L’intelligence artificielle est largement adoptée dans les entreprises, mais sa création de valeur reste largement sous-exploitée. Dans cette tribune, Dan Sommer, Senior Director, Global Market Intelligence Lead chez Qlik, met en lumière le décalage entre usages réels, projets structurés et gouvernance des données. Il analyse les raisons pour lesquelles l’IA peine encore à produire des résultats mesurables et esquisse les conditions nécessaires, à l’horizon 2026, pour transformer des expérimentations dispersées en un véritable système de décision piloté par la donnée.
L’intelligence artificielle (IA) s’est emparée de tous les secteurs d’activité, mais cette technologie est-elle réellement source de valeur ajoutée pour toutes les entreprises ? La réponse est « pas encore », malheureusement. Un récent rapport du MIT révèle que 95 % des programmes pilotes d’IA générative dans les entreprises ne parviennent pas à produire des résultats significatifs.
La plupart des organisations sont encore très loin d’exploiter pleinement le potentiel de l’IA, au point que le paysage des entreprises expérimentant avec l’IA ressemble à un archipel : quelques entreprises émergent parmi un océan d’expérimentations fragmentées, de projets pilotes et d’initiatives sans suite. Les entreprises gagneront un avantage concurrentiel réel lorsqu’elles parviendront à transformer la « valeur cachée de l’IA » en meilleures décisions à l’échelle de l’entreprise.
Le paradoxe organisationnel de l’IA
Les conseils d’administration continuent d’entendre que seule une infime partie des entreprises est véritablement « prête pour l’IA ». Mais il suffit de se promener dans les couloirs de n’importe quelle entreprise pour observer des employés utiliser discrètement l’IA pour diverses tâches quotidiennes : aide à la rédaction, mise en page de présentations ou encore débogage de code. Pour l’instant, il s’agit uniquement d’opportunités invisibles. Elles façonnent les résultats, mais elles n’apparaissent pas dans les documents comptables calculant les pertes et profits, puisqu’elles se basent rarement sur des données complètes et se trouvent totalement en dehors des règles de gouvernance.
Une étude récente du Boston Consulting Group a révélé qu’environ 5 % seulement des entreprises sont structurellement préparées à un avenir basé sur l’IA, bien que les agents soient utilisés quotidiennement au sein de l’entreprise. Ce paradoxe se retrouve chez de nombreuses entreprises : leurs projets d’IA survivent rarement l’étape consistant à auditer les données ou à gérer les modèles de risque, car elles ne parviennent pas à en extraire de la valeur.
Les trois piliers de l’IA en 2026 : flexibilité, décentralisation et responsabilité
2026 sera l’année où les entreprises les plus innovantes combleront cet écart. Au lieu de se demander sur quel modèle, cloud ou plateforme unique miser, elles devront faire le postulat qu’elles changeront d’avis à plusieurs reprises. Elles doivent désormais concevoir une architecture flexible, capable de remplacer des outils sans avoir à réécrire leur logique métier ni perdre le contrôle de leurs données.
L’opposition historique entre centralisation autoritaire et décentralisation désordonnée est désormais obsolète. Il est impossible de reconstruire son modèle opérationnel à chaque fois que le marché fluctue. Les entreprises qui prospèrent pratiquent une décentralisation contrôlée. Elles considèrent les définitions, la gouvernance et la souveraineté comme non négociables, et confient l’expérimentation et l’automatisation aux équipes métiers.
Parallèlement, l’intelligence elle-même devrait commencer à se comporter davantage comme un outil indispensable que comme une fonctionnalité. À mesure que les modèles d’IA deviennent plus petits, que le traitement local et l’informatique edge se généralisent, davantage de décisions seront prises là où les données sont produites, par exemple, dans les usines, les points de vente, les véhicules, ou encore les objets connectés. L’analyse partagée et le contexte resteront des critères essentiels pour définir ce que signifie une « bonne » décision.
Progressivement, l’IA va se démocratiser et son coût par l’intelligence diminuera. En contrepartie, les attentes en matière de responsabilité augmenteront. La vraie différence se fera sur la capacité des entreprises à transformer une utilisation cachée et ponctuelle de l’IA en un système de décision explicite et gouverné, où chaque agent, assistant et application s’appuie sur les mêmes données et analyses fiables.
