|
Le mois d’août s’est éclipsé. Les journées raccourcissent. Les feuilles ne tombent pas encore des arbres, mais elles s’empilent déjà dans les classeurs des écoliers. Les coquillages et crustacés profitent d’un répit bien mérité. C’est. La. Rentrée.
Les entreprises aussi retrouvent leur tempo. Les réunions reprennent, les questions fusent, les plans se dessinent. Et comme chaque année (mais un peu plus à chaque fois, vous avez remarqué ?) : le programme est chargé.
Surtout sur un sujet qui continue de bousculer tous les agendas : l’IA. Celle que l’on devrait absolument intégrer à ces processus, faire adopter par ses équipes… alors qu’on ne sait pas toujours exactement de quoi on parle.
Prenez les agents IA, par exemple. Tout le monde en parle. Mais au fond : qu’est-ce que c’est un agent ? Un chatbot boosté ? Un collègue numérique ? Un concept marketing de plus ? |
|
|
| “To be or not to be an AI agent” – Vue d’artiste IA
Pour y voir plus clair, on vous a préparé un programme de rentrée en deux matières principales : Économie, pour comprendre l’étude récente du MIT selon laquelle 95 % des projets IA peineraient à démontrer un impact mesurable, et comment faire partie des 5 % qui passent le cap, Philosophie, avec une analyse des lignes de rupture entre la vision de l’agent IA des principaux éditeurs du marché (OpenAI, Google, etc.).
Pas besoin d’avoir révisé cet été. Ni de prendre des notes : on s’est occupé de tout.
Bonne lecture, et encore bonne rentrée. |
|
| | | | 🎒 Au programme aujourd’hui
📉 95 % des projets IA n’ont pas d’impact ? Ce que dit (vraiment) l’étude du MIT Derrière le chiffre-choc, une analyse passionnante sur la capacité d’évolution, l’intégration métier, et ce qui distingue les entreprises qui transforment l’essai.
📚 Agents IA : 5 philosophies, 4 lignes de rupture OpenAI, Google, Microsoft, Anthropic, Mistral… Ils utilisent le même mot, mais ont en réalité des approches très différentes de ce qu’est un “agent IA”. |
|
| | “95 % des projets IA échouent” : ce que nous apprend vraiment le rapport du MIT |
|
| | | | La nouvelle a fait le tour du monde : “d’après un rapport du MIT, 95 % des projets IA échoueraient ”.
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 pas comptabilisé 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.
|
|
| | |
TL;DR (Too Long; Didn’t Read) Le “95 % d’échecs” repose sur une définition étroite du succès d’un projet IA : celui-ci se limiterait aux projets dont l’impact est mesurable sur le compte de résultat.
Beaucoup de projets IA améliorent pourtant la productivité, sans que l’étude ne les comptabilise comme des succès.
L’étude comporte toutefois des enseignements intéressants sur les 2 principaux leviers de succès des projets IA : l’auto-amélioration des IA, et l’ancrage métier réel.
En conclusion, la réussite d’un projet IA ne repose pas sur la sophistication technique des modèles, mais sur l’effort d’adaptation à la réalité des processus des entreprises. Une certaine vision de l’agent IA ?
|
|
| | | OpenAI, Google, Microsoft… chacun son idée de l’agent IA |
|
| | | | Mais bon sang, c’est quoi un agent IA ?
Le mot est partout. Agent, copilote, assistant… Chaque semaine, une nouvelle annonce promet une IA capable de “faire les choses à votre place”. Mais derrière cette promesse générique (et vaguement anxiogène), de quoi parle-t-on, exactement ?
Pour le comprendre, on est remonté à la racine : les éditeurs de modèles dits “fondationnels”. Ceux qui conçoivent le cœur (le cerveau) des systèmes d’IA que nous utilisons tous les jours.
Bien sûr, ils ne sont pas les seuls à explorer ce concept d’agent IA. Mais compte tenu de leur poids dans l’industrie, il vaut la peine de prêter une attention particulière à leurs prises de parole.
OpenAI, Google, Microsoft, Anthropic, Mistral. Cinq géants. Cinq visions. Et, très vite, des fractures profondes. Sur l’autonomie qu’on leur accorde. Sur l’endroit où ces agents opèrent. Sur les mécanismes de sécurité. Sur la manière d’aborder la complexité. Quatre lignes de faille, et en creux, des lectures très différentes du futur de l’intelligence agissante. |
|
|
|
|
|
|
|
|
|
|
|
|
| “La conférence de IA-lta” – Vue d’artiste IA
1. Autonomie : jusqu’où laisser l’IA faire ?
OpenAI imagine un agent vraiment autonome. Il peut enchaîner des actions seul : chercher, coder, remplir un formulaire, reprendre après une interruption, sans supervision constante. Google suit cette logique, mais dans un cadre plus fermé. Ses agents sont intégrés dans des environnements cloud où leurs actions restent encadrées par des flux prédéfinis.
Anthropic s’oppose à cette vision. L’agent ne doit rien faire qu’on ne puisse comprendre ou anticiper. Il suit des étapes simples, lisibles, sans surprises.
Mistral propose une autre voie : plusieurs agents spécialisés, limités mais capables de coopérer dans un ensemble qui pourrait devenir autonome. Chez Microsoft, l’autonomie est toujours relative. Les agents s’activent dans des processus précis, liés au travail quotidien, et déclenchés par l’utilisateur ou une règle.
