Le taux d’échec dont personne ne parle
Les présentations des fournisseurs d’IA sont soignées. Les résultats du pilote sont prometteurs. Le conseil d’administration est enthousiaste. Et pourtant — dans tous les secteurs, partout dans le monde et quelle que soit la taille de l’organisation — les données racontent une histoire constante : environ 70 % des initiatives de transformation IA ne génèrent pas la valeur commerciale attendue.
Ce n’est pas un échec technologique. La technologie fonctionne. Les grands modèles de langage peuvent traiter des documents. Les robots conversationnels peuvent répondre aux questions. Les modèles prédictifs peuvent prévoir la demande. L’IA elle-même n’est pas le problème.
Les échecs sont organisationnels. Ils suivent des schémas prévisibles qui ressemblent davantage aux initiatives de gestion du changement ratées des 30 dernières années qu’aux échecs de mise en œuvre technique.
Comprendre ces schémas est la première étape pour les éviter.
Schéma 1 : Des outils sans transformation
Le schéma d’échec le plus courant est aussi le plus intuitif : une organisation achète des outils d’IA et les déploie dans des flux de travail existants sans modifier ces flux.
Un ministère achète un système de traitement de documents par IA et lui soumet les mêmes documents, par le même processus de réception, dans le même flux de révision. L’IA traite les documents plus rapidement — mais le goulot d’étranglement n’était jamais le traitement des documents. C’étaient les six étapes d’approbation subséquentes, la logique de routage qui envoie chaque document au mauvais réviseur en premier, et le fait que 40 % des demandes sont incomplètes parce que le formulaire de réception a été conçu en 2003.
L’IA accélère une partie d’un processus défectueux. Le résultat global change à peine. La direction conclut que l’IA ne génère pas de retour sur investissement.
L’enseignement est structurel : les outils d’IA déployés dans des processus non réformés ne produisent, au mieux, que des améliorations marginales. La transformation exige de repenser le processus autour de ce que l’IA permet, et non d’insérer l’IA dans ce qui existe déjà.
Schéma 2 : Le purgatoire des projets pilotes
De nombreuses organisations lancent des projets pilotes d’IA — de petites expérimentations contrôlées pour tester les capacités de l’IA. Les pilotes réussissent. Une équipe d’enthousiastes démontre des résultats impressionnants dans un cas d’usage précis.
Puis rien ne se passe.
Le pilote reste un pilote. Il ne passe jamais à l’échelle dans l’organisation plus large, car les conditions organisationnelles nécessaires à la mise à l’échelle n’ont jamais été établies : aucun plan de gestion du changement, aucune stratégie de formation, aucune intégration aux systèmes centraux, aucun parrainage exécutif au-delà de l’approbation initiale, aucun budget pour le déploiement en production.
Le purgatoire des pilotes est confortable. L’organisation peut se référer à ses « initiatives d’IA » sans réellement changer sa façon de fonctionner. Mais chaque pilote qui n’est pas mis à l’échelle constitue un coût irrécouvrable — un investissement pour prouver que quelque chose fonctionne, sans investissement pour lui donner de l’importance.
La solution : Ne lancez jamais de pilote sans une voie préalablement convenue vers la production. Définissez les critères de réussite, le budget de mise à l’échelle et les changements organisationnels requis avant le début du pilote.
Schéma 3 : La formation sans ancrage
L’organisation offre des sessions de formation sur l’IA. Le personnel y assiste. Les évaluations sont positives. Les connaissances sont transférées.
Six semaines plus tard, rien n’a changé. Le personnel utilise les mêmes outils, suit les mêmes processus et effectue les mêmes tâches de la même façon.
La formation seule ne change pas les comportements. C’est l’un des constats les mieux documentés en psychologie organisationnelle, et cela s’applique à l’adoption de l’IA comme à toute autre initiative de développement des compétences.
