Pourquoi l’IA d’entreprise stagne, et ce qu’il faut pour passer au-delà du pilote

Il y a trois ans, la plupart des dirigeants d’entreprise étaient dans le déni à propos de l’IA. L’opinion dominante était que ce n’était qu’un bruit de marché, ou simplement un jouet ingénieux, mais pas une technologie de classe entreprise. « Hallucination » était le mot qui hantait tout le monde. Au cours de la dernière année seulement, ce scepticisme a presque complètement basculé. Les attentes sont maintenant à leur sommet, les conseils d’administration étant convaincus que l’IA transformera chaque rôle et chaque processus.

Cependant, les deux extrêmes passent à côté du problème. L’IA n’est ni une mode passagère ni une baguette magique. C’est la transformation la plus globale que l’industrie ait jamais connue ; plus importante que le cloud, qui était fondamentalement axé sur l’efficacité et la flexibilité. L’IA est une transformation d’entreprise. C’est précisément pourquoi tant d’organisations, après avoir mené des pilotes impressionnants, se retrouvent bloquées. Le State of AI sondage de McKinsey & Company saisit l’ampleur du problème : près de deux tiers des répondants déclarent que leurs organisations n’ont pas encore commencé à déployer l’IA à l’échelle de l’entreprise.

Le véritable goulot d’étranglement n’est pas la capacité

Il est tentant de blâmer la technologie, mais ce serait erroné. À ce stade, les modèles de pointe possèdent une capacité énorme. La difficulté réside dans l’intégration de l’IA aux processus métier réels afin de fournir des résultats mesurables.

Les recherches d’IDC ont montré que 88 % des preuves de concept d’IA n’atteignent pas le déploiement en production, ce qui signifie que sur 33 lancées, seules quatre aboutissent. La raison n’est que rarement la technologie elle‑même. Un pilote démontre ce qui est possible ; l’extension exige que l’organisation modifie la façon dont le travail est réellement effectué. C’est une tâche bien plus élaborée que ce que la plupart des dirigeants anticipent. Elle implique la gestion du changement, friction entre les fonctions, des cycles budgétaires jamais conçus pour ce type d’investissement, et la tâche ardue de redéfinir les flux de travail de bout en bout. C’est pourquoi le passage de preuve de concept à la production prend plus de temps que ne le suggère le battage médiatique : les entreprises sont complexes, et la complexité résiste aux raccourcis.

Les dirigeants devraient résister au réflexe « adopter l’IA maintenant » qui engendre des expériences éparses et déconnectées. Commencez plutôt par définir le problème spécifique et le résultat attendu, par exemple réduire les temps de résolution de service, récupérer les connaissances plus rapidement, raccourcir le cycle de développement. Lorsque l’IA est conçue autour d’un flux de travail défini, l’impact devient mesurable, et un impact mesurable mérite d’être mis à l’échelle.

Le visible et l’invisible

Les agents sont la façon dont l’IA prend vie au sein d’une entreprise, et ils se divisent en deux catégories. D’abord, les agents assistants sont des aides visibles qui résument les e‑mails ou aident un développeur à écrire du code. Ensuite, les agents sont intégrés de façon invisible aux flux de travail, conciliant les comptes, exécutant les chaînes d’approbation et signalant les fraudes. Ils doivent être véritablement de niveau entreprise : capables de s’adapter à de gros volumes, offrir une précision, garantir une traçabilité complète et fonctionner dans le cadre des garde‑fous de l’IA responsable.

Les gros titres annonçant les « nombre d’agents » signifient peu, car il n’existe pas de méthode standard pour compter un agent. Ce qui importe, c’est le travail accompli par la combinaison humain‑plus‑agent. La productivité dirigée par les agents peut économiser un million de dollars ; réimaginer le processus métier avec des équipes personnes‑plus‑agents peut générer cent millions à partir du même effort, c’est là que les dirigeants doivent se concentrer.

Gouvernance, confiance et test du jour de pluie

L’appropriation du résultat est essentielle pour garantir le succès. Il est facile de déployer l’IA lorsque dix erreurs sont tolérables ; c’est une autre affaire lorsque le processus doit fonctionner parfaitement à grande échelle. Le principe directeur est le test du jour de pluie : lorsque l’IA refuse de coopérer, mais que l’entreprise continue de fonctionner. La gouvernance, donc, n’est pas l’ennemi de la rapidité mais son facilitateur. Par ailleurs, la flexibilité sans gouvernance engendre le chaos tandis que la gouvernance sans flexibilité étouffe l’innovation. Ce qui freine finalement l’IA, c’est la peur, la confiance, la sécurité et le contrôle sur ses propres données. Ces angoisses décident si une entreprise passe à l’échelle ou se fige.

Dimensionner correctement l’architecture

Il est crucial de noter que pour 80 à 90 % des cas d’usage en entreprise, un modèle de pointe est inutile. Un petit modèle linguistique construit sur les données propres à l’organisation, souvent utilisé en parallèle d’un modèle de pointe, est la solution la plus judicieuse. Les coûts par jeton diminuent de façon exponentielle, mais les modèles de raisonnement et l’extension des fenêtres de contexte augmentent fortement la consommation, faisant de l’optimisation des jetons une opportunité importante en soi.

Construire pour la prochaine vague

À chaque vague technologique, la valeur se concrétise à la périphérie lorsque les entreprises utilisent réellement la technologie. Les dépenses d’aujourd’hui se situent dans la couche d’infrastructure, comme c’est toujours le cas au début d’un cycle technologique. La prochaine, plus grande vague est l’adoption à grande échelle.

Les dirigeants d’entreprise doivent noter que l’IA d’entreprise ne stagne pas parce que la technologie est faible. Elle stagne parce que les organisations traitent une transformation métier comme un projet technologique. Les gagnants feront de l’IA un processus métier fiable, reproductible et responsable, puis feront preuve de la patience nécessaire pour le mettre à l’échelle et surfer sur la vague plus importante à venir.