complexes et multétapes. Le rapport cite une équipe juridique d’entreprise qui, pour chaque projet de contrat, doit réintroduire 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 métier. 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 l’outil d’analyse des risques 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 s’adapter aux entrées rigides de l’outil plutôt que de laisser l’IA s’adapter aux processus établis. Le décalage a finalement conduit à l’abandon des pilotes.

Mes principales conclusions 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 la CEI m’a partagé qu’elle utilise ChatGPT pour écrire du contenu d’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 gain de temps qu’elle ne mentionne pas vraiment à son manager.

Le rapport fournit des chiffres très spécifiques. Alors que seulement 40 % des entreprises ont acheté des abonnements LLM officiels, les travailleurs de plus de 90 % des entreprises interrogées ont signalé une utilisation régulière d’outils d’IA personnels pour les tâches de travail. Cette utilisation de l’ombre livre souvent un meilleur retour sur investissement que les initiatives d’entreprise officielles, révélant ce qui fonctionne réellement 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 potentiel réel de retour sur investissement. 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 indicateurs de performance clés du 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 sous-traités. Ce biais d’investissement perpétue la division GenAI en dirigeant les ressources vers des cas d’utilisation visibles mais moins transformatifs.

Cependant, ma conviction personnelle est la suivante. D’après ce que je me rappelle de mon expérience dans une banque internationale qui possède des banques de détail à travers le monde, introduire un outil qui creuse dans les entrailles de l’organisation, se nourrit de ses données et (qui sait ?) laisse fuir des informations confidentielles à l’extérieur 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, tandis que les perturbations complexes du back-end ne sont pas accueillies avec enthousiasme. À moins que ce ne soit une commande directe du niveau C, la mise en œuvre d’outils d’IA perturbateurs 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 réalisée pour l’équipe de vente d’une entreprise locale de fabrication de fenêtres. 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 capable de trouver les goulets d’étranglement dans son tunnel plus rapidement, et davantage de points de douleur sont mis en évidence à mesure que l’IA aide l’entreprise à traiter le langage parlé et écrit. Leur taux de satisfaction est extrêmement élevé, avec davantage de données traitées plus rapidement.

3. Les constructions internes perdent aux fournisseurs externes

Pour être honnête, cette conclusion 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 l’aurait cru, 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 – obtiennent des taux de réussite significativement plus élevés et un temps de retour sur investissement 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 seules deux industries – la technologie et les médias et les télécommunications – montrent des signes clairs de perturbation structurelle de l’IA. Sept des neuf principaux secteurs présentent une activité de pilote significative mais un changement structurel minimal, les industries telles que les soins de santé, les services financiers et l’énergie présentant 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 division GenAI 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 division GenAI est temporaire et sera surmontée grâce aux développements émergents.

NANDA elle-même est l’un des principaux contributeurs à un monde de l’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 une interopérabilité d’agent transparente et une coordination autonome entre les systèmes.

Les efforts de NANDA et ces outils sont le chemin vers exactement ce que NANDA vise – 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 la 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 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’orchestrateur déclenche automatiquement des 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 division GenAI se rétrécit rapidement à mesure que les entreprises commencent à verrouiller des relations avec des fournisseurs d’outils d’IA capables d’apprentissage, qui produisent une perturbation et évoluent et optimisent les opérations commerciales dans le back-office, ajoutant de la vitesse au cœur 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 agissant, de mémorisation et autosuffisants deviennent plus courants, le taux d’échec actuel de 95 % laissera place à une nouvelle ère où les systèmes d’IA collaborent en toute transparence entre les fournisseurs, les domaines et les frontières organisationnelles. C’est l’avenir, le véritable retour sur investissement 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 plusieurs domaines. Mais est-ce la voix ultime de l’adoption de l’IA dans le monde entier ? Si vous, comme moi, avez trouvé La division GenAI un 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 d’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 l’industrie de la vente au détail est en tête en termes de satisfaction de l’IA, où 96 % des performances des pilotes d’IA répondent ou dépassent les attentes.
• Auparavant, j’ai exprimé de la 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 (BFSI) : 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 le dit Arabian Business.
• Un autre rapport rassurant IBM CEO Study s’ouvre sur un avant-propos audacieux du vice-président d’IBM Gary Cohn : « À mesure que l’adoption de l’IA s’accélère… le rendement ultime ne viendra qu’aux PDG qui ont le courage de 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 avantage est un avantage concurrentiel. À ce stade, les dirigeants qui n’utilisent pas l’IA et leurs propres données pour avancer prennent une décision commerciale délibérée de ne pas concurrencer. »
• L’étude du PDG d’IBM montre quelques 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 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 dans le rapport conviennent que le risque de rester en arrière pousse l’investissement dans les nouvelles technologies bien avant qu’une compréhension claire de leur impact ne soit atteinte. Cependant, il n’y a pas de décisions rapides. Les décideurs optent plutôt pour une « stratégie d’atténuation ». En termes simples, lorsque un concurrent lance un chatbot d’IA pour des recommandations personnalisées, vous faites de même pour votre site Web. Vous n’êtes peut-être pas sûr de l’augmentation des 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 irrémédiablement 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, directeur marketing, développeur commercial et ancien employé de banque, je vois de nombreuses façons dont l’IA peut aider à optimiser les budgets, à rationaliser les flux de travail et à boost teams. Le futur est augmenté et accéléré. Si une entreprise veut concurrencer, elle doit être fluente en IA. Alors que les conclusions que j’ai présentées sont controversées, je suis convaincu que le paysage actuel de l’IA, avec ses sommets et ses creux, est un cadre d’apprentissage naturel, répété encore et encore avec chaque nouvelle technologie.