Combien de POC dormants faut-il accumuler avant d'admettre que le problème n'est pas l'outil ?
Une ETI industrielle française — appelons-la ce qu'elle est, un cas parmi des centaines — a lancé trois pilotes IA entre 2023 et 2025. Un chatbot interne pour le support RH. Un modèle de prévision de la demande. Un assistant de rédaction pour le service commercial. Budget total : environ 180 000 euros. Résultat en production : zéro. Les trois projets sont restés figés en phase de démonstration, validés en comité de direction, jamais déployés. Le DSI a changé de poste entre-temps. Les licences tournent encore.
Cette histoire n'a rien d'exceptionnel. Elle est devenue la norme.
Le purgatoire du pilote, en chiffres
Le MIT a publié en 2025 une étude qui a fait l'effet d'une douche froide dans l'écosystème tech : 95 % des pilotes d'IA générative en entreprise ne produisent aucun impact mesurable sur le compte de résultat. Pas "échouent partiellement". Ne produisent rien.
Gartner, de son côté, avait prédit dès mi-2024 que 30 % des projets d'IA générative seraient purement et simplement abandonnés après le proof of concept avant fin 2025. La réalité s'est avérée pire : selon la RAND Corporation, le taux d'échec global atteint 80 %, avec un tiers des projets abandonnés et près de 30 % qui ne génèrent aucune valeur.
À l'échelle mondiale, on parle de 684 milliards de dollars investis dans l'IA en 2025. Plus de 547 milliards n'ont produit aucune valeur business démontrable. Relisez ce chiffre.
En France, l'étude Bpifrance Le Lab de juin 2025 dresse un tableau nuancé : 55 % des TPE-PME déclarent utiliser l'IA générative, contre 31 % fin 2024. Mais seulement 17 % l'utilisent régulièrement. La majorité reste au stade de l'expérimentation ponctuelle — un usage de curiosité, pas de transformation.
Ce qui tue les pilotes (et ce n'est pas ce qu'on croit)
La tentation est de blâmer la technologie. Les modèles hallucinaient, les données n'étaient pas prêtes, le RGPD a compliqué les choses. Ces obstacles sont réels, mais ils ne sont pas la cause principale.
Le rapport du MIT (NANDA Initiative, juillet 2025) identifie un coupable bien moins spectaculaire : le déficit de stratégie en amont. Les objectifs sont vagues ("explorer l'IA"), le sponsor métier est absent, et personne n'a défini à quoi ressemblerait un succès mesurable. On lance un POC pour montrer qu'on fait de l'IA, pas pour résoudre un problème identifié.
Concrètement, trois schémas reviennent systématiquement.
Le POC-vitrine. Un projet lancé pour impressionner le comité de direction ou rassurer les actionnaires. La démo fonctionne sur un jeu de données nettoyé à la main. Personne n'a prévu l'intégration au SI existant, la gestion des droits d'accès, ni la maintenance. Le pilote "réussit", puis meurt d'inanition.
Le POC-technologique. L'équipe IT choisit l'outil avant de définir le besoin. On teste GPT-4, puis Claude, puis Mistral, on compare les benchmarks, on affine les prompts. Six mois plus tard, le métier n'a toujours pas été impliqué, et le projet ne résout aucun irritant concret.
Le POC-sans-propriétaire. Le projet est porté par un enthousiaste isolé. Quand cette personne change de poste, prend des vacances ou perd sa motivation, le pilote s'arrête. Il n'y a ni budget récurrent, ni équipe dédiée, ni processus de passage en production.
McKinsey, dans son State of AI 2025, confirme le diagnostic : 88 % des entreprises utilisent l'IA, mais seulement 23 % ont réussi à déployer des systèmes d'agents IA à l'échelle de l'organisation. Le fossé entre "on utilise ChatGPT" et "l'IA transforme nos opérations" est un gouffre.
Ceux qui s'en sortent font exactement l'inverse
Allianz Partners a pris un parti radical fin 2025 : plutôt que de lancer un énième pilote, l'assureur a déployé une automatisation autonome directement en production sur ses marchés britannique et DACH. Le traitement des sinistres est passé de 29 jours à 3,5 jours. L'entreprise projette 300 millions d'euros de gains annuels d'ici 2027.
Leur approche n'a rien de magique. Elle repose sur un principe simple : commencer par le problème business le plus douloureux, pas par la technologie la plus séduisante. Le traitement des sinistres coûtait cher, prenait trop de temps, et générait de l'insatisfaction client. Le cas d'usage était limpide, le ROI calculable avant même le premier jour de développement.
C'est là que se situe la ligne de fracture entre les 5 % qui réussissent et les 95 % qui s'enlisent. Les premiers ne demandent pas "que peut-on faire avec l'IA ?". Ils demandent "quel processus nous coûte le plus cher, et l'IA peut-elle le comprimer ?". La nuance est décisive.
Ce que ça signifie pour une PME ou ETI française
58 % des dirigeants de PME-ETI considèrent l'IA comme une question de survie à trois ou cinq ans, selon Bpifrance. Pourtant, moins de la moitié ont adopté une stratégie IA formalisée. On est face à une dissonance cognitive collective : tout le monde sait que c'est important, personne ne sait par où commencer, alors on lance un pilote pour se donner bonne conscience.
Voici ce qui fonctionne, observé sur les déploiements qui tiennent.
Premièrement, identifier un processus répétitif, coûteux et mesurable. Le standard téléphonique, la qualification de leads entrants, le traitement de factures, la prise de rendez-vous. Pas "l'IA au service de l'innovation" — un problème concret avec un coût connu.
Deuxièmement, fixer un critère de succès avant de commencer. "Réduire le temps de traitement de X de 40 %" ou "libérer Y heures par semaine sur l'équipe Z". Si on ne sait pas à quoi ressemble la réussite, on ne saura pas qu'on a échoué non plus.
Troisièmement, budgéter le passage en production dès le départ. Le POC ne représente que 20 à 30 % du coût total. L'intégration, la formation, la maintenance, le monitoring — c'est là que se joue la vraie partie. Une PME qui alloue 100 % de son budget au pilote n'a, par construction, aucun budget pour la suite.
Quatrièmement, désigner un responsable métier, pas uniquement technique. L'IA qui fonctionne en entreprise est portée par quelqu'un qui comprend le processus qu'elle transforme, pas seulement par quelqu'un qui comprend les API.
Les déploiements IA en PME qui suivent cette logique atteignent un ROI positif en six à sept mois en médiane, selon les données croisées de plusieurs cabinets. Ce n'est pas un horizon délirant. Mais ça suppose d'arrêter de traiter l'IA comme un sujet d'exploration perpétuelle.
Le vrai risque n'est pas l'échec d'un pilote
Le vrai risque, c'est que le pilote devienne une fin en soi. Qu'il serve d'alibi pour dire "on fait de l'IA" sans jamais transformer quoi que ce soit. Que les 180 000 euros de l'ETI industrielle du début se multiplient par mille dans l'économie française sans qu'aucune valeur n'en sorte.
42 % des entreprises ont abandonné la majorité de leurs initiatives IA en 2025 — contre 17 % en 2024. L'accélération de l'abandon est aussi rapide que celle de l'adoption. Ce n'est pas un signe de maturité. C'est le signe que beaucoup ont commencé par la mauvaise porte.
La question à poser n'est pas "faut-il faire de l'IA ?". C'est "êtes-vous prêt à aller au bout, ou êtes-vous en train de financer une démo que personne ne déploiera ?"