Tout le monde a acheté l'IA. Presque personne ne l'encaisse.
Voici la paire de chiffres qui devrait empêcher les dirigeants de dormir. Environ 78% des entreprises déclarent utiliser l'IA. Environ 80% ne constatent rien bouger sur leur résultat net. Les deux chiffres viennent des recherches de 2026, et ensemble ils dessinent l'écart le plus étrange de la tech en entreprise aujourd'hui : l'adoption est quasi universelle, et l'impact sur les résultats quasi invisible.
L'explication facile, c'est que les modèles ne seraient pas encore assez bons. Je n'y crois pas. Des assistants de la trempe de GPT rédigent des contrats, résument des tickets de support et produisent du code livrable chaque jour au sein des grands groupes. La capacité est là. Le souci, c'est qu'on continue de la greffer sur des process pensés pour des humains, et une étape plus rapide dans un processus inchangé ne change presque jamais le résultat.
On peut automatiser une tâche à la perfection et ne rien livrer de neuf, parce que la tâche qu'on a accélérée n'a jamais été celle qui bloquait.
Une étape plus rapide ne débloque pas un système lent
Tout processus avance à la vitesse de sa contrainte la plus lente, et l'IA accélère le plus souvent une étape qui n'était pas la contrainte. D'où une illusion très convaincante : de vrais gains locaux posés sur un résultat global parfaitement plat.
Imaginez un circuit de proposition commerciale classique. Le commercial lance un assistant façon Copilot et le brouillon qui avalait une journée entière arrive en quinze minutes. Puis il attend. Trois jours pour la même revue juridique, le même circuit d'approbation dans Salesforce, la même réunion de validation du vendredi. Le brouillon est allé plus vite ; le cycle n'a pas bougé d'un pouce. L'analyse affiliée au MIT de la Harvard Data Science Review(lien externe, nouvel onglet) chiffre le pourquoi : les gains de 2 à 10x que tout le monde réclame viennent d'une refonte du workflow, pas de l'ajout d'un outil.
Accélérez un non-goulot et vous récoltez la sensation du progrès sans aucun de ses effets. L'activité grimpe pendant que le débit reste exactement où il était.
C'est le piège que je décrivais dans le vrai coût de l'IA au-delà des tokens : vous payez plein tarif pour la capacité pendant que le système autour avale tranquillement le gain.
Comparez avec une vraie refonte. Un établissement de crédit de taille moyenne, dont l'exemple me reste en tête, n'a pas utilisé l'IA pour rédiger les notes de crédit plus vite. Il a supprimé l'étape de la note. Des signaux structurés sur l'emprunteur alimentent désormais directement une décision que l'analyste confirme ou corrige, et le document qui structurait toute la revue a tout simplement cessé d'exister. La production par analyste a augmenté, mais ce n'était presque pas le sujet. Le cycle d'approbation est passé de jours à heures, parce que la refonte a supprimé l'attente plutôt que la frappe. Les résultats ont bougé parce qu'ils ont reconstruit le workflow, pas la touche de clavier.
La refonte bat l'insertion
Les entreprises qui voient de vrais retours redessinent autour de l'IA au lieu de l'insérer dans l'existant. Toute la différence tient dans un verbe : supprimer des étapes plutôt que les accélérer.
McKinsey retombe toujours sur le même constat dans sa recherche State of AI(lien externe, nouvel onglet). La valeur se concentre là où les organisations recâblent leurs processus cœur, et elle s'évapore là où elles saupoudrent des assistants sur des process que personne n'a osé toucher. La refonte impose une question inconfortable. Si cette tâche est désormais quasi gratuite, pourquoi le processus autour garde-t-il la forme qu'il avait quand la tâche était lente et coûteuse ?
Posez-la honnêtement et vous tombez en général sur des couches d'approbation, des passages de relais et des points de revue qui n'existaient que pour une seule raison : le travail était rare. Rendez-le abondant, et la moitié perd sa raison de survivre.
Comptez les résultats, pas l'activité
Les métriques que la plupart des équipes célèbrent sont précisément celles qui masquent l'échec. Prompts envoyés, documents rédigés, heures « gagnées » : tout grimpe sans prouver qu'une seule chose a atteint un client ou une ligne de compte de résultat.
Les mesures qui disent la vérité se situent au niveau du résultat : temps de cycle de bout en bout, coût par résultat livré, et le revenu ou la marge qu'on peut réellement rattacher au changement. C'est la discipline que je défendais dans la fin du sprint de deux semaines. Si le résultat ne bouge jamais, l'activité était du théâtre, aussi chargé que paraisse le tableau de bord. Le bénéfice est concret en prime : une fois les résultats mesurés, les occasions de refonte cessent d'être abstraites et vous voyez enfin quelles étapes ajoutent de la valeur et lesquelles n'ajoutent que du délai.
Traitez l'IA comme un changement de modèle opérationnel
Les retours arrivent quand les dirigeants cessent de voir l'IA comme une fonctionnalité de productivité pour la traiter comme un changement de modèle opérationnel. Cela veut dire redessiner les rôles, couper des étapes et admettre que certaines structures bâties pour un travail à vitesse humaine n'ont plus leur place. Il faut le même cran structurel que celui dont je parlais dans réinventer les organisations : la technologie ne paie que lorsque le système autour accepte de changer de forme.
Par où commencer
Choisissez un workflow cœur et cartographiez-le de bout en bout jusqu'à trouver le vrai goulot. Regardez ensuite ce que votre IA touche vraiment. Si elle accélère cette étape précise, ou mieux encore si elle l'élimine, vous achetez des résultats. Si elle rend un peu plus rapide un non-goulot confortable, vous financez de l'activité en l'appelant progrès. Redessinez le processus d'abord. Ajoutez le modèle ensuite.
