IA générative en entreprise : comment éviter le piège des promesses non tenues ?

L’intelligence artificielle s’impose comme un sujet majeur dans les conversations technologiques depuis 18 mois. Les promesses de gain de productivité et les discours marketing sur l’IA générative abondent. Concrètement, quelles implications pour les entreprises ?

Et surtout, les bénéfices sont-ils réels ? Une récente étude de NANDA met en lumière l’écart conséquent entre le discours et les résultats tangibles. Analyse des faits. 👇

Étude NANDA : écart significatif entre attentes et résultats

Retour sur investissement très faible voire inexistant

Selon NANDA, seuls 5 % des projets d’IA générative dans les entreprises affichent un vrai retour sur investissement. Autrement dit, 95 % des initiatives n’apportent aucun changement financier mesurable. Beaucoup d’efforts engagés pour peu de résultats concrets.

La différence est nette entre la promesse d’automatiser, accélérer et transformer le business, et les résultats obtenus.

Réactions sur les marchés financiers

La publication du rapport a entraîné une baisse significative en bourse pour les leaders américains de l’IA. Palantir a perdu plus de 12 %, tout comme Arm Holdings. Les investisseurs ont manifestement réagi négativement face à ces chiffres qui tempèrent l’enthousiasme général. 🚨

Une méthodologie sérieuse ou contestable ?

NANDA s’est appuyé sur 52 entretiens avec des décideurs, plus de 300 projets publics analysés, ainsi qu’un sondage auprès de 153 dirigeants sur leurs attentes de ROI à six mois après le lancement d’un projet.

Sur le plan méthodologique, l’étude paraît rigoureuse. Néanmoins, certains soulignent un possible biais visant à promouvoir les offres de conseil partenaires de NANDA. Nous y reviendrons.

Domaines d’application de l’IA : succès partiels et limites

Back-office vs front-office : écarts dans les performances

Les résultats les plus positifs concernent les fonctions support ou back-office : automatisation des tâches répétitives, gestion documentaire, reportings automatisés. L’IA réduit généralement le recours à la sous-traitance ou la nécessité d’embauche.

En revanche, pour le front-office (relation client, création, vente), les résultats s’avèrent décevants. Les gains restent difficiles à démontrer, l’IA rencontrant des difficultés à appréhender les subtilités de ces activités.

Impact limité sur les effectifs

Contrairement aux attentes, il n’y a pas eu de suppressions de postes importantes. NANDA indique un faible effet sur les effectifs internes. L’IA ne remplace pas les salariés actuellement.

Plutôt que des licenciements massifs, une rationalisation légère se constate, sans effet spectaculaire.

Impact quotidien : expérience employé versus retour institutionnel

Utilisation individuelle séduisante, résultats globaux en retrait

Un paradoxe ressort : 90 % des collaborateurs utilisant des IA telles que ChatGPT jugent ces outils utiles pour leur productivité personnelle. Moins de temps passé sur les emails, des générateurs de texte ou d’idées rapides représentent un gain évident.

Toutefois, ces bénéfices à l’échelle individuelle ne se traduisent pas par des améliorations mesurables organisationnelles. Les processus généraux évoluent peu. La mise à l’échelle reste un défi majeur pour l’IA générative.

Principale difficulté : manque de contexte et de mémoire

Le problème principal réside dans le déficit de contexte. Les IA génératives peinent à comprendre les particularités propres à chaque organisation, à s’adapter à ses évolutions, ou à interagir sur le long terme sans oublier les informations apprises.

En conséquence, de nombreux prototypes existent, mais peu de solutions intégrées et évolutives.

Ce constat génère chez les directions une forme de scepticisme quant à la poursuite de certaines expérimentations.

Secteurs, cas d’usage et disparités : les domaines où l’IA progresse

Secteurs bénéficiant le plus

Les performances varient selon les secteurs. D’après NANDA, les médias, télécoms, services professionnels, santé/pharma, retail et banque/assurance tirent leur épingle du jeu.

Le volume d’information et la structuration des processus facilitent l’adoption et l’automatisation.

En revanche, les secteurs de l’énergie, de l’industrie lourde ou des matériaux montrent une faible adoption, liée à une motivation moindre, une complexité particulière ou une culture digitale limitée.

Cas d’usage probants et limites évidentes

Les équipes de vente et marketing expérimentent largement l’IA générative, principalement pour la création de contenu, les argumentaires et la prospection automatisée. Les services finance et achats restent sceptiques.

La complexité de certaines tâches, comme la gestion client approfondie ou la relation humaine, complique l’automatisation. La majorité des déploiements se concentre donc sur des usages secondaires : gestion de FAQ, traduction, rédaction de notes internes.

Bilan : entre attentes, perceptions et résultats effectifs

Un discours marketing à nuancer

Le rapport NANDA soulève des questions pertinentes tout en devant être relu avec prudence. Il contribue aussi à la promotion d’une offre de conseil et d’intégration sur l’IA.

Certains chiffres spectaculaires visent à alerter les entreprises sur la nécessité d’être accompagnées par des partenaires expérimentés.

La place de l’humain

Pour les collaborateurs, l’IA modifie le travail : réduction des tâches répétitives, plus de temps pour les activités à valeur ajoutée, mais aussi des inquiétudes concernant l’évolution des métiers.

L’expérience témoigne d’une montée en compétences progressive et d’une adaptation obligatoire, parfois accompagnée d’une fatigue cognitive.

Patience et confiance indispensables

La réussite avec l’IA générative passe par un accompagnement adapté, une confiance envers les partenaires et une certaine patience. Le défi des années à venir consiste à développer des IA réellement adaptées au contexte, capables de mémoriser, d’apprendre et d’anticiper. Le passage d’un gadget à une transformation réelle reste en cours. La situation évoluera-t-elle ? La surveillance continue permettra de mesurer les avancées.

« `

Simone

Simone, rédactrice principale du blog, est une passionnée de l’intelligence artificielle. Originaire de la Silicon Valley, elle est dévouée à partager sa passion pour l’IA à travers ses articles. Sa conviction en l’innovation et son optimisme sur l’impact positif de l’IA l’animent dans sa mission de sensibilisation.