Pourquoi les pilotes d’IA n’arrivent-ils pas en production ?

Que signifie réellement le chiffre de 5 % ?

Le rapport préliminaire The GenAI Divide, rédigé par des auteurs liés à Project NANDA, porte sur janvier–juin 2025. Il décrit l’examen de plus de 300 initiatives publiques, des entretiens avec les représentants de 52 organisations et les réponses de 153 dirigeants. Les auteurs précisent que les positions exprimées sont les leurs, pas celles des institutions auxquelles ils sont liés.

Son résumé indique que 5 % des pilotes d’IA intégrés dégagent une valeur de plusieurs millions. Cela ne signifie pas que les autres ne fonctionnent pas techniquement. La méthode définit le succès comme un usage au-delà du pilote avec des indicateurs mesurables. L’effet sur la rentabilité est suivi six mois après le pilote.

Ce sont des observations préliminaires, largement déclaratives, pas une statistique représentative de tous les projets d’IA. Les définitions varient, la sélection peut influer sur l’échantillon et la courte période peut manquer des bénéfices ultérieurs. Ne confondez pas l’absence d’effet financier déclaré, l’absence de lancement et une erreur technique.

Quelle était la prévision de Gartner ?

En juillet 2024, Gartner prévoyait l’abandon d’au moins 30 % des projets d’IA générative après la preuve de concept d’ici fin 2025. Les raisons citées étaient :

• Une qualité des données insuffisante.
• Des contrôles des risques inadéquats.
• Des coûts croissants.
• Une valeur métier incertaine.

C’est une prévision historique, pas un résultat confirmé pour cette année. Elle ne mesure pas la même chose que le rapport de NANDA. N’additionnez pas les pourcentages pour en faire une probabilité générale d’échec.

Que manque-t-il entre une démonstration et le travail quotidien ?

Examinez le fonctionnement de l’essai au-delà des exemples choisis : accès, origine des données, traitement des exceptions et conduite à tenir lors d’un changement du système. Le travail technique dépend de la tâche. Tout usage ne demande pas une base de données sur mesure ou une infrastructure complexe.

Avant le lancement, précisez :

• Qui accepte le résultat et selon quel critère ?
• Quelles actions sont autorisées et lesquelles demandent une personne ?
• Comment les erreurs, les décisions et les changements sont-ils consignés ?
• Comment arrêter, rétablir et entretenir le travail en cas de problème ?

Dans son échantillon d’entretiens, le rapport de NANDA compare environ deux tiers de déploiements aboutis via des partenariats externes à environ un tiers pour les réalisations internes. Les auteurs soulignent les différences de capacités et de conditions entre organisations. Cela ne prouve ni qu’engager un fournisseur cause un meilleur taux de réussite ni qu’un modèle ne peut jamais être le problème.

Pourquoi clarifier la gouvernance pendant le pilote ?

WitnessAI, fournisseur d’outils de gouvernance et de sécurité de l’IA, décrit comment des examens tardifs par la sécurité, les juristes et la conformité peuvent arrêter un essai techniquement opérationnel. Il conseille de définir plus tôt les critères d’approbation et les preuves issues du fonctionnement réel. C’est un conseil de fournisseur, pas une fréquence des causes mesurée indépendamment.

En pratique, consignez qui doit examiner l’essai, ce qu’il doit voir et les questions encore ouvertes. Adaptez les vérifications aux données, aux actions et aux conséquences. Tout petit essai n’exige pas un grand programme organisationnel, mais l’absence de questions ne vaut pas approbation.

Quelle règle pratique retenir ?

Une tâche limitée, un responsable, une mesure de départ et un critère d’acceptation avant la réalisation. Examinez les cas typiques et difficiles, le temps de relecture humaine et les conditions d’arrêt. C’est une recommandation pour un travail vérifiable, pas une formule prouvée d’accès à la production ni une garantie d’économies.

Questions

Sources

• The GenAI Divide — rapport préliminaire, copie hébergée par Steelcase.
• Gartner — prévision d’abandon après la preuve de concept.
• WitnessAI — obstacles entre pilotes et production.

Pour poursuivre

• Combien coûte le conseil en IA ?
• Combien coûte la mise en œuvre de l’IA après l’évaluation ?
• Que vérifier vous-même avec une liste de préparation à l’IA ?