Points clés :
L'IA a pénétré 88 % des organisations dans le monde, mais l'impact de la technologie sur la productivité et les profits reste obstinément difficile à mesurer — un écart qui menace de se creuser alors que les entreprises investissent toujours plus dans son déploiement.
Environ 1 200 jours se sont écoulés depuis que OpenAI a lancé ChatGPT, et la technologie s'est répandue plus rapidement que presque tout outil d'entreprise dans l'histoire. La recherche de McKinsey montre que 88 % des organisations déclarent désormais une utilisation régulière de l'IA dans au moins une fonction métier, contre 78 % un an plus tôt. Le CIO Playbook 2026 de Lenovo, basé sur une enquête auprès de 920 cadres en Asie-Pacifique, a révélé que 95 % des entreprises en Australie et en Nouvelle-Zélande prévoient d'augmenter leurs investissements dans l'IA cette année, avec un rendement moyen attendu de 2,85 $ pour chaque dollar dépensé.
Pourtant, l'écart entre l'adoption et la valeur mesurable est large. Une étude de Wharton auprès de 801 cadres a révélé que 75 % ont constaté des retours positifs sur leurs investissements dans l'IA, mais le sondage EY 2025 auprès des cadres dirigeants sur l'IA générative a montré que seulement 8 % des organisations peuvent pleinement mesurer et allouer les coûts liés à l'IA. Environ la moitié de toutes les preuves de concept en IA atteignent la production, selon les données de Lenovo, ce qui signifie que des milliards de dépenses d'expérimentation n'aboutissent à aucun résultat opérationnel.
« Dire que nous sommes coincés en mode pilote est cette idée dépassée qui est fausse », a déclaré Ethan Mollick, professeur de management à la Wharton School qui étudie l'adoption de l'IA en entreprise. « Je parle constamment à des entreprises qui tirent une réelle valeur de l'IA. »
Le problème de la « frontière irrégulière »
Les chercheurs ont inventé le terme « frontière irrégulière » pour décrire les capacités inégales de l'IA. Les modèles excellent dans les tâches structurées telles que le codage, la révision de documents juridiques et l'analyse financière, mais peinent avec les tâches contextuelles qui exigent des jugements, des règles non écrites et une connaissance institutionnelle qui n'entre jamais dans les données d'entraînement.
Ce plafond limite ce que l'IA actuelle peut accomplir dans l'économie. Daron Acemoglu, économiste au MIT et lauréat du prix Nobel, a déclaré qu'il pense que les outils d'IA actuels n'auront un impact que sur une fraction des emplois. « Que vous soyez PDG, manager, journaliste, professeur ou ouvrier du bâtiment, je considère que vos compétences dépassent ce que l'IA peut accomplir », a-t-il affirmé.
Les obstacles structurels vont au-delà des limites des modèles. Les systèmes et flux de travail de chaque entreprise sont différents, ce qui signifie que l'architecture des données, les autorisations, les garde-fous et la supervision humaine nécessaires pour déployer l'IA de manière utile doivent être construits à partir de zéro. Benedict Evans, analyste indépendant suivant l'adoption de l'IA en entreprise, a déclaré que la frontière irrégulière rend presque impossible de prédire quels cas d'usage fonctionneront avant qu'une entreprise n'ait déjà engagé des ressources.
Le facteur humain ralentit la courbe
Les obstacles technologiques pourraient s'avérer plus faciles à surmonter que la résistance organisationnelle. Les cadres sont confrontés à des cycles de planification de cinq ans, à des calendriers d'amortissement sur des systèmes récemment achetés et à des conseils d'administration exigeant des retours. Les travailleurs qui croient former leurs propres remplaçants ont peu d'incitations à coopérer.
« Ce qui est vendu, c'est cette idée de productivité et d'efficacité », a déclaré Kate Brennan, directrice associée de l'AI Now Institute, un centre de recherche sur les politiques en matière d'IA. « Ce que cela signifie pour les personnes qui effectuent le travail réel fait rarement partie de la conversation. »
L'instinct dans la plupart des entreprises est d'utiliser l'IA pour automatiser des parties des processus existants plutôt que de reconcevoir les processus eux-mêmes. Un assureur traitant une réclamation pour un accrochage pourrait utiliser l'IA pour accélérer la paperasse tout en conservant les mêmes niveaux de vérification, plutôt que de laisser l'IA évaluer les dégâts à partir des photos du client et déclencher le paiement en quelques secondes. Ce type de réimagination menace les hiérarchies et les routines établies.
Le précédent historique suggère qu'une transformation profonde prend du temps. L'électricité a refaçonné la civilisation mais a mis quatre décennies à se manifester de manière significative dans les données de productivité. Internet a eu besoin de 10 à 15 ans pour remodeler les fondations de l'économie. James Landay, co-directeur du Stanford Institute for Human-Centered Artificial Intelligence, a déclaré que l'IA suivra probablement une trajectoire similaire. « Mon intuition penche plutôt pour cinq à dix ans — pas les deux ou trois prochaines années », a-t-il dit.
Pour les investisseurs, le calendrier compte. Les entreprises qui vendent des infrastructures d'IA — Nvidia, Microsoft, Amazon — ont vu leurs valorisations refléter des attentes de déploiement rapide en entreprise. Nvidia se négocie à environ 35 fois les bénéfices à terme, intégrant des années de croissance soutenue des centres de données. Si l'adoption en entreprise suit le chemin de cinq à dix ans que décrit Landay, l'écart entre les valorisations actuelles et la réalisation effective des revenus pourrait se creuser avant de se réduire. Les promoteurs ont raison sur la direction que prend l'IA. Les sceptiques ont probablement raison sur le temps que cela prendra.
Cet article est fourni à titre d'information uniquement et ne constitue pas un conseil en investissement.
