Dans cet article Dans cet article
L’intelligence artificielle générative s’est imposée en moins de deux ans comme l’outil que toutes les directions veulent déployer, avec une promesse limpide en tête : faire plus avec moins. Derrière l’enthousiasme des démonstrations, une attente très concrète s’est installée dans les comités exécutifs, celle de voir fondre les coûts opérationnels grâce à l’automatisation.
Une enquête du cabinet Bain & Company, partagée en exclusivité avec Bloomberg, vient pourtant doucher cette attente d’économies massives. Conduite en avril auprès de 951 entreprises pesant plus de 100 millions de dollars de chiffre d’affaires, elle mesure l’écart entre ce qui était espéré et ce qui a réellement été encaissé.
Le sujet dépasse le simple bilan comptable. Alors que le secteur s’apprête à engloutir des centaines de milliards de dollars dans de nouvelles infrastructures, une interrogation dérange : les économies promises par l’IA sont-elles vraiment au rendez-vous, ou les entreprises bâtissent-elles leurs prochains budgets sur des gains qui n’existent pas encore ?
Une enquête qui douche les attentes
Les chiffres collectés par Bain dans neuf secteurs, de la distribution à l’assurance en passant par la santé et la finance, racontent une histoire bien moins flatteuse que les promesses initiales. Parmi les entreprises qui mesurent réellement leurs gains, la répartition penche du mauvais côté.
| Économies de coûts obtenues | Part des entreprises | Écart avec les prévisions |
|---|---|---|
| 10 % ou moins | 40 % | Largement sous les attentes |
| Entre 10 % et 20 % | 37 % | En deçà des objectifs |
| Plus de 30 % | 4 % | Une infime minorité |
La part la plus large des répondants, soit 40 % des entreprises interrogées, n’a obtenu qu’une réduction de coûts de 10 % ou moins, quand la plupart espéraient bien davantage. À l’autre extrémité du spectre, 4 % seulement des organisations ont franchi la barre des 30 % d’économies, performance réservée à une poignée d’acteurs très avancés.
Ces ratés devraient mettre les dirigeants mal à l’aise, estime Bain, d’autant que beaucoup approuvent déjà des dépenses supplémentaires sur la foi de ces économies attendues. Le décalage entre le discours et les résultats devient difficile à ignorer.
Quand la technologie fonctionne mais que la valeur reste introuvable
Le plus déroutant tient à un paradoxe que résume une formule du rapport : la technologie a fonctionné, mais la valeur n’est pas arrivée. Les outils livrent les gains de productivité annoncés à l’échelle individuelle, sans que ceux-ci ne se transforment en bénéfice mesurable pour l’entreprise.
Les directions affirment que 80 % des cas d’usage ont atteint ou dépassé leurs objectifs, mais une fraction seulement parvient à relier ces initiatives à un euro de revenu supplémentaire ou de coût en moins. À peine 23 % des organisations établissent ce lien direct, ce qui vide de sa substance la promesse économique de départ.
Les raisons d’un décalage persistant
Si le temps gagné par les salariés ne se retrouve pas dans les comptes, c’est que plusieurs maillons cèdent entre l’usage de l’outil et le résultat financier. Bain et d’autres travaux récents pointent des causes qui se recoupent.
- Le temps économisé sur une tâche est rarement réaffecté à des activités à plus forte valeur, il se dilue dans le quotidien ;
- Les gains de productivité des assistants de code plafonnent autour de 10 % à 15 %, loin des bonds espérés ;
- Les entreprises n’accèdent pas de façon fiable à leurs propres données, premier frein cité pour expliquer la contre-performance ;
- Les processus métier ne sont pas repensés autour de l’IA, qui se contente d’accélérer l’existant sans le transformer.
Ce dernier point est sans doute le plus structurant, car déployer un outil ne crée jamais de valeur à lui seul. Les organisations qui décrochent 25 % à 30 % de gains sont celles qui ont revu l’ensemble de leur chaîne de production, pas uniquement la phase de codage.
L’accès aux données, le verrou que beaucoup avaient sous-estimé
Parmi tous les obstacles, le cabinet en isole un qui revient avec une régularité frappante. Malgré une décennie d’investissements dans la modernisation des données, chiffrés en centaines de milliards de dollars à l’échelle mondiale, la première raison de la déception tient à l’incapacité des entreprises à exploiter leurs propres informations.
Le constat a quelque chose de cruel, puisque les données existent mais demeurent inaccessibles, prisonnières de systèmes cloisonnés, de formats incompatibles ou de gouvernances défaillantes. Fait notable, les entreprises qui tenaient leurs objectifs d’économies butaient encore plus souvent sur des problèmes de structure et d’accessibilité des données que celles qui les manquaient.
La recommandation de Bain prend alors le contre-pied de la prudence habituelle. Plutôt que d’attendre d’avoir parfaitement structuré l’intégralité de leur patrimoine informationnel, les entreprises gagnent à nourrir les modèles avec les données disponibles et à se servir de l’IA elle-même pour organiser le reste.
Le pari circulaire du financement
Le plus risqué n’est pas tant la déception passée que la mécanique qu’elle entretient. La part la plus large des répondants, 44 %, cite les économies ciblées parmi ses principales sources de financement pour la prochaine vague d’investissements dans l’IA générative et agentique.
Concrètement, beaucoup financent le cycle suivant avec des gains qui ne se sont pas encore matérialisés, un raisonnement que le cabinet juge dangereusement circulaire. Le danger est de dimensionner un investissement sur des projections plutôt que sur des résultats, en pariant sur un réservoir d’économies plus petit que prévu.
D’ici 2030, les dirigeants technologiques devront déployer environ 500 milliards de dollars d’investissements et trouver près de 2 000 milliards de dollars de nouveaux revenus pour répondre à la demande de façon rentable.
David Crawford, président de la pratique Technologie mondiale de Bain & Company, rapport technologique annuel, septembre 2025
Ce que le prochain cycle d’investissement va devoir prouver
Le malaise pointé par Bain résonne avec un autre signal d’alerte. Un groupe de recherche du MIT estimait l’an dernier que 95 % des projets pilotes d’IA en entreprise échouaient à produire un retour tangible, faute d’outils capables d’apprendre et de s’intégrer aux flux de travail réels.
L’enjeu des prochains mois se joue donc moins sur la puissance des modèles que sur la capacité des organisations à transformer un gain individuel en performance collective. Tant que le temps libéré ne sera pas réinvesti et que les données resteront verrouillées, la promesse économique continuera de se dérober au moment du bilan.
Une inconnue de taille demeure pour la suite : les directions qui s’apprêtent à signer les budgets de la prochaine vague sauront-elles distinguer les économies déjà encaissées de celles qu’on leur fait miroiter. C’est sur cette lucidité, davantage que sur la prochaine génération d’agents, que se jouera la crédibilité financière de l’IA en entreprise.
