Le grand paradoxe de l'IA : on mesure mieux, mais on échoue plus

📌 TL;DR EXÉCUTIF

1. 72% des entreprises mesurent maintenant le ROI de l'IA et 74% disent atteindre leurs objectifs, mais c'est juste la partie visible de l'iceberg

2. 95% des pilotes d'IA générative échouent avant d'atteindre la production selon le MIT, et le taux d'abandon a doublé en un an (42% vs 17%)

3. Le vrai problème n'est pas technologique : c'est l'absence de "scaffolding organisationnel", les entreprises achètent la Ferrari mais n'ont pas de routes pour la conduire

4. Les solutions achetées réussissent 2x plus que les builds internes, arrêtez d'essayer de réinventer la roue dans votre sous-sol

Bonjour à tous 👋

Après quelques semaines d'absence, nous sommes enfin de retour pour vous livrer une infolettre qui filtre, traduit et couvre l'actualité qui a une vraie valeur pour vous en tant que dirigeant.e d'entreprise et d'organisation.

Vous verrez, la formule a été révisée pour s'assurer que vos 10 minutes de lecture hebdomadaire vous apportent toute la valeur nécessaire pour tirer profit de l'IA et comprendre ce qui se passe réellement dans le monde de l'intelligence artificielle.

Bonne lecture ! 🙂

L'éditorial : Quand mesurer le ROI ne suffit plus

On est en train de vivre un paradoxe fascinant. D'un côté, les entreprises n'ont jamais été aussi rigoureuses avec l'IA : 72% mesurent maintenant formellement le ROI de leurs projets IA, contre à peine 40% il y a deux ans. Selon l'étude de Wharton qui vient de sortir, 74% atteignent ou dépassent même leurs objectifs de retour sur investissement. Sur le papier, ça devrait être la ‘‘success story’’ de la décennie.

Sauf que de l'autre côté, c'est l'hécatombe. Le MIT vient de publier une étude qui fait mal : 95% des pilotes d'IA générative échouent à passer en production. Pas 50%. Pas 70%. 95%. Et ça empire : S&P Global rapporte que 42% des entreprises ont abandonné la majorité de leurs initiatives IA en 2025, contre seulement 17% l'année d'avant.

Le taux d'abandon a littéralement doublé en un an. 📈

Comment on peut mesurer mieux et échouer plus en même temps? C'est là que ça devient intéressant. Le problème, c'est qu'on mesure les mauvaises choses au mauvais moment. Les entreprises mesurent le ROI du pilote, est-ce que le prototype fonctionne, est-ce qu'il impressionne les cadres lors de la démo PowerPoint. Mais elles ne mesurent pas le ROI du déploiement, est-ce que ça va survivre au contact de la réalité, aux données mal structurées, aux processus brisés, à la résistance culturelle.

Les chercheurs du MIT ont identifié le vrai coupable : l'absence de "scaffolding organisationnel". En bon français : on met la technologie avant les fondations. On lance des pilotes sans avoir aligné les incitatifs, redessiné les processus de décision, ou bâti une culture prête pour l'IA. C'est comme vouloir installer un toit sans avoir construit les murs.

Il y a un autre pattern qui ressort clairement : les builds internes plantent trois fois plus souvent que les achats de solutions. Selon la même recherche du MIT, acheter des outils spécialisés ou bâtir des partenariats réussit dans 67% des cas, tandis que les builds maison ne dépassent pas 33% de succès. Pour vrai, à chaque fois qu'une PME me dit "on va développer notre propre solution IA", je sais déjà comment ça va finir. Pas parce qu'ils n'ont pas le talent, mais parce qu'ils sous-estiment massivement la complexité de passer du démo au déploiement durable.

Ce que ça change pour une PME

Pour les PME, ce paradoxe est à la fois une menace et une opportunité. La menace, est évidente : avec des ressources limitées, vous n'avez pas le luxe de gaspiller 95% de vos initiatives. Chaque pilote qui meurt, c'est du cash brûlé, du temps d'équipe perdu, et de la crédibilité interne érodée. Quand un projet IA high-profile plante, les VP perdent confiance, vos meilleurs employés deviennent frustrés, et tout le monde retourne à Excel.

C’est bon Excel, mais pas pour supporter un processus complex.

L'opportunité, elle est dans le pattern des 5% qui réussissent. Ces entreprises-là font trois choses différemment.

