On nous promet depuis deux ans que l’intelligence artificielle va tout changer.
Et dans une certaine mesure, c’est déjà vrai : les modèles sont plus puissants, plus accessibles, plus présents dans nos outils du quotidien qu’à n’importe quel autre moment de leur histoire.
Mais il faut regarder la réalité en face : la grande majorité des projets IA lancés en entreprise n’aboutissent pas. Ce n’est presque jamais une question de performance des modèles.
C’est une question d’organisation.
Et c’est en réalité une bonne nouvelle, parce que ce problème-là, on sait le résoudre.
Les chiffres qui doivent alerter les dirigeants
Les chiffres parlent d’eux-mêmes, et ils ne sont pas réjouissants à première vue.
Un rapport du MIT relayé par Fortune à l’été 2025 indique que jusqu’à 95 % des projets d’IA générative menés en entreprise échouent ou ne dépassent jamais la phase de test.
La RAND Corporation a documenté, fin 2025, que plus de 80 % des projets d’IA en entreprise ne fournissent pas la valeur commerciale promise, un taux confirmé par Gartner en avril 2026. Toujours selon Gartner, jusqu’à la moitié des projets d’IA générative sont abandonnés après la phase de preuve de concept.
En France, malgré un enthousiasme déclaré chez 91 % des décideurs, seules 26 % des entreprises ont réellement déployé l’IA à l’échelle. Et à l’échelle mondiale, seulement 11 % des entreprises tirent une valeur tangible et mesurable de leurs investissements en IA.
On pourrait s’arrêter là et conclure que l’IA ne tient pas ses promesses. Ce serait une erreur de lecture.
La technologie n’est presque jamais le problème
Une analyse de Synolia publiée en avril 2026 dit une chose simple, mais qu’on oublie systématiquement : l’échec d’un projet IA tient rarement à la qualité du modèle utilisé. Il tient à la maturité de l’organisation qui le déploie.
C’est tout l’enjeu. L’IA n’invente rien par elle-même, elle amplifie ce qui existe déjà. Une donnée fausse, injectée dans le meilleur modèle du marché, reste une donnée fausse, simplement produite plus vite et avec plus d’assurance.
Un processus mal pensé reste mal pensé, même habillé d’un tableau de bord intelligent. Une organisation qui ne sait pas où elle va continue de ne pas savoir où elle va, IA ou pas.
C’est une limite qu’il vaut mieux accepter que combattre. Une fois qu’on l’a comprise, elle devient même un atout : elle oblige à remettre de l’ordre avant de déployer la technologie, ce qui profite à l’entreprise bien au-delà du seul projet IA.
Le cas Anthropic : quand même l’IA la plus avancée du monde ne suffit pas
L’actualité récente illustre ce constat presque malgré elle.
Le 12 juin 2026, Anthropic, l’un des principaux concepteurs de modèles d’IA au monde, a annoncé devoir désactiver l’accès à ses deux modèles les plus avancés, Claude Fable 5 et Claude Mythos 5.
La raison n’a rien de technique : une directive du gouvernement américain, invoquant la sécurité nationale, demandait à l’entreprise de bloquer l’accès à ces modèles pour les seuls ressortissants étrangers, y compris au sein de ses propres équipes non américaines.
Le problème, c’est qu’Anthropic n’a aucun moyen fiable de distinguer ses utilisateurs selon leur nationalité. Aucune base de données, aucun système de vérification d’identité qui permette de faire ce tri à grande échelle.
L’entreprise s’est donc retrouvée contrainte de couper l’accès pour tout le monde, partout dans le monde.
Pour donner une idée de l’enjeu : Claude Mythos 5, présenté en avril 2026, est considéré comme le modèle le plus puissant jamais conçu par Anthropic, capable de détecter des vulnérabilités dans la quasi-totalité des systèmes d’exploitation et navigateurs testés.
Jusqu’au blocage, son usage était réservé, via le programme Project Glasswing, à une cinquantaine d’organisations soigneusement sélectionnées, parmi lesquelles Amazon, Apple, Google ou Microsoft, pour des besoins de cybersécurité défensive.
Claude Fable 5, la version destinée au grand public, n’avait été mise en ligne que trois jours avant l’ordre de blocage.
Le modèle le plus avancé du marché a donc été arrêté net.
Pas par un bug. Pas par une limite de calcul.
