95 % des projets IA échouent. Ceux qui réussissent ne font pas ce que vous croyez
Publié le 12 novembre 2026
L’intelligence artificielle s’installe dans les entreprises à une vitesse impressionnante. Pourtant, derrière l’enthousiasme et les investissements, les résultats ne sont pas toujours au rendez-vous.
Selon le rapport The GenAI Divide: State of AI in Business 2025, publié par le projet NANDA du MIT, 95 % des organisations étudiées ne constatent aucun retour mesurable sur leurs investissements en IA générative. Un chiffre marquant, surtout lorsque l'on sait que les investissements des entreprises dans cette technologie sont estimés entre 30 et 40 milliards de dollars par le rapport.
95 %
des organisations étudiées n'ont pas constaté de retour mesurable sur leurs investissements en IA générative.
Source : The GenAI Divide: State of AI in Business 2025, projet NANDA du MIT. https://nanda.media.mit.edu/ai_report_2025.pdf?utm_source=chatgpt.com
Faut-il en conclure que l'IA ne tient pas ses promesses ?
Pas nécessairement. D'autres données montrent que son adoption progresse bel et bien. En avril 2026, le fonds d'investissement Andreessen Horowitz (a16z) indiquait que 29 % des entreprises du Fortune 500 et environ 19 % de celles du Global 2000 étaient clientes payantes et actives d'une startup spécialisée en IA.
Ces chiffres ne mesurent pas la même chose : le rapport du MIT s'intéresse aux retours économiques mesurables, tandis que a16z observe l'adoption de solutions. Mais leur mise en regard soulève une question essentielle : si les entreprises adoptent de plus en plus l'IA, pourquoi ont-elles encore autant de difficultés à en tirer une valeur concrète ?
La réponse pourrait se trouver moins dans la technologie elle-même que dans la manière de l'intégrer.
L'erreur que tout le monde fait avec l'IA
Face aux possibilités offertes par l'IA générative, le premier réflexe consiste souvent à adopter un nouvel outil : un assistant pour rédiger, un chatbot pour répondre aux clients, une solution pour analyser des documents ou automatiser certaines tâches.
Ces usages peuvent apporter des gains de productivité réels. Un collaborateur peut gagner du temps dans la rédaction d'un compte rendu ou dans la recherche d'informations. Mais ce gain individuel ne se traduit pas automatiquement par une amélioration durable des performances de l'entreprise.
Pourquoi ? Parce qu'un outil utilisé isolément ne connaît pas nécessairement les règles internes, les spécificités des clients, les méthodes de travail ou les contraintes propres à l'organisation.
Il peut produire une réponse pertinente en apparence, sans pour autant être capable de prendre en compte l'ensemble du contexte métier.
La différence est importante :
| Adopter un outil d'IA | Intégrer l'IA dans son activité | | -------------------------------------------- | -------------------------------------------------------------------- | | Aider un collaborateur à rédiger un document | Produire un document à partir des données et règles de l'entreprise | | Répondre à une question générale | Répondre en tenant compte de l'historique et du contexte d'un client | | Automatiser une tâche isolée | Relier plusieurs étapes d'un processus métier | | Accélérer le travail individuel | Améliorer le fonctionnement d'une activité dans son ensemble |
« Adopter un outil d'IA ne signifie pas encore savoir l'intégrer dans le fonctionnement réel de son entreprise. »
L'enjeu n'est donc pas simplement de mettre l'IA à disposition des équipes. Il est de lui donner les bonnes informations, de l'intégrer aux bons moments et de définir précisément ce qu'elle doit accomplir.
Ce que disent vraiment les chiffres quand on regarde bien
Le chiffre de 95 % mérite d'être regardé de plus près.
Le rapport du MIT repose sur plusieurs sources : l'analyse de plus de 300 initiatives d'IA rendues publiques, 52 entretiens avec des organisations et 153 réponses à une enquête menée auprès de dirigeants. Il s'agit de résultats préliminaires, qui ne doivent pas être interprétés comme un taux universel d'échec de tous les projets d'IA.