Un : elles commencent par identifier une douleur business claire et non-ambiguë avant même de penser à l'IA. Pas "on devrait utiliser l'IA", mais "on perd 4 heures par vendeur par semaine sur des tâches administratives, comment l'IA peut aider?".

Deux : elles investissent initialement dans l’audit stratégique, dans la préparation de leurs données, dans la preuve de concept.. pas directement dans la technologie sexy.

Trois : elles achètent plutôt que de bâtir, et elles intègrent profondément plutôt que de survoler.

Concrètement, ça veut dire quoi ? Ça veut dire arrêter de lancer 10 petits pilotes partout et se concentrer sur UN cas d'usage critique avec un ROI mesurable. McKinsey l'a documenté : les entreprises qui atteignent un impact financier significatif sont deux fois plus susceptibles d'avoir redesigné leurs workflows de bout en bout avant de choisir la technologie. C'est contre-intuitif (on veut tester la tech d'abord) mais c'est ce qui sépare le 5% qui scale du 95% qui stagne.

DEEP DIVE : 3 sujets à surveiller

L'économie souterraine de l'IA que personne ne mesure

Pendant que les directions s'arrachent les cheveux sur leurs pilotes officiels qui plantent, il se passe quelque chose de fascinant dans l'ombre. Le MIT a découvert que 90% des entreprises ont une "économie souterraine d'IA" où les employés utilisent ChatGPT, Claude ou d'autres outils sur leurs comptes personnels pour accomplir leur boulot. C'est du shadow IT nouvelle génération. Le paradoxe? Cette économie parallèle n'est jamais mesurée dans les fameux 72% qui trackent le ROI, mais elle génère probablement plus de valeur réelle que tous les pilotes officiels combinés. Ça soulève une question importante : et si les PME arrêtaient de combattre le shadow AI et commençaient plutôt à l'observer, le comprendre, et le formaliser intelligemment?

Claude Cowork — l'IA qui fait le travail pendant que tu te fais un café

Anthropic vient de lancer Claude Cowork, un agent IA qui ne se contente plus de te parler, il travaille dans tes fichiers, crée des documents, organise tes dossiers, et exécute des tâches complexes en autonomie pendant que tu fais autre chose. Lancé en janvier 2026, Cowork est essentiellement Claude Code pour non-programmeurs, accessible via une interface simple sans ligne de commande. Tu lui donnes accès à un dossier, tu lui décris ce que tu veux, et il le fait : transformer des piles de reçus en tableur Excel avec formules, réorganiser tes téléchargements chaotiques, rédiger un rapport à partir de notes éparpillées. Le détail fascinant : Anthropic a construit Cowork en 1.5 semaines en utilisant Claude Code lui-même.

OpenClaw (ex-Moltbot) — l'assistant IA viral qui te fait tout... mais à quel prix?

OpenClaw (anciennement Clawdbot, puis Moltbot après qu'Anthropic ait demandé un changement de marque) est l'assistant IA open-source qui fait fureur depuis novembre 2025. Plus de 100,000 étoiles GitHub en deux mois, des mèmes partout, et des utilisateurs qui installent l'outil sur des Mac mini qu'ils laissent rouler 24/7.

Contrairement à Siri qui te dit la météo, OpenClaw fait vraiment les choses: réserver des vols, commander au resto, gérer ton calendrier, lire tes emails, écrire des documents. Il s'intègre à WhatsApp, Telegram, iMessage, et garde une mémoire persistante de tout ce que vous avez discuté.

Le problème? Les chercheurs en cybersécurité de Cisco et Palo Alto Networks tirent la sonnette d'alarme. L'outil est vulnérable à toutes les failles du Top 10 OWASP pour applications agentiques. Sa mémoire persistante signifie qu'une instruction malicieuse cachée dans un message peut rester là pendant des semaines et s'exécuter plus tard. 26% des 31,000 "skills" analysées contenaient au moins une vulnérabilité.

Pour les PME qui se font solliciter par des employés enthousiastes qui veulent installer OpenClaw, la réponse est claire: pas encore. Le buzz est réel, les capacités sont impressionnantes, mais les risques de sécurité sont documentés et sérieux. C'est l'exemple parfait du "move fast and break things" en IA, sauf que dans ce cas-ci, ce qui risque de casser, c'est ta sécurité informatique. Observe de loin, mais ne déploie pas.

