Un chiffre choc, relayé en boucle sur les réseaux, repris par la presse spécialisée et même cité dans des réunions d’investisseurs.
Fin août 2025, il aurait même contribué à faire vaciller les marchés boursiers, avec plus de 1000 milliards de $ de valorisation envolés en quelques jours.
“Les projets IA se cachent pour mourir” – Vue d’artiste IA
Mais que dit exactement ce rapport, produit par 4 auteurs (2 professeurs, 1 chercheur, 1 entrepreneur) affiliés au MIT ?
“95 % d’échecs” ? Non.
Fondé sur l’étude de 300 retours d’expériences publiés par diverses entreprises, sur des entretiens avec des cadres de 52 entreprises, et sur un questionnaire complété par 153 dirigeants, le rapport prétend que 95 % des projets IA n’ont pas d’impact mesurable sur le compte de résultat (“no measurable P&L impact”).
En clair, seuls 5% des projets IA analysés semblent avoir eu une contribution directe et mesurable sur la croissance du chiffre d’affaires, ou sur les coûts de l’entreprise, 6 mois après leur lancement.
Une proportion spectaculairement faible, mais dont le décompte repose sur une définition pour le moins critiquable du succès d’un projet IA.
Un exemple : équiper tous les salariés d’un abonnement ChatGPT n’est pascomptabilisé comme un succès si l’effet ne se traduit pas de façon directe et mesurable sur le résultat de l’entreprise au bout de 6 mois.
Pourtant, il est évident que les IA grand public (ChatGPT, Gemini, Microsoft Copilot, etc.) accroissent la productivité individuelle, font gagner un temps significatif, stimulent l’expérimentation, etc. Priver son entreprise de ces outils serait lui faire prendre un retard inutile face à ses concurrents.
Mais dans la logique de l’étude du MIT, les gains de productivité individuelle sont invisibles… et ainsi abusivement considérés comme des “échecs” !
2 facteurs qui distinguent les meilleurs projets IA
Derrière l’effet d’annonce du rapport du MIT se cachent pourtant des enseignements intéressants, qui méritent d’être partagés.
En effet, les auteurs du rapport du MIT ont identifié deux facteurs décisifs qui différencient les 5% des 95% :
Ni la taille de l’entreprise, ni le budget consacré aux initiatives IA, ni même la qualité des modèles n’expliquent les écarts de performance, mais :
la capacité des IA à mémoriser et à apprendre des interactions avec les utilisateurs, pour s’améliorer continuellement et ne pas sans cesse reproduire les mêmes erreurs ;
l’adaptation fine aux processus et aux spécificités des entreprises.
1er facteur de succès : la capacité d’auto-amélioration des IA
Les projets qui échouent ont une IA statique. À chaque requête, ceux-ci nécessitent de réexpliquer le contexte, de reformuler les consignes, et de repartir de zéro. L’outil ne retient pas des interactions avec ses utilisateurs. Parfois, l’outil dispose de mémoire (il se souvient des interactions précédentes), mais il n’est pas capable d’améliorer ses réponses à partir du feedback qui lui est donné par ses utilisateurs. Les utilisateurs se lassent rapidement, et finissent par abandonner l’outil, parfois au profit de simples outils généralistes comme ChatGPT (on parle alors de “Shadow AI”).
À l’inverse, les projets IA qui fonctionnent disposent d’une mémoire persistante, qui permet à l’agent d’apprendre de ses interactions, de s’ajuster au fil de l’usage, d’intégrer les retours utilisateurs pour ajuster ses futures réponses. C’est cette capacité d’auto-amélioration, plus que la sophistication du modèle IA sous-jacent, qui détermine l’adoption, l’usage, puis la valeur.
2ème facteur de succès : l’ancrage métier
Comme pour toutes les vagues technologiques des dernières décennies, le second facteur critique ne concerne pas la technologie en elle-même mais l’organisation et la façon dont l’IA est intégrée.
Les entreprises qui réussissent adoptent les solutions l’IA non pas comme elles adopteraient des logiciels sur étagère, mais à la condition d’une adaptation fine aux processus et à leurs spécificités. “Plaquer” une technologie existante sur une organisation est souvent illusoire.
Par ailleurs, les dirigeants doivent choisir leurs batailles, car le retour sur investissement ne vient pas nécessairement des fonctions les plus visibles : le rapport indique ainsi que les projets marketing, qui sont souvent priorisés, génèrent moins de gains que les projets d’automatisation des fonctions administratives (back-office).
Autrement dit : ce n’est pas la technologie qui manque, mais la capacité à l’intégrer intelligemment dans des flux réels. C’est là que se joue la vraie frontière entre les 95 % et les 5 %.
L’avenir sera “agentique”
C’est bien là que veulent en venir les auteurs du rapport : l’IA ne “marche” vraiment que si elle est intégrée aux systèmes de l’entreprise et capable d’adaptation. C’est leur vision du fameux agent IA dont on entend parler partout mais dont la définition standard est encore en construction.
