État des lieux de l'IA en entreprise au MIT en 2025 : Pourquoi 95 % des initiatives d'IA en entreprise échouent et comment les organisations peuvent franchir le fossé générationnel de l'IA

Mais selon le rapport MIT State of AI in Business 2025, la réalité est bien moins prometteuse. Malgré des milliards de dollars investis, seule une infime proportion des organisations a obtenu des résultats significatifs. La plupart des déploiements restent bloqués au stade de prototype, ne parviennent pas à passer à l’échelle ou ont peu d’impact mesurable sur les résultats financiers.

Cet écart entre les ambitions et leur mise en œuvre est ce que les chercheurs appellent le fossé de la GenAI, une disparité croissante entre les organisations qui génèrent une réelle valeur grâce à l’IA et celles qui se contentent d’expérimenter sans obtenir de résultats.

Pourquoi la plupart des initiatives d’IA ne génèrent-elles pas de ROI ?

En analysant les raisons pour lesquelles tant d’entreprises échouent avec l’IA, les chercheurs du MIT ont identifié un schéma fondamental : les entreprises ont tendance à se concentrer sur l’expérimentation avec des outils plutôt que sur la transformation des processus. Installer un logiciel d’IA est facile. L’intégrer au cœur des flux de travail de l’organisation est extrêmement difficile.

De nombreuses entreprises traitent les initiatives d’IA comme des expériences isolées, déconnectées de leurs activités principales. Les équipes adoptent des outils sans repenser la manière dont le travail lui-même devrait évoluer. Le résultat est un ensemble de projets pilotes dispersés et non coordonnés qui semblent impressionnants dans les présentations, mais qui n’ont aucun impact sur les véritables indicateurs de performance de l’entreprise.

Un autre problème réside dans la forte dépendance aux modèles d’IA génériques. Ces modèles peuvent être performants dans des cas d’utilisation généraux, mais ils ne disposent pas de la compréhension contextuelle nécessaire pour des secteurs spécialisés tels que la finance, la santé, la logistique ou les services juridiques. Sans personnalisation ni adaptation spécifique au domaine, les organisations obtiennent des résultats acceptables, mais qui ne sont pas véritablement transformateurs.

Plus important encore, de nombreuses entreprises ne définissent pas leurs objectifs avant d’adopter l’IA. Les projets commencent avec l’ambition vague « d’utiliser l’IA », plutôt qu’avec un problème métier clairement défini que l’IA doit résoudre. Sans objectif précis, même des projets pilotes bien exécutés ne parviennent pas à produire des résultats significatifs.

Les obstacles culturels et organisationnels qui ralentissent la réussite de l’IA

La technologie ne représente qu’une partie du défi. Le rapport du MIT souligne que la plupart des échecs découlent davantage de facteurs humains et organisationnels que des performances des modèles.

De nombreuses équipes se sentent dépassées par le rythme d’adoption de l’IA. Elles subissent une pression pour paraître innovantes sans comprendre comment la technologie s’intègre à leurs flux de travail. D’autres craignent que l’IA menace leur rôle, ce qui crée une résistance à son adoption. Certains départements adoptent des outils de manière indépendante, créant des systèmes fragmentés qui ne communiquent pas entre eux.

Le manque de gouvernance aggrave ces problèmes. Sans politiques claires, les employés utilisent plusieurs outils d’IA de manière incohérente, allant parfois jusqu’à utiliser des comptes personnels, ce qui crée un écosystème d’« IA fantôme » qui met la sécurité des données en danger. Dans ces environnements, la cohérence et la responsabilisation se détériorent, rendant presque impossible l’obtention de résultats fiables à grande échelle.

Les quelques organisations qui réussissent adoptent une approche différente

Malgré ces échecs généralisés, un petit groupe d’organisations, environ 5 %, obtient un ROI mesurable de ses investissements en IA. Le rapport du MIT révèle que ces entreprises adoptent une approche fondamentalement différente.

Plutôt que de commencer par les outils, elles commencent par les processus. Elles cartographient les flux de travail dans lesquels l’IA peut réellement réduire les efforts ou améliorer les résultats, puis repensent ces flux de travail afin d’intégrer l’IA de manière fluide. Elles considèrent l’IA non pas comme un ajout, mais comme une transformation structurelle.

Ces organisations accordent également la priorité à la gouvernance dès le départ. Elles mettent en place des politiques d’utilisation des données, des procédures de contrôle et une supervision humaine. Elles investissent massivement dans la formation afin que les employés comprennent non seulement l’IA, mais apprennent également à l’utiliser de manière responsable et critique.

La culture joue également un rôle essentiel. Les équipes qui réussissent considèrent l’IA comme un partenaire dans la résolution de problèmes, et non comme un raccourci. Elles mettent l’accent sur l’itération, la mesure et la responsabilisation. Le ROI est suivi à l’aide de véritables indicateurs métier, et non de métriques de vanité telles que les taux d’adoption des outils.

Le lien entre l’échec de l’IA et le « workslop »

La problématique du « workslop » apparaît régulièrement dans les conclusions du MIT. Lorsque les employés utilisent l’IA sans supervision, la qualité du travail diminue. Lorsque les organisations n’intègrent pas l’IA de manière réfléchie, les équipes produisent du contenu qui doit être réécrit par la suite. Lorsque la gouvernance est faible, les résultats de faible qualité deviennent la norme.

Le workslop devient la manifestation quotidienne d’un échec organisationnel plus large. Il est le symptôme d’une mauvaise intégration, d’une formation insuffisante et d’attentes peu claires. De cette manière, le workslop et l’échec de l’IA au niveau de l’entreprise sont les deux faces d’une même pièce.

Comment les dirigeants du conseil peuvent aider les organisations à franchir le fossé de la GenAI

Consulting-group joue un rôle essentiel pour aider à combler l’écart entre les ambitions liées à l’IA et la réalité. De nombreuses organisations souhaitent progresser, mais manquent d’expertise en gestion du changement, en refonte des processus, en gouvernance de l’IA et en priorisation stratégique.

Consulting-group peut aider les organisations à déterminer quelles initiatives d’IA méritent d’être poursuivies et lesquelles ne le méritent pas. Elles peuvent accompagner leurs clients dans la création de modèles opérationnels pour l’IA, l’intégration des flux de travail, les stratégies de développement des compétences et les cadres de gouvernance. Plus important encore, elles peuvent aider les dirigeants à adopter une approche disciplinée et axée sur le ROI plutôt qu’une approche guidée par les outils.

En mettant l’accent sur l’alignement stratégique, les résultats mesurables et une mise en œuvre responsable, les consultants peuvent aider leurs clients à éviter les expérimentations coûteuses et à construire des écosystèmes d’IA durables qui génèrent une réelle valeur.

Conclusion : la réussite de l’IA nécessite plus que des outils

Le rapport MIT State of AI in Business 2025 fait ressortir un message parfaitement clair : l’IA ne crée pas de valeur à elle seule. La valeur n’émerge que lorsque les organisations repensent leurs flux de travail, forment leurs équipes, mettent en place une gouvernance responsable et déploient l’IA de manière réfléchie.

À mesure que le fossé de la GenAI se creuse, les organisations qui ne parviennent pas à s’adapter risquent de prendre du retard. Celles qui s’attaquent au travail fondamental, et pas seulement à la technologie, seront à la tête de la prochaine vague de transformation numérique.

Pour Consulting-group, l’opportunité est immense : accompagner les entreprises vers une réussite en matière d’IA qui soit significative, mesurable et durable.