Le dernier rapport du MIT, intitulé The GenAI Divide: State of AI in Business 2025, dresse un constat brutal : malgré les dizaines de milliards de dollars investis dans l’IA générative par les entreprises à travers le monde, la grande majorité de ces initiatives ne produisent aucun retour mesurable sur investissement. Selon l’étude, seuls 5 % des projets d’IA génèrent une valeur concrète, tandis que 95 % échouent à transformer réellement les organisations qui les ont lancés.
L’adoption est pourtant massive. Plus de 80 % des entreprises ont déployé ou expérimenté des outils comme ChatGPT, Copilot ou d’autres solutions d’assistance automatisée. Mais ces usages restent souvent confinés à des gains individuels, sans impact structurant sur les revenus ou la productivité globale. Les projets sur mesure, censés être plus adaptés aux spécificités des entreprises, peinent à dépasser la phase de test. La quasi-totalité des expérimentations s’arrêtent avant même d’être mises en production.
Cette situation révèle un fossé grandissant, ce que le MIT appelle le « GenAI Divide ». D’un côté, une petite minorité d’entreprises parvient à tirer parti de l’IA en l’intégrant stratégiquement dans ses processus internes. De l’autre, la majorité accumule les prototypes sans parvenir à générer une transformation réelle.
Plus surprenant encore, les employés semblent ne plus attendre l’approbation de leur hiérarchie. Le phénomène du “shadow AI” explose : 90 % des employés utilisent déjà des outils d’IA via des comptes personnels, souvent de manière plus efficace que les solutions officiellement déployées par leur entreprise. Pendant ce temps, seulement 40 % des entreprises déclarent avoir souscrit à des outils IA en propre. Cette fracture entre l’usage réel et les stratégies officielles reflète une inadéquation croissante entre les besoins du terrain et les projets pilotés depuis les directions générales.
Quelques secteurs comme la technologie et les médias semblent mieux tirer leur épingle du jeu. Dans le numérique, des start-up transforment en profondeur les chaînes de production logicielle. Dans les médias, la génération automatisée de contenu redessine les modèles économiques. Ailleurs, dans la finance, la santé ou l’industrie, les changements restent timides, voire inexistants.
Pourquoi autant d’échecs ? Le rapport du MIT pointe une faille récurrente : la majorité des outils d’IA testés en entreprise n’apprennent pas, ne s’adaptent pas, ne mémorisent rien. Ces systèmes rigides ne répondent pas aux attentes d’utilisateurs habitués à la fluidité de ChatGPT. S’ajoute à cela un déséquilibre dans les investissements : la moitié des budgets IA est consacrée aux ventes et au marketing, alors que les cas les plus rentables émergent dans les fonctions support – comptabilité, administration, gestion documentaire.
Les entreprises qui réussissent cette transition misent moins sur le développement interne, trop lourd et souvent mal adapté, et davantage sur des solutions prêtes à l’emploi, flexibles et évolutives. Elles s’appuient sur des systèmes capables de contextualiser, d’apprendre et de s’intégrer dans des flux de travail réels, loin des démonstrations tape-à-l’œil sans effet durable.
Enfin, le MIT esquisse une évolution vers un nouveau paradigme : celui du “Agentic Web”. Cette nouvelle génération d’agents intelligents, autonomes et interconnectés, pourrait marquer le véritable tournant de l’ère post-IA générative. Capables d’agir seuls, de collaborer entre eux et de se souvenir des interactions, ces agents seraient à même de dépasser les limites des applications SaaS traditionnelles.
Ce rapport sonne donc comme un appel à la lucidité. L’IA générative n’est pas une baguette magique. Seule une approche ciblée, structurée et adaptée aux réalités internes permet de la transformer en levier durable de performance.
