Pourquoi 95 % des projets d'IA ne rapportent rien (et ce que font les 5 %)

Les deux ont tort, et le rapport dont il est tiré est plus intéressant que la polémique qu'il a provoquée. Voici ce qu'il dit vraiment, ce qu'il ne dit pas, et ce qu'on peut en faire quand on dirige une entreprise.

D'où vient le chiffre

Il provient d'un rapport intitulé The GenAI Divide: State of AI in Business 2025, publié en juillet 2025 par l'initiative NANDA du MIT, sous la signature d'Aditya Challapally, Chris Pease, Ramesh Raskar et Pradyumna Chari.

Sa méthode, telle que les auteurs la décrivent : une revue de plus de trois cents initiatives d'IA rendues publiques, des entretiens structurés avec cinquante-deux organisations, et une enquête auprès de cent cinquante-trois dirigeants, le tout entre janvier et juin 2025.

La phrase exacte du rapport est celle-ci : malgré trente à quarante milliards de dollars investis par les entreprises dans l'IA générative, 95 % des organisations n'obtiennent aucun retour.

Trois précisions s'imposent avant d'aller plus loin, et les auteurs les donnent eux-mêmes. Le rapport porte la mention « résultats préliminaires ». Il repose sur des entretiens individuels plutôt que sur des états financiers publiés. Et les auteurs reconnaissent que la définition du succès varie d'une organisation à l'autre.

Autrement dit : c'est un signal fort et documenté, ce n'est pas une mesure comptable. Quiconque vous cite ce chiffre comme une loi de la nature ne l'a pas lu.

Ce que le chiffre ne dit pas

Il ne dit pas que la technologie ne fonctionne pas. C'est la confusion la plus répandue, et elle mène à la mauvaise décision.

Plusieurs travaux académiques solides mesurent au contraire des gains réels. Une étude menée par Erik Brynjolfsson, Danielle Li et Lindsey Raymond auprès de plus de cinq mille agents d'un centre de support client a mesuré une hausse de productivité d'environ 14 % en moyenne, et de 34 % chez les agents les moins expérimentés. Une expérience publiée dans la revue Science par Shakked Noy et Whitney Zhang, menée auprès de 453 professionnels diplômés, a mesuré une réduction du temps de rédaction de 40 % et une amélioration de la qualité de 18 %.

Ces deux études pointent dans la même direction, et c'est une information de gestion précieuse : l'IA profite le plus à ceux qui maîtrisent le moins. Elle diffuse le savoir des meilleurs vers les autres. Ce n'est pas un outil de génie, c'est un outil de nivellement.

Il faut aussi connaître le résultat inverse. En juillet 2025, l'organisme METR a mené un essai contrôlé auprès de seize développeurs expérimentés travaillant sur leurs propres projets, sur 246 tâches réelles. Avec l'IA, ils ont été 19 % plus lents. Le plus troublant n'est pas là : ils pensaient avoir été 20 % plus rapides. METR précise que ce résultat porte sur des experts, sur des bases de code qu'ils connaissaient par cœur, avec les outils du début 2025, et qu'il ne se généralise pas.

Retenez surtout l'écart entre la perception et la mesure. C'est exactement ce qui explique qu'une direction puisse être convaincue que son projet d'IA fonctionne sans qu'aucun indicateur ne le confirme.

Ce que font les 5 %

C'est la partie utile du rapport, et curieusement celle que personne ne cite.

Ils achètent plus souvent qu'ils ne construisent. Le constat est net : les développements internes échouent deux fois plus souvent que les partenariats externes. La raison est simple et connue de tout dirigeant qui a piloté un projet informatique : construire est la partie facile, maintenir et faire évoluer est la partie qui coûte.

Ils investissent là où la valeur se trouve, pas là où elle se voit. Le rapport relève qu'environ la moitié des budgets d'IA générative vont au marketing et à la vente, alors que les fonctions administratives et le back-office offrent un meilleur retour. C'est humain : on finance ce qui se montre en comité de direction.

Ils exigent que l'outil s'adapte au processus, pas l'inverse. Les organisations qui obtiennent un résultat demandent une personnalisation par processus métier et évaluent l'outil sur des résultats d'exploitation, pas sur des démonstrations ni des scores techniques.

Ils savent ce qu'ils mesurent avant de commencer. C'est la condition qui manque le plus souvent. Un projet sans indicateur défini à l'avance ne peut pas réussir, puisque personne ne saura dire s'il a réussi.

Un dernier point mérite l'attention des dirigeants : selon ce même rapport, environ 90 % des salariés utilisent des outils d'IA personnels dans leur travail, alors que 40 % seulement des entreprises ont souscrit des abonnements officiels. Vos équipes utilisent déjà l'IA. La question n'est pas de savoir si vous allez y venir, mais si cela se passera dans un cadre ou en dehors.

Un directeur des opérations cité dans le rapport résume l'écart entre le discours et le terrain : sur LinkedIn, tout aurait changé ; dans ses opérations, rien de fondamental n'a bougé.

Les quatre questions à poser avant de lancer un projet

Si vous ne deviez retenir qu'une chose de ce rapport, ce serait cette liste.

1. 1Quel processus précis cet outil modifie-t-il ? Pas « le service client », mais « le traitement des demandes de suivi de commande reçues hors horaires ». Si la réponse reste vague, le projet rejoindra les 95 %.
2. 2Qu'est-ce que je mesure, à partir de quelle valeur de départ, et dans combien de temps ? Fixez-le avant de signer. Un projet qu'on évalue après coup s'évalue toujours favorablement.
3. 3Que se passe-t-il quand l'outil se trompe ? Une IA qui donne une réponse fausse à un client, un candidat ou un fournisseur engage votre nom. Demandez comment l'erreur est empêchée, détectée, et qui la corrige.
4. 4Qu'est-ce qui reste quand le fournisseur disparaît ? Vos données sont-elles exportables, votre processus survit-il, votre équipe sait-elle faire sans ?

Ce qu'un dirigeant devrait en conclure

Ni « l'IA ne marche pas », ni « il faut y aller ». La bonne conclusion est plus ennuyeuse et plus rentable : l'écart ne se joue pas sur la technologie, il se joue sur l'exécution. Choisir un processus précis, définir ce qu'on mesure, préférer un outil maintenu par quelqu'un dont c'est le métier, et exiger de savoir ce qui se passe quand la machine se trompe.

Ce sont les mêmes règles que pour n'importe quel investissement. Ce qui est nouveau, c'est la vitesse à laquelle on peut les oublier.