Ce que les chercheurs mettent notamment en évidence, c'est la difficulté à passer de l'expérimentation à une utilisation réellement intégrée dans les opérations de l'entreprise.
Autrement dit, tester une technologie est une chose. La faire fonctionner dans un environnement professionnel réel, avec ses données, ses contraintes et ses utilisateurs, en est une autre.
À l'inverse, certains déploiements montrent ce qu'une intégration plus approfondie peut rendre possible.
Exemple : le support client d'Anthropic
63 % des conversations résolues de manière autonome 560 000+ résolutions par mois
Source : étude de cas publiée par Intercom. Chiffres communiqués par le fournisseur.
L'entreprise Anthropic utilise l'agent conversationnel Fin, développé par Intercom, pour traiter une partie de ses demandes de support. Selon le témoignage publié par Intercom, la solution intervient dans environ 80 % des conversations et en résout 63 % de manière autonome, soit plus de 560 000 résolutions par mois.
Ce résultat ne repose pas uniquement sur la capacité du modèle à générer des réponses. L'entreprise a également mis en place des règles d'orientation des demandes : l'IA prend en charge les demandes qu'elle peut traiter, tandis que les spécialistes interviennent sur les situations complexes et les cas particuliers.
Ces chiffres proviennent d'une étude de cas publiée par le fournisseur de la solution. Ils ne constituent donc pas une garantie de résultats pour toutes les entreprises. Ils illustrent néanmoins un point essentiel : la valeur apparaît lorsque la technologie s'inscrit dans une organisation du travail cohérente.
L'adoption d'un outil ne suffit pas. C'est son intégration dans un processus, son suivi et son amélioration continue qui permettent d'en mesurer l'impact.
Le vrai sujet n'est pas l'IA. C'est votre architecture.
Derrière une solution d'IA performante, il existe souvent un ensemble d'éléments qui fonctionnent ensemble : les données, les outils déjà utilisés, les règles métier, les processus et les connaissances des collaborateurs.
C'est ce que l'on peut appeler l'architecture métier de l'entreprise.
Prenons l'exemple d'une entreprise industrielle. Un technicien expérimenté sait reconnaître certains signes annonciateurs d'une panne. Il connaît les particularités d'une machine, les réactions à adopter selon les situations et les erreurs à éviter.
Une partie de ce savoir-faire n'est pas nécessairement écrite dans une procédure. Elle s'est construite au fil des années, à travers l'expérience et la résolution de problèmes concrets.
Si ce technicien quitte l'entreprise, une partie de cette connaissance risque de disparaître avec lui.
Ajouter un outil d'IA ne résout pas automatiquement ce problème. Encore faut-il identifier ces connaissances, les formaliser, les rendre accessibles et les relier aux situations dans lesquelles elles sont utiles.
C'est là que se situe le véritable travail de structuration.
Une IA n'est utile que dans la mesure où elle dispose du bon contexte pour accomplir sa mission.
Cela implique notamment de passer par plusieurs étapes :
De la connaissance métier au système opérationnel
01 Structurer les données
Rendre les informations utiles accessibles, fiables et exploitables.
02 Formaliser les règles métier
Traduire les méthodes, les pratiques et les contraintes de l'entreprise.
03 Connecter les outils existants
Faire circuler les informations entre les différentes étapes d'un processus et éviter les ruptures.
04 Préserver l'expertise humaine
Définir ce qui peut être automatisé et ce qui nécessite encore du jugement et de l'expérience.
Il ne s'agit pas nécessairement de développer un logiciel entièrement sur mesure. Dans certains cas, les outils déjà disponibles peuvent suffire, à condition d'être correctement connectés et organisés. Dans d'autres, une solution spécifique devient nécessaire pour répondre aux contraintes du métier.
L'objectif reste le même : construire un système qui fonctionne avec l'entreprise, et non un outil supplémentaire à côté de ses activités.
Pourquoi les experts sont les mieux placés pour gagner cette bataille
On parle beaucoup de modèles, de performances et de capacités techniques. Pourtant, les personnes qui connaissent le mieux les activités d'une entreprise ne sont pas nécessairement celles qui développent les technologies : ce sont souvent les collaborateurs qui réalisent le travail au quotidien.
