Investissements massifs dans l’IA générative malgré des retours incertains
De nombreux capitaux sont investis dans l’IA générative. Nous voyons Microsoft, Amazon, Meta et Google engager un total de 364 milliards de dollars dans leurs budgets pour l’année fiscale 2025, Microsoft à lui seul investissant 80 milliards de dollars dans l’infrastructure de l’IA. Il ne s’agit pas de petits paris. Ce niveau d’investissement est révélateur d’une chose, les grandes entreprises technologiques sont toutes impliquées.
Cela ne signifie pas que son fonctionnement est garanti. L’IA générative est encore un outil en développement. La majeure partie de ce que nous faisons aujourd’hui se situe au stade de l’infrastructure, du renforcement des capacités, de l’entraînement de modèles massifs, de la mise en place de centres de données. Mais l’infrastructure brute ne suffit pas. Vous devez débloquer l’utilisation dans le monde réel.
Les dirigeants ont déjà connu ce cycle avec les premières plateformes internet, le mobile et le cloud. Il y a d’abord l’infrastructure, puis l’outillage et enfin la monétisation. Nous sommes donc actuellement dans une phase d’augmentation de la capacité, en espérant que l’adoption et les résultats suivront. C’est un risque. Mais si vous pariez sur l’avenir, c’est un choix judicieux.
Des engagements aussi importants que les 80 milliards de dollars dépensés par Microsoft devraient mettre tout le monde au courant, en particulier les conseils d’administration et les investisseurs. La course n’est plus une question d’expériences. Il s’agit de jeter les bases d’une domination future. Bougez maintenant ou vous risquez d’être laissé pour compte.
L’adoption de l’IA par les entreprises échoue souvent à apporter une valeur tangible
Nous constatons un schéma clair. Les entreprises adoptent l’IA générative à grande échelle, mais la plupart d’entre elles n’obtiennent pas de résultats commerciaux sérieux.
Selon McKinsey, 80 % des entreprises qui utilisent l’IA générique ne constatent aucun impact significatif sur leurs résultats. Le MIT a constaté que 95 % des projets pilotes d’IA échouent complètement. S&P Global a noté que 42 % des entreprises ont abandonné la plupart de leurs projets pilotes d’IA d’ici à la fin de 2024, ce qui représente une augmentation de 17 % par rapport à l’année précédente.
La plupart des déploiements ne fonctionnent pas. Pourquoi ? Parce que les gens essaient d’en faire trop, trop vite, sans comprendre comment intégrer la technologie dans leurs systèmes. La GenAI exige des changements dans les flux de travail, les processus et parfois même les modèles d’entreprise.
Ce qui échappe aux décideurs, c’est que l’IA générative a besoin d’un contexte. Les chatbots, les résumés de documents et les copilotes ne fonctionnent que si les systèmes sous-jacents peuvent les prendre en charge. Cela signifie un accès sécurisé aux données de l’entreprise. Des objectifs clairs. Une collaboration multifonctionnelle.
Se contenter de déployer GPT ou d’apposer un label Copilot sur une application n’est pas une stratégie. Ceux qui réussissent redéfinissent la manière dont le travail est effectué. Elles traitent l’IA non pas comme une fonctionnalité, mais comme une capacité fondamentale de l’entreprise. D’autres dépensent des millions et se demandent pourquoi ils n’obtiennent pas de résultats.
En tant que dirigeant, vous n’avez pas besoin de plus de pilotes. Vous avez besoin d’une feuille de route. Vous avez besoin de cas d’utilisation qui génèrent des revenus ou optimisent les coûts. Tout le reste n’est que bruit.
La GenAI est entrée dans le « creux de la désillusion » de son cycle de croissance.
L’IA générative est arrivée rapidement avec des attentes élevées. Ce niveau d’attention entraîne généralement des promesses excessives. Nous en voyons aujourd’hui les résultats : l’engouement se calme et les équipes dirigeantes posent des questions difficiles sur les retours sur investissement.
Gartner suit cela avec ce qu’on appelle le « Hype Cycle », et ils ont placé la genAI dans ce qu’ils appellent le « Trough of Disillusionment » (le creux de la désillusion). C’est la phase où les performances réelles ne correspondent pas aux attentes exagérées. Les entreprises dépensent, mais les dirigeants se demandent pourquoi la valeur n’apparaît pas dans le bilan.
Les chiffres réels le confirment. En 2024, les entreprises ont dépensé en moyenne 1,9 million de dollars chacune pour des projets de genAI. Mais selon Gartner, moins de 30 % des leaders de l’IA déclarent que leurs PDG sont satisfaits du retour sur cet investissement. C’est une lacune. Il faut s’en préoccuper.