Les comportements changent lorsque l’environnement change : lorsque les flux de travail sont repensés pour intégrer l’IA, lorsque les outils sont ancrés dans le travail quotidien plutôt que proposés en option, lorsque les attentes de performance incluent la productivité augmentée par l’IA, et lorsque les gestionnaires donnent eux-mêmes l’exemple de l’utilisation de l’IA.
La formation est nécessaire, mais pas suffisante. Elle doit être accompagnée d’un changement de processus, d’un ancrage des outils et d’un renforcement soutenu par la gestion.
Schéma 4 : L’absence d’une évaluation honnête
Des organisations qui ne sont pas prêtes pour l’IA annoncent des stratégies de transformation IA. Elles sautent la phase d’évaluation inconfortable — reconnaître que leurs données sont cloisonnées, leurs processus non documentés, leur direction ne comprend pas les capacités et les limites de l’IA, et leur culture considère la technologie comme quelque chose de la responsabilité des TI.
L’initiative de transformation heurte ces réalités en phase de mise en œuvre, lorsqu’il coûte cher de les régler.
Une évaluation honnête dès le départ permet d’économiser de l’argent et du temps. La phase d’audit de toute transformation IA sérieuse doit être sans complaisance quant à l’état de préparation réelle de l’organisation — et le plan de transformation doit combler les lacunes, non prétendre qu’elles n’existent pas.
Schéma 5 : La dépendance envers les fournisseurs sans capacité interne
Une organisation externalise l’intégralité de sa transformation IA à un fournisseur ou à une firme de consultation, sans plan pour développer une capacité interne. Le fournisseur déploie, configure et gère les systèmes d’IA. Lorsque le mandat se termine, l’organisation ne peut pas exploiter, maintenir ou faire évoluer ce qui a été construit.
Ce schéma est particulièrement courant au gouvernement, où les incitatifs à l’approvisionnement favorisent l’achat de solutions complètes plutôt que le développement de capacités.
Une transformation IA durable exige de développer des compétences internes en IA parallèlement à la mise en œuvre externe. Chaque mandat devrait laisser l’organisation plus capable qu’elle ne l’était auparavant — et non plus dépendante.
À quoi ressemblent les transformations réussies
Les organisations qui réussissent partagent des caractéristiques communes :
Elles considèrent la transformation IA comme un changement organisationnel, et non comme une mise en œuvre technologique. Le plan de projet comprend la refonte des processus, l’évolution des rôles, la formation, la gestion du changement et le développement de la culture — et non seulement le déploiement d’outils.
Elles commencent par une évaluation honnête. Elles comprennent leur état actuel — avec tous ses défauts — avant de concevoir l’état cible.
Elles repensent les processus, et ne se contentent pas de les automatiser. Au lieu de se demander « comment l’IA peut-elle nous aider à faire cela plus vite? », elles se demandent « si nous concevions ce processus à partir de zéro, en sachant ce que l’IA peut faire, à quoi ressemblerait-il? »
Elles investissent dans les gens autant que dans la technologie. Formation, champions, coaching et soutien continu — et non des ateliers d’une journée.
Elles mesurent les résultats, et non l’activité. Le succès ne se mesure pas à « nous avons déployé 5 outils d’IA ». Le succès, c’est « nous avons réduit le temps de traitement de 60 %, amélioré la précision de 25 % et réaffecté 12 employés à des travaux à plus forte valeur ajoutée ».
Elles prévoient l’évolution. Les capacités de l’IA évoluent rapidement. Les organisations qui réussissent développent la capacité interne de s’adapter, et non seulement la mise en œuvre initiale.
L’équation 80/20
Chez Remolda, nous présentons cela sous la forme de l’équation 80/20 : la technologie représente 20 % d’une transformation IA réussie. La culture, les processus et les personnes constituent les 80 % restants.
La plupart des organisations investissent principalement dans les 20 %. Elles achètent de la technologie, lancent des pilotes et déploient des outils. Les 80 % sont traités en dernier ressort — ou pas du tout.
Les organisations qui inversent ce ratio — consacrant plus d’énergie aux 80 % qu’aux 20 % — sont celles qui réussissent.