Pourquoi les gagnants de l'IA ne seront pas ceux que l'on croit ?

L'IA entre dans une nouvelle phase : beaucoup d'investissements, très peu de valeur

Entre 70 % et 90 % des projets d'intelligence artificielle ne dépassent jamais le stade du pilote ou de la preuve de concept. Dans le même temps, les budgets IA des grandes entreprises continuent de croître de 30 à 40 % par an.

Ce paradoxe n'est plus marginal : il est devenu structurel. Jamais les organisations n'ont autant investi dans l'IA, et jamais elles n'ont eu autant de mal à démontrer un retour sur investissement clair.

Le State of AI 2025 de McKinsey montre que près de 90 % des entreprises utilisent désormais l'IA dans au moins une fonction, mais que seules une minorité parviennent à en tirer un impact business mesurable à l'échelle de l'entreprise.

Ce décalage n'est pas théorique. Il est vécu très concrètement par des groupes internationaux pourtant avancés sur ces sujets. L'exemple de Prudential Insurance est à cet égard éclairant : une organisation data-rich, compétente technologiquement, mais confrontée — comme beaucoup d'autres — à la difficulté de transformer des démonstrations IA séduisantes en valeur opérationnelle réelle.

L'IA entre ainsi dans une nouvelle phase : celle où la gouvernance, l'arbitrage et l'exécution priment sur la promesse technologique.

Le vrai point de rupture : quand l'IA s'arrête entre la démo et la décision

Le taux d'échec des projets IA est désormais largement documenté.

Ce qui mérite attention aujourd'hui, ce n'est plus le constat, mais l'endroit précis où la valeur se perd.

Les analyses publiées en 2025 convergent sur un point clé : la majorité des projets IA ne s'arrêtent pas parce que les modèles sont inefficaces, mais parce qu'ils n'arrivent jamais à franchir le seuil organisationnel qui sépare l'expérimentation de la décision structurante. De nombreux retours terrain montrent que près de 80 % des projets IA échouent au moment du passage en production, faute d'alignement clair avec des objectifs métiers, financiers et opérationnels.

Autrement dit, l'IA fonctionne… mais le système de décision ne suit pas.

Prudential : quand la technologie est prête, mais que l'organisation ne l'est pas

C'est exactement ce que décrit Nina Edwards, VP Emerging Technology & Innovation chez Prudential Insurance, dans l'épisode "Rewiring Systems to Scale AI From Demos to Deliverables" du AI in Business Podcast.

Son constat est sans ambiguïté : les projets IA échouent rarement pour des raisons techniques. Ils échouent parce que les organisations ne sont pas conçues pour les absorber à l'échelle.

Chez Prudential, comme dans beaucoup de grandes entreprises data-rich, les démonstrations existent, les équipes sont compétentes, les données sont disponibles — mais la valeur n'émerge que lorsque l'IA est intégrée dans les processus métiers, les modes de décision et les indicateurs de performance.

Toutes les entreprises ne sont pas exposées de la même manière au risque IA

Ce constat met en lumière une fracture importante.

Certaines organisations évoluent dans des modèles fortement dépendants d'infrastructures lourdes, de financements complexes, de cycles d'investissement tendus et d'attentes de croissance très élevées. Dans ces contextes, la moindre erreur d'arbitrage IA peut rapidement devenir un risque financier majeur. À l'inverse, les entreprises ancrées dans l'économie réelle et riches en données — assurance, industrie, santé, logiciels métiers, services B2B — disposent d'un avantage structurel : elles peuvent transformer l'IA en amélioration directe de la décision, de l'efficacité et de la performance, à condition de la gouverner correctement.

La différence ne se joue pas sur la sophistication technologique, mais sur la capacité à décider où l'IA crée réellement de la valeur.

Les marchés commencent eux aussi à changer de regard

Ce basculement n'est plus seulement visible dans les organisations.

Il est désormais analysé par les marchés financiers eux-mêmes.

L'analyse publiée dans L'Opinion sur les goulots d'étranglement du développement de l'IA souligne clairement ce changement de cycle : après une phase de fascination, l'IA entre dans une phase d'arbitrages économiques, énergétiques et financiers.

La question n'est plus qui investit le plus dans l'IA ?
Mais bien qui saura en extraire une valeur soutenable dans le temps ?

Ce que vivent réellement les dirigeants face à l'IA

Derrière les chiffres et les analyses macro, une réalité beaucoup plus concrète s'impose dans les comités de direction.

Les mêmes phrases reviennent, quels que soient le secteur ou la maturité technologique de l'entreprise :

Ces tensions ne traduisent ni un manque d'ambition, ni un retard technologique. Elles révèlent un problème de pilotage : l'IA est devenue un sujet stratégique, sans avoir encore trouvé son cadre de décision au plus haut niveau de l'entreprise.

Pourquoi la gouvernance IA devient un impératif stratégique ?

Les enseignements sont désormais clairs.

Le sujet n'est plus : « Comment faire de l'IA ? »

Mais bien : « Comment décider, arbitrer et piloter l'IA sans perdre le contrôle ? »

Dans de nombreuses entreprises, l'IA reste abordée comme une succession de projets, avec une approche encore trop technocentrée, sans cadre de décision transverse ni critères d'arbitrage partagés entre direction, métiers et technologie. C'est précisément ce que je développe dans mon article Urgence IA & gouvernance technologique, où je montre pourquoi l'IA doit être traitée comme un choix stratégique d'entreprise, et non comme un simple projet IT.

Comment Aubrini accompagne ce moment de bascule ?

Conclusion : l'IA comme test de maturité stratégique

L'IA n'est plus une promesse.

C'est un test de maturité stratégique.

Les gagnants de la prochaine phase ne seront pas ceux que l'on croit. Ce seront les entreprises capables de gouverner l'IA comme un actif stratégique, et non comme une mode technologique.