Cela ne signifie pas que l’IA générique a échoué. Cela signifie que les attentes doivent passer des vœux pieux aux résultats structurés. La fenêtre d’expérimentation se referme rapidement. Les dirigeants veulent désormais de la valeur opérationnelle, et non des prototypes à un stade précoce.
Si vous faites partie de l’équipe dirigeante, c’est le moment où vous commencez à aligner la genAI sur les indicateurs fondamentaux de l’entreprise, ou vous serez à la traîne lorsque la technologie commencera à produire des résultats pour la concurrence.
L’avenir financier de Microsoft est étroitement lié au succès de l’IA
Microsoft a pris une position de leader sur le marché de l’IA, sans doute la position la plus risquée et la plus riche en enjeux de toutes les entreprises actuelles. Elle a déjà atteint une capitalisation boursière de 3 000 milliards de dollars, en grande partie grâce à l’agressivité de ses investissements dans l’IA. OpenAI, Copilot, Azure AI, tout cela fait partie du même pari : l’IA générative redéfinira le logiciel et Microsoft possédera la couche de plateforme sous-jacente.
Si genAI tient ses promesses, l’entreprise reste au sommet. En cas d’échec ou de déception, l’évaluation s’effondre. Il ne s’agit pas d’une initiative secondaire pour Microsoft ; elle est au cœur de l’histoire de l’entreprise.
Le risque s’applique à tous ceux qui observent la situation. Il n’est pas nécessaire de miser des milliards comme Microsoft pour en ressentir les effets. Les paris que les entreprises font aujourd’hui, sur les partenariats, l’infrastructure, la formation de la main-d’œuvre, les cadres de déploiement, vont soit vous permettre de mettre à l’échelle ce qui fonctionne, soit vous contraindre à une position réactive lorsque la valeur est captée ailleurs.
Les dirigeants doivent comprendre ce qui se passe ici. Microsoft est confronté à un résultat binaire. Gagner gros ou subir des conséquences stratégiques. Cela va obliger les autres fournisseurs de logiciels d’entreprise, et leurs clients, à décider plus rapidement si l’IA n’est qu’une fonctionnalité ou un fondement. Le moment de décider de votre position en matière d’IA n’est pas à long terme. C’est maintenant.
Ce sont les difficultés de mise en œuvre plutôt que les limites technologiques qui entravent le succès de l’IA
Si vous examinez de près les raisons pour lesquelles la plupart des projets d’IA générique échouent, le problème n’est généralement pas la technologie, mais l’exécution. Les entreprises essaient de construire des systèmes d’IA complexes avec des équipes internes qui manquent d’expérience approfondie. C’est une démarche très risquée dans un domaine qui évolue aussi rapidement.
Les données du MIT montrent clairement l’écart. Lorsque les entreprises construisent en interne, seulement 33 % des initiatives de genAI aboutissent. Lorsqu’elles travaillent avec des partenaires externes expérimentés, le taux de réussite passe à 67 %. La différence se résume à l’expérience, à la concentration et à la discipline d’intégration.
Trop souvent, les entreprises lancent des projets pilotes sans définir le problème qu’elles veulent résoudre. La GenAI est poussée dans des flux de travail où elle n’a pas sa place, ou bien elle est chargée en amont dans des démonstrations qui ne sont pas à l’échelle. Résultat ? Les ressources sont brûlées sans que la valeur à long terme ne soit démontrée.
McKinsey évoque une meilleure voie à suivre : construire des agents d’IA conçus spécifiquement pour un usage opérationnel interne. Lorsque l’IA s’aligne sur le fonctionnement réel d’une entreprise, à travers les équipes, les systèmes et les données, elle crée des gains fiables en termes d’agilité, d’efficacité et même de nouvelles sources de revenus. Mais cela nécessite un alignement au niveau de l’architecture, et pas seulement une intégration logicielle.
Les dirigeants doivent cesser de donner le feu vert à des projets pilotes d’IA isolés. L’IA doit être intégrée dans le processus opérationnel réel pour offrir des avantages mesurables. Et lorsque les cas d’utilisation réels sont clairs, vous avez besoin d’une équipe, et pas seulement d’un outil, qui sache comment l’exécuter.
Microsoft opère un virage stratégique vers les agents d’IA et les cadres d’utilisation
Microsoft est conscient du problème de l’IA dans les entreprises et ne reste pas inactif. Lors de la conférence des développeurs Build 2025, l’entreprise a été très claire : elle se concentre sur des agents d’IA conçus pour un travail réel, et pas seulement pour des démonstrations. Cette décision montre que l’entreprise a tiré les leçons des problèmes rencontrés lors des premières adoptions et qu’elle redouble d’efforts pour un déploiement dans le monde réel.