Par l’absence d’un dispositif d’identification qui aurait dû exister avant le déploiement, pas après.
C’est exactement le mécanisme qui fait échouer la plupart des projets IA en entreprise : on demande à la technologie de réparer un manque qui se situe en amont, dans l’organisation elle-même.
Et la technologie, même la plus avancée du monde, ne peut pas faire ce travail à sa place.
Les causes qui reviennent presque toujours
Au-delà du cas Anthropic, les mêmes causes ressortent dans la quasi-totalité des études sur le sujet.
- Des processus mal définis avant même d’introduire l’IA. Automatiser un processus inefficace ne le rend pas efficace, cela accélère simplement ses défauts.
- Des données de mauvaise qualité ou mal gouvernées. Aucun modèle, si puissant soit-il, ne corrige une donnée fausse à la source.
- Des objectifs flous, choisis pour leur caractère innovant plutôt que pour répondre à un vrai besoin métier.
- Une gouvernance IA absente ou trop légère, qui laisse le projet vulnérable à des contraintes qu’aucune prouesse technique ne peut contourner, qu’elles soient réglementaires, juridiques ou organisationnelles.
- Un manque d’accompagnement des équipes. Sans conduite du changement, l’adoption réelle n’a jamais lieu et le projet reste à l’état de test.
Là où l’IA tient vraiment ses promesses
Tout cela ne veut pas dire qu’il faut renoncer. Au contraire.
Une fois ces bases posées, l’IA tient réellement ses promesses.
Les entreprises qui en tirent une vraie valeur l’utilisent pour automatiser des tâches répétitives à faible valeur ajoutée, analyser rapidement de grands volumes de données, assister les équipes dans leur quotidien, ou accélérer certaines décisions, à condition que les données et le cadre de décision soient fiables.
Dans tous les cas, l’IA ne remplace ni la stratégie, ni l’expertise métier, ni la conduite du changement. Elle s’appuie sur elles, et c’est précisément pour cela qu’elle devient utile.
La vraie question à se poser avant de lancer un projet IA
La bonne question n’est donc pas de savoir comment mettre de l’IA partout.
C’est de savoir où elle peut réellement créer de la valeur dans votre organisation, une fois que le problème de fond a été clarifié : les processus, les données, la gouvernance, les objectifs.
C’est ce travail de clarification, bien plus que le choix d’un modèle ou d’un outil, qui distingue les projets IA qui réussissent de ceux qui viennent grossir la longue liste des projets abandonnés.
Questions fréquentes sur l’échec des projets IA
L’IA peut-elle compenser une mauvaise stratégie d’entreprise ?
Non. L’IA amplifie le niveau de maturité d’une organisation, qu’il soit bon ou mauvais. Elle ne corrige pas une stratégie floue, elle l’exécute simplement plus vite.
Pourquoi les projets IA échouent-ils malgré des modèles de plus en plus performants ?
Parce que la performance des modèles n’est, dans la majorité des cas documentés par le MIT, la RAND Corporation ou Gartner, pas le facteur qui détermine la réussite. Les vraies causes se situent en amont : gouvernance, qualité des données, clarté des objectifs et accompagnement des équipes.
Comment réussir un projet IA en entreprise ?
En partant du problème métier à résoudre plutôt que de la technologie disponible, en s’assurant de la qualité et de la gouvernance des données, en posant des objectifs clairs avec des indicateurs de succès, et en accompagnant réellement les équipes dans l’adoption.
En conclusion
Le taux d’échec massif des projets IA, confirmé année après année par le MIT, la RAND Corporation, Gartner et McKinsey, et le récent épisode du blocage des modèles d’Anthropic racontent la même histoire : la technologie n’est presque jamais le facteur limitant.
Ce sont les fondations de l’organisation, sa gouvernance, ses données, ses processus, son accompagnement des équipes, qui décident si un projet IA crée de la valeur ou s’ajoute à la pile des initiatives abandonnées.
C’est une limite, mais c’est une limite qu’on peut lever.
Et c’est sans doute la meilleure nouvelle de cet article : la réussite d’un projet IA dépend de choses qu’une organisation maîtrise déjà, ou peut apprendre à maîtriser, bien plus que d’une prouesse technologique hors de portée.
GROUPE BBU accompagne les organisations dans leurs projets de transformation en veillant à ce que la technologie reste au service des enjeux métiers, humains et opérationnels.
