Pourquoi la plupart des grandes entreprises font une pause dans leurs projets d’IA

La majorité des moyennes et grandes entreprises bloquent les projets d’IA en raison de problèmes de confiance profondément ancrés.

L’adoption de l’IA ralentit dans les grandes et moyennes entreprises. L’étude de Gong a révélé que 58 % de ces organisations ont bloqué leurs initiatives en matière d’IA. La raison n’est pas un manque d’enthousiasme, mais de confiance. Les décideurs de haut niveau s’inquiètent de la manière dont les systèmes d’IA traitent les données sensibles, prennent des décisions et expliquent les résultats. Lorsqu’un système ne peut pas justifier clairement ses résultats ou démontrer une solide sécurité des données, la confiance s’effondre. Cette hésitation retarde les progrès, même dans les entreprises qui voient déjà le potentiel de l’IA pour transformer les opérations et accélérer la croissance.

Ce problème de confiance est plus qu’un défi technologique, c’est un risque commercial. Lorsque les dirigeants ralentissent la mise en œuvre, ils perdent l’avantage du précurseur et l’apprentissage composé qui découle de l’expérimentation précoce. L’IA ne peut accroître la rapidité et la précision de l’organisation que si les équipes sont convaincues qu’elles la comprennent et qu’elles peuvent la contrôler. Pour les fournisseurs et les équipes internes qui élaborent des solutions d’IA, cela signifie que la transparence n’est pas facultative, mais stratégique. La capacité à expliquer ce que fait l’IA et pourquoi elle agit d’une certaine manière renforce la confiance et transforme l’hésitation en investissement.

Les dirigeants devraient considérer ce manque de confiance comme une opportunité de diriger différemment. Les gagnants ne seront pas ceux qui adopteront l’IA le plus rapidement, mais ceux qui la rendront la plus fiable. La mise en place d’une gestion des données et d’une surveillance des modèles vérifiables permet de transformer la peur en clarté. Cela crée la confiance nécessaire pour passer à l’échelle supérieure tout en réduisant les risques opérationnels et de réputation.

Selon l’enquête menée par Gong auprès de 2 056 chefs d’entreprise au Royaume-Uni et aux États-Unis, 46 % des investissements prévus en matière d’IA sont interrompus, soit 47 % au Royaume-Uni et 44 % aux États-Unis, les entreprises américaines étant légèrement plus susceptibles (63 %) que les entreprises britanniques (52 %) de faire état d’un ralentissement de leurs progrès. Les données montrent que le scepticisme à l’égard de l’IA traverse les industries et les frontières, signalant un changement profond dans la façon dont les entreprises choisissent de progresser avec cette technologie.

Les défis liés à la confiance l’emportent désormais sur l’incertitude réglementaire en tant que principal obstacle à l’adoption de l’IA.

Le plus grand obstacle à la mise en œuvre de l’IA n’est pas la réglementation gouvernementale, mais la prudence que l’entreprise s’impose. L’étude de Gong révèle que les dirigeants accordent plus d’importance à l’intégrité opérationnelle qu’aux risques politiques externes. La confidentialité et la sécurité des données sont en tête de liste des préoccupations avec 34 %, suivies de l’explicabilité avec 30 % et de la transparence des modèles avec 28 %. L’incertitude réglementaire, qui dominait auparavant, arrive en quatrième position (27 %). Cela indique que les entreprises craignent désormais davantage les défaillances internes, les violations de données, les résultats inexpliqués ou l’automatisation non fiable que l’évolution de l’environnement réglementaire.

Ce changement est logique. L’IA devenant un élément central des opérations commerciales, la confiance dans le système devient tout aussi importante que la confiance dans les personnes qui le gèrent. Les dirigeants veulent des réponses précises à des questions telles que : Comment ce modèle est-il formé ? Quelles sont les données qui l’alimentent ? Comment puis-je vérifier sa logique ? Il ne s’agit pas de cases à cocher de conformité, mais de questions fondamentales pour la viabilité de l’entreprise et la confiance des clients. Sans ces réponses, les risques liés au déploiement de l’IA à grande échelle l’emportent sur les bénéfices potentiels.