2. Architecture : où vit l’agent IA ?
Chez Microsoft, l’agent est partout : dans Word, Excel, Teams. Il s’affiche, il répond, il vous accompagne. Comme une résurgence de Clippy en plus intelligent (référence réservée aux personnes nées avant les années 90), c’est un collègue numérique, visible et personnalisable. OpenAI adopte une approche plus hybride. L’agent se déploie dans la classique interface conversationnelle de ChatGPT, mais agit aussi en coulisse, sur un “ordinateur virtuel” qui lui permet d’exécuter des actions complexes.
Google prend le contrepied. L’agent ne se montre pas. Il agit en arrière-plan, intégré au cloud, connecté aux données, aux modèles, aux applications. Il est partout, et peut être activé depuis n’importe quelle interface. Chez Mistral, l’agent est un bloc technique. Pas d’interface, pas de compagnon. Il est piloté par un autre logiciel. Anthropic, de son côté, ne s’attarde pas sur la forme. Son agent est un système logique. Ce qui compte, ce n’est pas où il vit, mais comment il pense.
3. Sécurité : quels garde-fous ?
Anthropic pousse la transparence à l’extrême. Pour eux, la sécurité se construit dès la conception : des agents simples, lisibles, organisés en étapes claires. Pas de comportements imprévus, donc pas de mauvaises surprises. Microsoft applique une logique de gouvernance d’entreprise. L’agent respecte les règles internes, les accès sont contrôlés, tout est journalisé. Ce n’est pas un électron libre, c’est un élément du système d’information.
Chez OpenAI, le pouvoir revient à l’utilisateur. L’agent peut agir de manière autonome, mais il demande validation pour les tâches sensibles. On peut activer ou désactiver sa mémoire, vérifier ce qu’il a fait, reprendre la main à tout moment. Google reste plus discret sur le sujet. L’agent s’inscrit dans un environnement sécurisé, mais ses mécanismes de contrôle spécifiques sont peu détaillés. Mistral, de son côté, laisse la responsabilité à ceux qui l’utilisent. L’agent est un composant technique. À chacun de définir les règles du jeu.
4. Complexité : tout faire, ou bien faire peu ?
OpenAI vise l’unification. Leur agent se veut universel : une seule interface pour chercher, coder, planifier, répondre. Ils créent le cerveau central. Microsoft préfère la spécialisation pilotée. Plusieurs agents métiers cohabitent sous la bannière Copilot, chacun avec son périmètre, sans tout fusionner.
Chez Google, la complexité est assumée. L’agent est intégré à une chaîne d’outils cloud. Il ne fonctionne jamais seul, mais dans un système pensé pour les grandes entreprises. Mistral choisit la clarté technique : des agents simples, spécialisés, assemblés à la demande. Anthropic, enfin, revendique une approche épurée. Un agent doit rester compréhensible, limité à ce qu’il sait bien faire. Mieux vaut un outil net qu’un système opaque.
Alors, qui est l’agent IA ?
Derrière un mot unique, cinq visions s’affrontent. OpenAI veut un agent autonome, central, capable de tout faire. Google construit une intelligence invisible, distribuée dans les couches du cloud. Microsoft déploie des assistants visibles, encadrés, au service du travail quotidien. Anthropic trace une ligne de prudence : simplicité, lisibilité, contrôle. Mistral propose un jeu de blocs spécialisés, à assembler selon les besoins.
Chacun choisit son compromis : entre puissance et fiabilité, accessibilité et transparence, centralisation et modularité.
Alors, un agent IA, c’est quoi ? Ça dépend surtout de ce que vous êtes prêt à lui confier.
|
|
| | |
TL;DR (Too Long; Didn’t Read) Le terme “agent IA” recouvre des réalités très différentes selon les éditeurs de modèles (OpenAI, Google, Microsoft, Anthropic, Mistral).
Quatre fractures majeures les distinguent : le degré d’autonomie, le lieu d’exécution, les mécanismes de contrôle, et le rapport à la complexité.
OpenAI pousse l’autonomie et l’unification ; Google privilégie l’infrastructure invisible ; Microsoft mise sur des agents intégrés et encadrés.
Anthropic défend la simplicité et la transparence ; Mistral opte pour des agents spécialisés à orchestrer selon les besoins.
En creux, chaque vision propose une réponse différente à la question : jusqu’où sommes-nous prêts à déléguer à une IA ?
|
|
| | | | | | | ☀️ À propos de Solstice Lab
Créée en 2019, Solstice Lab est une agence-conseil Data & IA située à Paris. Directions générales / financières / commerciales ou marketing : nous intervenons aux côtés des décideurs.
Nous accompagnons nos clients sur l’ensemble du cycle de vie de leurs projets Data & IA.
Notre force : comprendre finement les enjeux business de nos clients, grands groupes, ETI et scale-ups, et les traduire en solutions technologiques impactantes et innovantes développées sur mesure par nos équipes.
💬 Besoin de réfléchir à un projet Data et/ou IA de votre entreprise ?
Envoyez-nous un message via notre formulaire de contact ou directement par mail à contact@solstice-lab.com.
PS : Depuis 10 jours, Gemini, l’IA de Google est devenue particulièrement puissante pour éditer les images. Ci-dessous, la photo d’équipe Solstice Lab en mode salle des profs, certes caricaturale, mais assez réussie au premier essai |
|
|
| Ils nous font confiance : |
|
|
| | | |
|
|
|
| |
|