Comment des budgets serrés et une supervision peu rigoureuse ralentissent les progrès de l’IA

Un contrôle insuffisant et des structures de gouvernance manquantes entravent le retour sur investissement de l’IA dans les entreprises

Les dépenses en IA s’accélèrent dans tous les secteurs. Pourtant, de nombreuses organisations peinent encore à obtenir des résultats mesurables. Le problème n’est pas la technologie, mais le manque de structure. Les recherches de Solvd montrent que la plupart des échecs des projets pilotes d’IA proviennent d’une mauvaise gestion de projet, d’une visibilité limitée et d’une faible coordination, et non de défauts dans les outils d’IA eux-mêmes. En d’autres termes, les entreprises investissent massivement mais sont aveugles lorsqu’il s’agit de supervision.

Une intégration réussie de l’IA exige plus que de l’enthousiasme et un budget. Elle dépend d’une gouvernance, d’une responsabilité et d’une transparence solides. Sans ces éléments, même les meilleurs modèles peuvent s’effondrer sous l’effet d’un désalignement interne. Lorsque la propriété n’est pas claire, la prise de décision est retardée et les progrès ralentissent. L’établissement de cadres disciplinés aide les équipes à rester alignées sur les mesures, les calendriers et les attentes. C’est ainsi que les organisations passent de projets pilotes difficiles à des projets d’envergure.

Les dirigeants ne doivent pas sous-estimer l’aspect culturel de ce changement. La mise en place d’une supervision dans les opérations d’IA ne vise pas à restreindre l’innovation, mais à la canaliser. Elle garantit que les équipes disposent à la fois de la liberté et de l’orientation nécessaires. Les entreprises qui formalisent dès maintenant la gouvernance de l’IA progresseront plus rapidement par la suite, car leur infrastructure est conçue pour s’adapter à l’échelle, et non pour lutter contre les incendies. Selon Solvd, les lacunes en matière de visibilité et de gestion restent les principales raisons de l’échec des initiatives d’IA. Les combler n’est plus facultatif, c’est une question de leadership décisif.

Augmentation des dépenses en IA en 2026

Les dépenses en IA ne ralentissent pas. En fait, 71 % des chefs d’entreprise prévoient d’augmenter leurs investissements en 2026. Mais il ne s’agit pas de la même vague de dépenses que celle observée les années précédentes. L’ère de l’expérimentation illimitée cède la place à l’examen minutieux. Les conseils d’administration et les investisseurs veulent désormais la preuve que chaque dollar consacré à l’IA produit des résultats commerciaux visibles.

Cette pression va aiguiser la façon dont les entreprises abordent les cycles de développement, les mesures de réussite et la responsabilité. Les dirigeants ne peuvent plus se permettre de financer des projets dont les objectifs ne sont pas clairs ou les données incohérentes. La nouvelle référence, ce sont des résultats mesurables et fondés sur des données, des performances directement liées aux rendements financiers et opérationnels. Les projets d’IA qui ne peuvent pas défendre leur valeur avec des preuves ne survivront pas à une autre année fiscale.

Les dirigeants doivent aligner les investissements dans l’IA sur des facteurs commerciaux concrets. Cela signifie qu’il faut définir des indicateurs de performance précis dès le premier jour, appliquer une validation solide des données et vérifier en permanence l’impact sur le monde réel. La prise de décision doit passer de l’optimisme aux faits. Les entreprises qui peuvent mesurer et communiquer la valeur seront en tête ; celles qui ne le peuvent pas perdront rapidement leur crédibilité auprès des parties prenantes.

Pour les organisations tournées vers l’avenir, ce nouvel examen n’est pas une menace, c’est un filtre. Il permettra de s’assurer que seuls les programmes d’IA ayant une importance stratégique et un retour sur investissement clair vont de l’avant. Les 71 % de dirigeants qui augmentent leurs budgets d’IA n’ont pas tort de dépenser plus. Ils doivent simplement dépenser plus intelligemment.

PARLONS-EN !

Un projet en tête ?
Planifiez un appel de 30 minutes avec nous.