Pour les dirigeants, la conclusion est claire. La mise en place d’une gouvernance interne de l’IA doit être une priorité stratégique absolue. Il faut un cadre qui permette de suivre chaque entrée de données, d’expliquer chaque décision algorithmique et de garantir la conformité avec les normes locales et internationales. Cela crée une transparence mesurable et élimine l’ambiguïté qui freine l’investissement. Elle envoie également aux parties prenantes le message que votre organisation considère la confiance comme faisant partie intégrante de l’innovation, et non comme une considération secondaire.

Parmi les obstacles recensés, 34 % des personnes interrogées ont cité la confidentialité et la sécurité des données comme étant le principal défi, 30 % ont pointé du doigt la capacité d’explication, 28 % la transparence des modèles et seulement 27 % l’incertitude réglementaire. Ce classement montre que la confiance a dépassé la conformité en tant que facteur déterminant de la poursuite ou de l’arrêt des projets d’IA.

La perception actuelle d’une valeur limitée des investissements dans l’IA ajoute à la réticence à déployer pleinement l’IA à grande échelle.

De nombreuses organisations ralentissent le rythme de l’IA, non pas parce qu’elles doutent de son potentiel, mais parce qu’elles n’ont pas encore obtenu de résultats tangibles. Les données de Gong montrent que les trois quarts des entreprises interrogées, 70 % au Royaume-Uni et 80 % aux États-Unis, pensent qu’elles ne tirent pas suffisamment de valeur de leurs investissements actuels dans l’IA. Cet écart de perception est critique. Les entreprises savent que l’IA peut accroître la vitesse, l’efficacité et la précision, mais ce qu’elles expérimentent n’est souvent pas à la hauteur de leurs attentes.

Le problème provient des modèles d’adoption à un stade précoce. De nombreuses entreprises ont déployé des projets pilotes d’IA sans disposer des paramètres clairs, de la gouvernance et de l’intégration opérationnelle nécessaires pour mesurer efficacement les résultats. Résultat : des systèmes qui fonctionnent de manière isolée, génèrent des informations incomplètes ou produisent des résultats incohérents. Lorsque cela se produit, la confiance dans l’évolutivité de l’IA s’affaiblit et les dirigeants hésitent à étendre les projets au-delà des essais.

Les dirigeants doivent considérer la création de valeur de l’IA comme un processus actif. Pour obtenir des résultats mesurables, il faut investir à long terme dans la qualité des données, le suivi des modèles et l’analyse comparative des performances. Les organisations qui ralentissent actuellement l’adoption de l’IA doivent déterminer où se situent les ruptures dans la chaîne de valeur, qu’il s’agisse de l’entrée des données, de la supervision de la gestion ou de l’alignement du modèle sur le monde réel. Une approche délibérée qui lie directement les performances de l’IA aux résultats de l’entreprise accélérera les résultats et contribuera à justifier la poursuite des investissements.

L’IA est rentable lorsqu’elle est transparente et mesurée. Un système de gouvernance clair, étayé par des indicateurs clés de performance définis, aide les dirigeants à voir où l’IA stimule réellement les performances et où elle a besoin d’être affinée. La conclusion de Gong selon laquelle 75 % des dirigeants ne sont pas satisfaits de leur rendement est un signal d’alarme pour les entreprises qui considèrent l’IA comme une expérience plutôt que comme un atout stratégique. La prochaine phase de maturité de l’IA dépendra de la visibilité, de l’observation de ce qui fonctionne et de ce qui ne fonctionne pas, et de l’ajustement rapide de la direction.

Augmentation de la demande des acheteurs

Les acheteurs n’acceptent plus de vagues assurances sur le fonctionnement de l’IA. Ils posent des questions difficiles : comment les données sont-elles protégées, quels sont les garde-fous existants et qui valide les affirmations ? Gong Labs a analysé plus de 25 millions d’interactions commerciales et a constaté qu’une sur quatre faisait référence aux problèmes de sécurité de l’IA. Les acheteurs ont souligné le besoin d’explications, de transparence dans les données de formation et d’assurances vérifiées sur la manière dont les modèles génèrent des décisions et protègent les informations. Les fournisseurs qui ne sont pas en mesure de fournir des réponses détaillées et étayées par des preuves ont plus de mal à conclure des affaires.

