95% des projets d’IA échouent. Il faut garder le fil et mesurer la valeur ajoutée.

Je suis tombé sur cet article de Fortune publié en août 2025, qui rapporte les résultats d’une étude du MIT intitulée GenAI Divide: State of AI in Business 2025. La statistique m’a frappé.

95% des projets pilotes d’IA générative en entreprise ne livrent aucun impact mesurable sur le bénéfice de l’organisation.

Je suis sous le choc. Pas parce que le chiffre m’apprend quelque chose de fondamentalement nouveau sur l’IA elle-même, mais parce qu’il vient confirmer, avec des données solides, ce que beaucoup de praticiens sentent depuis 18 mois sans oser le dire fort. L’IA ne règle pas tout.

Ce que dit l’étude

Le rapport du MIT NANDA s’appuie sur 150 entrevues avec des dirigeants, un sondage auprès de 350 employés et l’analyse de 300 déploiements publics d’IA générative. La méthodologie est solide.

Le constat principal est brutal :

  • 5% des projets accélèrent réellement les revenus.
  • 95% piétinent, sans effet mesurable.

Et le plus important, qui mérite d’être souligné : la cause de l’échec n’est PAS la qualité des modèles d’IA. Ce sont les mêmes GPT, Claude et Gemini que tout le monde a entre les mains. Le problème est ailleurs.

La vraie cause selon le MIT

Le rapport parle d’un learning gap, un fossé d’apprentissage qui touche à la fois l’outil ET l’organisation. En clair :

  • L’outil n’apprend pas de votre contexte spécifique. Il ne sait pas ce que VOUS faites, ce que VOTRE client attend, comment VOS processus fonctionnent.
  • L’organisation n’apprend pas de l’outil. Elle l’achète, l’allume et passe à autre chose.

C’est exactement le même problème que l’on observe avec les certifications, les politiques de sécurité ou les programmes de continuité d’affaires. On installe la solution. On coche la case. Personne ne revient vérifier si ça fonctionne réellement.

Acheter un outil n’a jamais remplacé la discipline de l’utiliser.

Trois données qui dérangent

Le rapport contient des chiffres qui méritent une lecture lente.

1. Acheter une solution d’IA chez un fournisseur spécialisé et bâtir un vrai partenariat réussit dans environ 67% des cas. La développer à l’interne sans expertise dédiée ne réussit que 33% du temps. La moitié moins.

2. Plus de la moitié des budgets IA en entreprise vont aux ventes et au marketing. Or, le ROI mesurable se trouve plutôt dans des zones moins glamour : automatisation administrative, élimination de la sous-traitance, optimisation des opérations.

3. Le succès n’est pas une question d’outil. C’est une question de boucle de rétroaction.

Garder le fil

Voici où je veux en venir. La leçon de cette étude, c’est qu’un projet d’IA n’est pas un événement. C’est un processus qu’il faut SUIVRE de bout en bout.

Concrètement, ça veut dire poser, dès le départ, trois questions de gouvernance.

  1. Quelle valeur ajoutée vise-t-on? Pas « on veut faire de l’IA ». Plutôt : « on veut réduire de 30% le temps de traitement des demandes du service à la clientèle ». Une cible mesurable, datée, attribuée.
  2. Comment va-t-on mesurer cette valeur? Un indicateur défini AVANT le déploiement, pas après. Avec une mesure de référence pour comparer.
  3. Qui est responsable du suivi et à quelle fréquence? Un dirigeant nommé, des revues trimestrielles au minimum, une décision claire de poursuivre ou d’arrêter.

Si vous lancez un projet d’IA sans réponse claire à ces trois questions, vous êtes dans le bassin des 95%. Pas dans celui des 5%.

Le parallèle avec la sécurité de l’information

J’enfile ici mon chapeau habituel. Cette étude reproduit fidèlement ce que j’observe depuis des années dans les programmes de sécurité.

Les organisations achètent des pare-feux, des antivirus, des outils SIEM, des certifications ISO. Elles ne vérifient jamais si ces investissements produisent les bénéfices attendus. Les politiques sont écrites, classées dans un SharePoint puis oubliées. Les indicateurs ne sont pas tenus à jour. Les revues de direction se font à l’intuition.

L’IA tombe dans le même piège. Plus rapidement, parce que la pression médiatique est plus forte. Mais c’est le même piège.

Un programme qui ne se mesure pas est un programme qui ne s’améliore pas.

Ce qu’il faut retenir

Avant de lancer le prochain projet d’IA dans votre organisation, posez-vous une seule question.

Suis-je prêt à mesurer si ça fonctionne, et à arrêter le projet si ça ne fonctionne pas?

Si la réponse est non, vous venez de financer un PowerPoint.

L’IA est un outil puissant. Comme tout outil, sa valeur dépend de ce qu’on en fait, de la discipline qu’on y met et de la rigueur avec laquelle on en valide les résultats.

Garder le fil, c’est exactement ça.

Sources