Des experts senior pour vous aider à avancer plus vite : produit, tech, cloud & IA.

Planifier un appel

Veuillez saisir une adresse email professionnelle valide.

L’expérimentation continue de l’IA nécessite d’adopter des itérations répétées pour un succès évolutif.

L’adoption de l’IA passe de l’expérimentation brute à une exécution ciblée. Les entreprises apprennent que les premières tentatives échouent souvent, non pas parce que les idées manquent de potentiel, mais parce que l’exécution doit être affinée. Hulbert y voit un signe de maturité, expliquant que les projets d’IA réussis sont rarement le résultat d’un seul effort. Au contraire, ils évoluent à travers de multiples itérations jusqu’à ce que le bon équilibre entre l’architecture, la performance et la portée soit atteint.

Ce cycle d’essais et d’ajustements exige un état d’esprit stratégique de la part des dirigeants. Les dirigeants doivent reconnaître que l’abandon des premiers travaux n’est pas un échec, mais un progrès délibéré. Chaque itération produit des données, des idées et des éclaircissements qui renforcent la version suivante. Les meilleures équipes documentent ce qui n’a pas fonctionné, réagissent rapidement et reconstruisent sur de meilleures structures. C’est ainsi que les organisations transforment des projets pilotes dispersés en systèmes évolutifs et fiables.

Pour les dirigeants, le défi consiste à faire preuve de discipline en matière de ressources. L’expérimentation ne peut être synonyme de coûts illimités ou de développement sans fin. Les équipes doivent définir des points de contrôle qui permettent d’évaluer quand il faut pivoter, redémarrer ou développer. La mise en place d’un cadre qui encourage l’itération tout en maintenant la responsabilité permet à l’entreprise de continuer à apprendre sans perdre le cap.

Les entreprises qui considèrent l’itération comme faisant partie de leur stratégie à long terme progresseront plus rapidement dans l’extension de leurs capacités futures. La leçon à tirer de l’analyse de Hulbert est claire : les progrès de l’IA ne sont pas linéaires et l’expérimentation disciplinée est le seul moyen d’obtenir de bons résultats.

Le redémarrage des initiatives d’IA, bien qu’il soit coûteux en ressources, permet d’éviter les gaspillages durables sur des projets peu performants.

Abandonner des projets d’IA faibles est difficile, mais continuer à les financer est pire. Selon des résultats récents, 52 % des dirigeants du secteur de la technologie admettent que leur organisation continue d’allouer des budgets à des projets d’IA qui ne présentent que peu ou pas d’améliorations mesurables. Cela révèle un problème plus profond : les organisations hésitent à faire des coupes décisives en raison des coûts irrécupérables ou de la pression interne pour montrer des progrès.

Le redémarrage ne consiste pas seulement à prendre un nouveau départ, mais aussi à mettre un terme aux pertes financières. Plus les projets sous-performants se poursuivent sans résultats, plus le coût d’opportunité est élevé. Lorsque les équipes reconnaissent qu’un projet pilote ne fonctionne pas, les dirigeants doivent agir rapidement pour réorienter les ressources vers des initiatives plus prometteuses. Cela nécessite une transparence fondée sur les données et le courage de redéfinir les priorités sans délai.

Les dirigeants devraient établir des cycles d’examen réguliers qui évaluent non seulement la viabilité technique, mais aussi l’alignement stratégique. Chaque trimestre, les investissements dans l’IA devraient être réévalués en fonction des objectifs, des mesures de retour sur investissement et de la pertinence du marché. Lorsqu’un projet ne donne pas les résultats escomptés, il ne s’agit plus d’une initiative d’innovation, mais d’une responsabilité. Plus vite le travail mal aligné est identifié et supprimé, plus vite les ressources peuvent être affectées à ce qui est vraiment important.

Pour les décideurs, le message est simple : l’engagement en faveur des résultats l’emporte sur l’attachement aux investissements passés. En choisissant de redémarrer plutôt que de maintenir l’inefficacité, les organisations protègent leur capital, accélèrent l’apprentissage et restent prêtes à s’adapter. Les données, 52% continuant à financer des initiatives d’IA non performantes, montrent que trop peu d’entre elles ont opéré ce changement. Celles qui le font seront à la tête de la prochaine vague de transformation de l’IA à fort impact.