Les chiffres sont concluants. Vingt-six pour cent des acheteurs ont déclaré que la capacité d’explication est le principal facteur de confiance. Par ailleurs, 25 % d’entre eux ont cité l’importance de garanties concrètes en matière de protection des données. Les garanties de sécurité intégrées et les certifications par des tiers arrivent chacune à 23 %, tandis que 22 % soulignent la valeur de la transparence des données de formation et de la logique du modèle. Cette demande de preuves est le reflet d’un marché plus mature, qui privilégie la fiabilité à la rapidité de mise sur le marché.

Les cadres qui dirigent les achats ou l’évaluation des produits devraient reconnaître ce changement comme un signe d’intelligence croissante dans le comportement des acheteurs. Les décideurs ne rejettent pas l’IA, ils rehaussent les normes. Cela signifie que chaque interaction avec un fournisseur est désormais un test de crédibilité. Les entreprises qui font preuve de solides pratiques de validation, d’audits, de certifications et de transparence dans le monde réel se démarqueront. Celles qui promettent trop et n’expliquent pas assez perdront rapidement du terrain.

Pour les vendeurs comme pour les chefs d’entreprise, le succès dépend de la clarté. Présenter des garanties mesurables et une validation externe permet d’instaurer la confiance plus rapidement que les affirmations marketing. Cela montre aux clients que la fiabilité de l’IA n’est pas seulement un objectif, mais qu’elle est intégrée au produit. Les acheteurs devenant de plus en plus sophistiqués, les entreprises qui privilégient la transparence et une conception digne de confiance façonneront la prochaine étape de la croissance du marché de l’IA.

Le débat sur la confiance dans l’IA a évolué

La confiance dans l’IA n’est plus une conversation limitée aux équipes chargées du risque ou de la conformité, c’est désormais une question de stratégie commerciale majeure. Les entreprises commencent à reconnaître que le fait de gagner la confiance des systèmes d’IA influe directement sur le chiffre d’affaires, la croissance et la compétitivité. Chris Peake, Chief Trust Officer chez Gong, décrit clairement cette évolution : « La sécurité et la confiance dans l’IA sont désormais des conversations sur les revenus ». Il souligne que la confiance ne consiste pas seulement à cocher des cases réglementaires, mais aussi à garantir la confiance nécessaire pour que les clients et les partenaires agissent.

Dans ce contexte, la confiance devient un facteur concurrentiel mesurable. Les entreprises qui disposent d’un cadre de gouvernance de l’IA bien documenté et transparent acquièrent un avantage car elles progressent plus rapidement dans le déploiement et atteignent l’échelle avec moins de frictions. Les conclusions de M. Gong démontrent ce lien entre transparence et croissance. Lorsque la gouvernance est intégrée aux produits d’IA, par exemple par le biais d’une surveillance renforcée des modèles, de contrôles plus stricts des données ou de garanties vérifiées de manière indépendante, les entreprises réduisent l’incertitude et accélèrent l’adoption opérationnelle. La confiance devient donc un atout opérationnel avec des résultats commerciaux.

Pour les dirigeants, ce changement exige une attention directe. La gouvernance de l’IA et l’instauration de la confiance ne peuvent plus être déléguées au bas de l’organigramme. Elles doivent être placées au niveau de la direction, au même titre que les indicateurs de chiffre d’affaires, de croissance et d’innovation. La mise en œuvre de structures de gouvernance claires, l’intégration d’audits indépendants et l’explication cohérente des systèmes ne sont pas seulement des garanties de conformité, elles permettent un déploiement plus rapide et plus sûr. Les décideurs qui investissent dans des systèmes de confiance plus solides auront plus de facilité à remporter des contrats, à fidéliser les clients et à démontrer leur leadership aux parties prenantes.