Un responsable de production connaît les contraintes de ses équipes. Un expert métier sait pourquoi une procédure ne peut pas être appliquée de la même manière dans toutes les situations. Un conseiller connaît les questions récurrentes de ses clients, mais aussi les cas qui nécessitent une attention particulière.
Cette connaissance est précieuse. Elle permet de distinguer une tâche répétitive, qui peut être automatisée, d'une décision qui doit rester entre les mains d'un professionnel.
Prenons un exemple simple : dans un service client, l'IA peut répondre à une question récurrente sur une livraison. En revanche, une réclamation inhabituelle, un client mécontent ou une situation contractuelle particulière peuvent nécessiter l'intervention d'un collaborateur.
Le bon système ne cherche donc pas à remplacer systématiquement l'humain. Il organise la collaboration entre la technologie et les équipes.
Pour y parvenir, les experts doivent participer à la conception de la solution : identifier les besoins, transmettre les connaissances, définir les règles et évaluer les résultats.
C'est aussi ce qui permet de construire un outil réellement adapté à l'activité, plutôt qu'une solution séduisante en démonstration mais difficile à utiliser au quotidien.
Le coût de ne rien faire n'est pas nul
Lorsqu'une entreprise ne structure pas ses connaissances et ses processus, les conséquences ne sont pas toujours visibles immédiatement.
Elles apparaissent progressivement :
- Des collaborateurs passent du temps à rechercher des informations déjà disponibles ailleurs.
- Les mêmes tâches sont réalisées plusieurs fois, faute de circulation efficace de l'information.
- Les nouveaux arrivants mettent davantage de temps à devenir autonomes.
- Les départs de collaborateurs expérimentés fragilisent la transmission des connaissances.
- Les outils s'accumulent sans réellement communiquer entre eux.
À terme, l'entreprise peut devenir dépendante de quelques personnes qui détiennent une partie essentielle de son fonctionnement.
Le risque est particulièrement important lorsque l'activité se développe : davantage de clients, de collaborateurs, de sites ou de projets impliquent davantage d'informations à partager et de processus à coordonner.
L'IA peut contribuer à résoudre une partie de ces difficultés, mais uniquement si l'entreprise sait ce qu'elle cherche à améliorer et comment mesurer les résultats.
Avant d'investir dans l'IA, posez-vous trois questions
01 Quel problème cherchons-nous réellement à résoudre ?
Une tâche isolée ou un processus complet ?
02 Avons-nous les bonnes données et connaissances ?
Sont-elles accessibles, fiables et suffisamment structurées ?
03 Comment mesurerons-nous les résultats ?
Temps gagné, erreurs réduites, coûts maîtrisés, qualité de service ou satisfaction client ?
Sans ces réponses, une entreprise risque d'investir dans une nouvelle technologie sans savoir précisément quelle valeur elle doit produire.
Ce qu'il faut retenir
Le débat autour de l'intelligence artificielle ne devrait pas se limiter au choix du meilleur modèle ou du dernier outil disponible.
Les entreprises qui souhaitent en tirer une valeur durable doivent d'abord comprendre leur propre fonctionnement : leurs processus, leurs données, leurs méthodes et surtout les connaissances qui font leur expertise.
L'enjeu est de transformer ce savoir-faire en un système structuré, accessible et capable d'évoluer avec l'activité. C'est cette réflexion qui doit précéder le choix des outils et des technologies.
Chez DPS, nous sommes convaincus que la valeur d'un projet numérique ne réside pas uniquement dans la technologie utilisée, mais dans sa capacité à répondre aux réalités du métier.
Car l'IA plaquée sur un outil existant peut apporter du confort. Mais l'IA intégrée dans un système métier, pensée autour des réalités de l'entreprise, peut devenir un véritable actif.
La question n'est donc plus seulement de savoir ce que l'IA peut faire. C'est de savoir ce que votre entreprise peut construire avec elle.