Ils ont présenté une vision du « web agentique » – une feuille de route où les agents d’intelligence artificielle ne se contentent pas d’assister mais opèrent de manière indépendante dans les environnements d’entreprise. Parallèlement, ils ont lancé des cadres de déploiement pratiques. L’un des plus remarquables est « Microsoft as Customer Zero », un guide détaillé montrant comment l’entreprise applique ses propres outils Copilot en interne pour favoriser la transformation.
Cette approche est importante. Elle est concrète. Elle montre qu’ils ne se contentent pas de construire des outils, mais qu’ils modélisent le changement organisationnel nécessaire pour développer l’IA. Ils s’adressent aussi directement aux chefs d’entreprise, et non plus seulement aux développeurs.
John-David Lovelock, prévisionniste en chef chez Gartner, l’a résumé dans le New York Times : l’IA générique a encore de la valeur, mais seulement lorsqu’elle aura dépassé les premiers stades du battage médiatique et qu’elle sera appliquée à la productivité. La nouvelle orientation de Microsoft reflète cette trajectoire.
Pour les dirigeants qui planifient leurs propres déploiements d’IA, le message est clair : la sélection d’outils ne suffit pas. Vous avez besoin d’un plan d’action pour l’IA à grande échelle. C’est ce que fait Microsoft, qui ne se contente pas de livrer des produits. Cette stratégie est ce qui différencie les entreprises qui testent l’IA de celles qui la mettent en œuvre.
Les premiers échecs peuvent être le reflet d’un cycle d’innovation normal plutôt que d’un revers permanent.
On a tendance à interpréter les premiers échecs de l’IA générative comme le signe que quelque chose est cassé. Cette conclusion est erronée. Il s’agit de signaux précoces. Des taux d’abandon élevés et des projets pilotes décevants ne signifient pas que la technologie elle-même ne fonctionne pas, ils montrent à quel point la mise en œuvre à grande échelle est encore brute et complexe.
Vous devez vous rappeler que l’innovation à grande échelle n’évolue jamais en ligne droite. Les entreprises essaient, itèrent, échouent, apprennent et s’adaptent. L’écart actuel entre les investissements et les résultats n’est pas dû au manque d’utilité de la genAI, mais au fait que l’intégration nécessite du temps, de la coordination et des essais.
Ce qui compte, c’est la manière dont les entreprises utilisent cette période d’apprentissage. Celles qui considèrent les premiers faux pas comme des retours d’expérience plutôt que comme des échecs trouveront plus tard une meilleure adéquation produit-marché. Plus important encore, cette phase actuelle révèle ce qui ne fonctionne pas. Cela permet de gagner du temps et de réduire les coûts à long terme.
Nous arrivons au point où l’expérimentation doit se transformer en alignement stratégique. Cela signifie qu’il faut passer de la curiosité technique aux déploiements fonctionnels, des projets d’essai à la refonte des processus d’entreprise. Il ne s’agit pas d’attendre une preuve parfaite. Il s’agit de développer les capacités et la compréhension nécessaires pour passer à l’échelle lorsque les cas d’utilisation clairs émergeront.
Pour les dirigeants, ce n’est pas le moment de reculer, mais de poser des bases plus solides. Assurez-vous que l’IA que vous testez s’aligne sur la valeur de l’entreprise. Veillez à ce que l’informatique, les opérations et le leadership s’articulent autour des résultats. Autorisez l’échec, mais seulement s’il est suffisamment structuré pour créer une orientation.
Dernières réflexions
Si vous êtes responsable de la croissance, de l’innovation ou des paris stratégiques, l’IA générative ne peut pas être traitée comme une autre tendance, elle est plus importante que cela. Le capital déployé, l’infrastructure mise en place et le rythme d’itération indiquent tous un changement qui est déjà en cours, qu’il porte ses fruits demain ou dans cinq ans.
Mais pour l’instant, les données sont claires : les dépenses dépassent l’impact. La plupart des projets pilotes échouent. La plupart des PDG ne voient pas de retour sur investissement. Et la plupart des entreprises tentent encore de déterminer la place de l’IA. C’est là le véritable goulot d’étranglement : l’alignement, et non l’ambition.
Le moment est venu de revoir les attentes et de repenser l’approche. Le succès ne viendra pas de la poursuite du battage médiatique ou du déploiement d’outils pour le plaisir de participer. Il viendra d’une exécution ciblée, de cas d’utilisation spécifiques à un domaine et d’une vision à long terme fondée sur une véritable transformation opérationnelle.
Les entreprises qui s’en rendent compte en premier ne se contenteront pas d’obtenir un retour sur investissement. Elles consolideront leur position concurrentielle, attireront de meilleurs talents et évolueront plus rapidement que leurs homologues. Ignorez le bruit. Concentrez-vous sur ce qui fonctionne. Le reste suivra.
