881 % des organisations utilisent régulièrement l'intelligence artificielle dans au moins une fonction. Seules 391 % d'entre elles constatent un impact sur leur résultat d'exploitation global (EBIT), et à peine 61 % déclarent que l'IA représente plus de 51 % de leur EBIT. Ces trois chiffres proviennent de la même étude McKinsey de 2025, menée auprès de 1 993 participants dans 105 pays, et l'écart entre la première et la troisième place illustre parfaitement la situation actuelle.
La conclusion de McKinsey est littérale et mérite d'être lue deux fois : un impact significatif sur les résultats financiers reste rare.
Lorsque seule la norme 88% est citée, on avance l'argument que ceux qui ne l'adoptent pas seront laissés pour compte. Lorsque les trois normes sont citées, la question change : Qu'est-ce que le 6% fait de différent ?
D'autres sources vont dans le même sens en utilisant des méthodologies différentes :
L'amplitude varie. La direction, elle, ne varie pas.
McKinsey identifie une variable qui surpasse toutes les autres en termes de corrélation avec l'impact sur l'EBIT : avoir fondamentalement repensé les flux de travail. Seuls 21% des utilisateurs de l'IA générative l'avaient fait, et ceux qui atteignent des performances élevées sont environ trois fois plus susceptibles de l'avoir fait.
Ce n'est pas le modèle. Ce n'est pas le fournisseur. Ce n'est pas le budget. C'est le changement de la façon dont le travail est effectué.
L'explication opérationnelle est simple : ajouter un outil à un processus existant permet de gagner quelques minutes par tâche ; repenser le processus autour de cette nouvelle fonctionnalité élimine des étapes entières. Le premier avantage est perceptible par les employés ; le second se traduit concrètement par une amélioration des résultats.
Approche | Quels changements | Où le résultat apparaît |
|---|---|---|
Ajouter un outil | Les tâches sont accomplies plus rapidement. | enquêtes de satisfaction interne |
Automatiser le processus actuel | Le travail manuel répétitif est éliminé | Coût de fonctionnement d'un département |
Repenser le flux de travail | Les étapes, les commandes et l'attente disparaissent. | EBIT |
La plupart des organisations sont au premier rang et attendent des résultats du troisième.
Avant de promettre des retours sur investissement, il est important de comprendre un phénomène : lorsqu’un outil permet à cinquante personnes de gagner vingt minutes par jour, cela ne signifie pas seize jours de travail libérés. Il s’agit de vingt minutes réparties entre d’autres tâches, qui sont alors absorbées sans aucun budget supplémentaire.
L'épargne ne devient un résultat que lorsque l'une de ces trois choses se produit :
Une étape entière est éliminée du processus. Elle n'accélère pas : elle disparaît.
L'augmentation du volume d'activité est absorbée sans augmentation des effectifs. L'équipe fabrique un autre 30% avec la même structure.
Un coût direct identifiable est réduit. Moins d'erreurs, moins de retouches, moins de pénalités.
Si un projet ne peut pas expliquer lequel des trois il poursuit, il n'a pas de justification commerciale : il a une simple attente.
Un projet qui remplit les quatre critères appartient à la catégorie 6%. Un projet qui ne remplit pas deux critères ou plus appartient, statistiquement, à la catégorie 42%, qui est abandonnée.
Il s'agit du même diagnostic que nous avons avancé dans le purgatoire du pilote [lien interne], envisagé du point de vue du retour plutôt que du déploiement.
Il serait tout aussi malhonnête d'utiliser ces données pour conclure que l'IA ne fonctionne pas. Le modèle 6% existe et présente des avantages concrets ; le coût de l'inférence a été divisé par plus de 280 en deux ans selon Stanford HAI, élargissant ainsi le champ des applications rentables ; et le problème avéré ne réside pas dans la technologie elle-même, mais dans le travail organisationnel qui l'entoure.
La lecture correcte est plus utile : L'adoption ne change plus rien, car presque tout le monde l'utilise ; ce qui compte, c'est la refonte.. Et la refonte est lente, peu attrayante et indisponible à l'achat.
C’est probablement la raison pour laquelle seul le 21% y est parvenu.
Selon McKinsey (2025), 881 % des organisations utilisent l'IA dans une fonction ou une autre, 391 % font état d'un impact sur leur résultat d'exploitation (EBIT) au niveau de l'entreprise, et seulement 61 % dépassent 51 % de l'EBIT attribuable. IBM estime à 25 % le nombre d'initiatives ayant atteint le retour sur investissement escompté et à 16 % celui des initiatives déployées à l'échelle de l'organisation.
La refonte en profondeur des flux de travail. McKinsey identifie ce facteur comme étant celui ayant la plus forte corrélation avec l'impact sur l'EBIT, et souligne que seulement 211 000 entreprises ayant adopté l'IA générative l'ont mise en œuvre, alors que les entreprises les plus performantes sont environ trois fois plus susceptibles de l'avoir fait.
En effet, vingt minutes gagnées par cinquante personnes sont absorbées par d'autres tâches sans générer d'allocation budgétaire. Les économies ne se reflètent dans le compte de résultat que si une étape du processus est supprimée, si un volume d'activité supplémentaire est traité sans augmentation des effectifs, ou si un coût direct identifiable est réduit.
Ce chiffre provient d'un rapport préliminaire du projet NANDA du MIT datant de 2025, qui n'a pas fait l'objet d'une évaluation par les pairs et a été critiqué sur le plan méthodologique, notamment concernant la taille de son échantillon et sa période de mesure. Des sources plus fiables convergent, bien qu'avec des estimations différentes : le problème d'échelle est bien réel, mais son ampleur exacte reste à déterminer.
Quel processus précis va changer et quelle étape va disparaître, quels sont les indicateurs et les seuils qui détermineront s'il faut continuer ou s'arrêter, qui est responsable des résultats commerciaux et quel est le coût unitaire extrapolé au volume réel en tenant compte des pics et des nouvelles tentatives ?.
Non. Le 6%, qui offre un avantage significatif, existe bel et bien, et la baisse des coûts d'inférence — plus de 280 fois entre 2022 et 2024 selon Stanford HAI — élargit l'éventail des cas d'utilisation rentables. Les données indiquent que l'adoption n'est plus un facteur déterminant et que le travail organisationnel autour de la technologie est désormais essentiel.
Votre projet d'IA appartient-il au programme 6% ou au programme 42% ? Nous analysons le cas d'usage, les indicateurs de performance et le coût unitaire avant qu'il ne devienne un simple projet pilote. Deux heures, sans engagement. Parlons-en → |
Español Español 
English
Français
العربية
Português
Deutsch
Italiano