Microsoft Copilot : Le Business Impact Report de Copilot

La fonctionnalité : Enfin un dashboard qui connecte IA et résultats business

Microsoft vient de lancer en preview publique son Business Impact Report pour Copilot, et honnêtement, c'est exactement ce qui manquait. Jusqu'à maintenant, les dashboards Copilot te disaient combien d'employés utilisent l'outil, combien de fois, dans quelles apps. Utile, mais ça ne répond pas à la vraie question : est-ce que ça move the needle sur mes KPIs d’entreprise? Le nouveau rapport permet de connecter l'usage de Copilot à tes métriques réelles : revenus par vendeur, taux de closing, leads générés, temps de traitement, what ever matters pour ton entreprise. Tu peux même uploader tes propres données CSV et Copilot va croiser les patterns d'usage avec tes résultats. Disponible via Viva Insights, c'est gratuit pour tous les clients Microsoft 365.

Le cas pratique WOW : Comment l'équipe de ventes Microsoft a mesuré son vrai ROI

L'équipe de ventes chez Microsoft elle-même avait le même problème que tout le monde : beaucoup d'utilisation de Copilot, beaucoup d'enthousiasme, mais aucune façon de prouver l'impact réel sur les chiffres. Ils ont utilisé le Business Impact Report pour croiser les données d'usage Copilot avec leurs KPIs de vente : revenus par vendeur, création de pipeline, taux de closing.

Les résultats les ont surpris eux-mêmes. Les vendeurs qui utilisaient Copilot intensivement (au moins une fois par semaine) ont généré 9,4% de revenus de plus par personne comparé aux non-utilisateurs. Encore plus fort : leur taux de closing a augmenté de 20%. Vingt pour cent! C'est pas marginal, c'est game-changing.

Pourquoi? Parce que Copilot leur sauvait 4 heures par semaine sur des tâches admin : préparer des propoositions, résumer des rencontres, chercher de l'info dans le CRM, ce qui leur donnait plus de temps pour être avec les clients.

Le coup de génie du rapport, c'est qu'il a permis de segmenter par niveau d'usage. Ils ont découvert que l'impact n'était pas linéaire : utiliser Copilot une fois par mois ne change rien, mais l'utiliser au moins une fois par semaine débloque un vrai saut de performance. Ça leur a donné une cible claire pour leur stratégie d'adoption : pas juste "déployez Copilot", mais "amenez vos vendeurs à l'utiliser minimum une fois par semaine sur des use cases spécifiques".

Aujourd'hui, l'équipe RH de Microsoft utilise le même rapport pour mesurer l'engagement des employés. Ils ont trouvé que les employés qui utilisent Copilot hebdomadairement rapportent 20-30% de sentiment plus élevé sur des métriques comme "je prospère au travail" et "je prends des initiatives pour être productif". C'est exactement le genre d'insight qui manquait pour sortir du débat "l'IA c'est du hype" vs "l'IA c'est magique" et entrer dans "voici comment l'IA impacte concrètement nos objectifs".

Opinion stratégique

Selon moi, le vrai message derrière ces chiffres de 95% d'échec, c'est pas "l'IA marche pas". C'est "la plupart des entreprises approchent l'IA comme un projet technologique alors que c'est un projet de transformation organisationnelle". Et ça, ça fait toute la différence du monde.

Voici ce que j'observe sur le terrain : les PME qui réussissent avec l'IA sont celles qui arrêtent de chercher le use case parfait et qui commencent par identifier leur processus le plus cassé. Pas le plus sexy. Le plus cassé. Celui où tout le monde perd du temps, où les erreurs coûtent cher, où le turnover est élevé parce que la job est plate. C'est là que l'IA a le plus d'impact, parce que la barre est basse et le ROI est évident.

Mon conseil : oubliez les 10 pilotes. Choisissez UN problème clair, achetez une solution éprouvée ou engagé une firme d’expérience, plutôt que de tout bâtir, investissez la moitié de votre budget dans nettoyer vos données, et mesurez l'impact sur un vrai KPI.. Pas juste "combien de gens utilisent l'outil". Si vous faites juste ça, vous êtes déjà dans le top 5% qui scale. Le reste suit.

Conclusion

L'IA en 2026, c'est pas un problème de technologie. C'est un problème d'exécution. Pendant que 95% des pilotes meurent, les 5% qui réussissent prouvent que c'est possible, si on fait les choses dans le bon ordre. Commencez petit, mesurez ce qui compte, et scalez seulement ce qui marche.

— Marcan

Quartier AI

L’infolettre Intelligence Opérationnelle existe pour fournir des cadres de lecture clairs, rigoureux et exploitables aux dirigeants qui veulent comprendre l’IA avant de la déployer.