Le ralentissement du déploiement des projets d’IA

L’hésitation qui entoure l’adoption de l’IA n’est pas un rejet, c’est un signe de maturité. Les organisations ont dépassé le stade des premières expérimentations et se concentrent désormais sur la gouvernance et la responsabilité. Les dernières données de Gong et de Censuswide montrent que les entreprises du Royaume-Uni et des États-Unis partagent le même état d’esprit : l’adoption stagnera tant que la confiance n’aura pas été prouvée. Les dirigeants demandent désormais des preuves concrètes de l’intégrité de la sécurité, de l’auditabilité et de la traçabilité avant d’engager un budget important dans des outils ou des plateformes d’IA.

Cette évolution est saine à long terme. Elle montre que le marché devient plus discipliné, les acheteurs exigeant des normes plus strictes avant le déploiement complet. Plutôt que de sauter sur de nouvelles capacités d’IA, les dirigeants exigent désormais des cadres de gouvernance cohérents, des structures qui définissent comment les modèles sont construits, entraînés et testés. Les fournisseurs qui répondent à ces attentes renforceront leur position sur le marché ; ceux qui ne le font pas risquent de perdre leur pertinence.

Pour les dirigeants, c’est le moment d’agir et non de reculer. Si la confiance est absente de l’écosystème des fournisseurs, l’investissement dans la gouvernance interne peut combler cette lacune. L’établissement de normes internes concernant l’utilisation des données, la transparence des modèles et la fiabilité des systèmes permet aux entreprises de conserver leur élan pendant que le marché rattrape son retard. La clé est la clarté opérationnelle, savoir précisément ce qui se passe à l’intérieur du système d’IA et être capable de prouver qu’il est conforme aux exigences éthiques, réglementaires et commerciales.

L’étude menée par Censuswide auprès de chefs d’entreprise au Royaume-Uni et aux États-Unis, ainsi que l’analyse par Gong Labs d’un an de données de vente anonymes, confirment une conclusion unifiée : c’est la gouvernance, et non l’enthousiasme, qui détermine désormais les progrès de l’IA. Les entreprises qui font passer la confiance d’une préoccupation technique à une priorité de leadership donneront le ton à la prochaine phase de transformation de l’entreprise axée sur l’IA.

Principaux enseignements pour les dirigeants

• Sans confiance, les progrès de l’IA s’enlisent : Plus de la moitié des moyennes et grandes entreprises ont interrompu leurs initiatives en matière d’IA en raison de problèmes de confiance. Les dirigeants devraient intégrer la transparence et l’explicabilité dans les systèmes d’IA pour relancer la dynamique.
• La confiance opérationnelle l’emporte sur la réglementation : La sécurité des données, la protection de la vie privée et la clarté de la logique du modèle l’emportent désormais sur les questions réglementaires en tant qu’obstacles à l’adoption. Les dirigeants doivent renforcer les cadres de gouvernance interne pour garantir la confiance et la conformité.
• La perception de la valeur détermine les décisions d’investissement : Soixante-quinze pour cent des entreprises estiment que leurs investissements dans l’IA n’apportent qu’une valeur limitée. Les dirigeants devraient fixer des critères de retour sur investissement mesurables et lier directement les performances de l’IA aux résultats de l’entreprise.
• Les attentes des acheteurs augmentent : Les acheteurs exigent de plus en plus d’explications, de garanties de sécurité et de validations par des tiers avant l’achat. Les fournisseurs doivent présenter des garanties claires et une gouvernance vérifiée pour conserver leur crédibilité.
• La confiance alimente l’avantage commercial : La confiance dans l’IA est devenue un élément central du chiffre d’affaires et de la croissance, et pas seulement de la conformité. Les dirigeants devraient considérer la gouvernance et la transparence comme des catalyseurs commerciaux qui accélèrent l’adoption et la confiance des clients.
• La gouvernance détermine l’élan de l’IA : Le ralentissement du déploiement reflète un appel à des cadres fiables plutôt qu’une baisse d’intérêt. Les dirigeants devraient établir et appliquer des politiques cohérentes en matière d’auditabilité, d’utilisation des données et de surveillance des modèles afin de poursuivre les progrès.