Section 5 : l’innovation rapide en matière d’IA remet en question les modèles traditionnels de développement informatique reposant sur des bases à long terme

L’IA progresse plus rapidement que toute autre vague technologique antérieure et modifie la façon dont les entreprises doivent envisager le développement et l’investissement. Les stratégies informatiques traditionnelles reposent sur des infrastructures stables qui évoluent de manière prévisible au fil des ans. Hulbert souligne que ce modèle n’est plus valable pour l’IA. Le paysage technologique évolue à une vitesse telle que les systèmes de base sont souvent dépassés avant même d’avoir été entièrement mis en œuvre.

Cette accélération oblige les décideurs à repenser l’équilibre entre permanence et adaptabilité. L’architecture à long terme reste importante, mais c’est désormais la flexibilité qui détermine la compétitivité. Les plateformes et les modèles d’IA sont mis à jour en permanence, et les cadres qui fonctionnaient il y a six mois peuvent déjà être inefficaces. Les dirigeants doivent planifier l’agilité, des systèmes qui peuvent être restructurés au fur et à mesure que la technologie progresse, que les données augmentent et que les exigences réglementaires évoluent.

Cet état d’esprit exige une résilience opérationnelle dans l’ensemble de l’organisation. Les cycles de financement doivent anticiper la courte durée de vie de certains outils. Les équipes doivent être structurées de manière à pouvoir pivoter rapidement et redéployer les ressources lorsque la technologie ou l’orientation des données change. Le succès dépend désormais de l’efficacité avec laquelle une entreprise peut réviser ses propres systèmes tout en continuant à atteindre ses objectifs commerciaux.

Hulbert saisit l’essence de ce changement : dans le domaine de l’IA, la bonne décision consiste parfois à se débarrasser des anciens systèmes et à les remplacer par de meilleurs. Ce n’est pas du gaspillage, c’est du progrès. L’IA devenant de plus en plus dynamique, les dirigeants qui adoptent l’innovation rapide et refusent d’être ralentis par des processus obsolètes devanceront ceux qui restent rigides. C’est l’adaptation, et non l’endurance, qui définira les gagnants de cette nouvelle phase de la compétition technologique.

Principaux enseignements pour les décideurs

• Renforcer la surveillance pour débloquer le retour sur investissement de l’IA : Les investissements dans l’IA augmentent, mais la faiblesse de la gouvernance et le manque de clarté de l’appropriation limitent les résultats. Les dirigeants doivent mettre en place des cadres solides et assurer la transparence afin de garantir que les projets apportent une valeur commerciale mesurable.
• Exigez des performances basées sur des données pour les initiatives d’IA : Avec 71 % des entreprises qui augmenteront leurs budgets d’IA en 2026, la surveillance est plus stricte que jamais. Les dirigeants doivent lier le financement à des résultats prouvés par des données et supprimer les projets qui ne disposent pas de mesures de retour sur investissement claires.
• L’itération fait partie intégrante de la maturité de l’IA : Le succès de l’IA dépend de l’affinement des projets pilotes par des cycles répétés. Les dirigeants devraient considérer l’itération comme un apprentissage stratégique, en encourageant les équipes à reconstruire sur la base des connaissances acquises plutôt que de conserver des projets pilotes peu performants.
• Réduisez les pertes sur les projets d’IA peu performants : Continuer à financer des initiatives d’IA peu performantes ne fait que retarder les progrès. Alors que 52 % des dirigeants du secteur technologique font état de dépenses inutiles, les cadres devraient réorienter les ressources vers des projets plus performants et stratégiquement alignés.
• Adoptez des modèles agiles pour suivre le rythme de l’évolution rapide de l’IA : Les approches informatiques traditionnelles sont trop rigides pour la vitesse d’évolution de l’IA. Les dirigeants doivent concevoir des systèmes et des processus adaptables qui permettent une itération, un remplacement et une mise à l’échelle plus rapides au fur et à mesure que la technologie progresse.