L'investissement dans l'IA augmente mais les résultats restent flous... McKinsey : « Les problèmes de gestion sont plus importants que la technologie »

Malgré l’augmentation rapide des investissements des entreprises dans l’IA, peu d’entre elles ont répondu que cela avait réellement conduit à une amélioration de leurs performances. Le diagnostic présenté lors du Google Cloud Next 2026 était clair. La principale problématique de l’IA en entreprise réside désormais moins dans l’adoption technologique elle-même que dans « qui en assume la responsabilité et comment organiser le mouvement de l’organisation ».

Sutoshi Padhi, partenaire senior chez McKinsey, a déclaré que selon plusieurs enquêtes récentes, environ 90 % des projets d’IA ne créent pas de valeur commerciale évidente. Il a expliqué que les PDG et les directeurs financiers partagent tous le souci que « les dépenses IT continuent d’augmenter alors que la rentabilité reste totalement incertaine ».

Padhi voit ce problème non pas comme une simple limite technologique, mais comme résultant d’un manque de propriété de la part de la direction. Lorsqu’AI n’est pas au cœur de la stratégie d’entreprise mais confiée au directeur informatique ou au responsable de l’analyse de données, il devient difficile de générer des résultats. Il a souligné que si une organisation pose la question de l’état d’avancement de l’IA au PDG ou au CFO, mais tourne le regard vers d’autres cadres, elle est en réalité déjà perdue.

Selon une enquête de McKinsey, seulement environ 39 % des entreprises ayant investi dans l’IA ont constaté une augmentation réelle de leurs bénéfices. Cela indique que la majorité des entreprises n’ont pas encore atteint « des performances à l’échelle de l’entreprise ». La complexité de l’environnement de données est également un obstacle. La mise en place de systèmes ERP à différentes périodes, des données non intégrées après des fusions-acquisitions, et des structures d’information fragmentées par département freinent l’utilisation de l’IA.

Les défis fondamentaux plutôt que les tâches faciles

Padhi a identifié une erreur courante des entreprises : commencer par des « tâches faciles ». Même si elles déploient de nombreux petits pilotes pour obtenir rapidement des résultats visibles, cela ne mène pas à des changements significatifs si ces initiatives ne se diffusent pas à l’ensemble de l’organisation. Il insiste plutôt sur la nécessité de s’attaquer d’abord aux problèmes clés et difficiles, qui attirent l’attention et les ressources, favorisant ainsi la gestion du changement et le renforcement des capacités.

Il affirme qu’il faut d’abord résoudre les problèmes qui ont un impact direct sur la valeur de l’entreprise pour attirer l’attention de tous. À l’inverse, les cas d’usage simples, même réussis, risquent d’être traités comme des « expérimentations secondaires » et de ne pas générer de dynamique d’expansion. C’est ici que réside la raison pour laquelle, malgré de nombreux investissements en IA, les résultats restent flous.

Les solutions de McKinsey et l’évolution du leadership

McKinsey propose comme solution un « système de gestion et d’exploitation de l’IA ». Il s’agit d’intégrer l’IA dans le flux de travail au sein d’une structure connectée, du PDG aux opérationnels, permettant une prise de décision plus rapide. Padhi affirme qu’une entreprise ayant modélisé ses structures clés en forme de jumeau numérique peut réduire de plus de 70 % le cycle de lancement de nouveaux produits.

Il prévoit également que les critères de leadership évolueront considérablement. D’abord, la direction doit comprendre la technologie directement, sans la confier uniquement à l’extérieur ou aux départements opérationnels. Ensuite, la vitesse d’exécution et le jugement humain deviendront cruciaux. Si l’accès à l’information devient plus facile, la façon dont cette information est utilisée et les décisions qui en découlent dépendent finalement des compétences humaines telles que l’empathie, la bienveillance et le discernement.

Ces propos interviennent alors que Google Cloud accélère le déploiement de son infrastructure « agent-based ». Sur le marché, la compétition pour l’investissement dans l’IA s’intensifie, mais l’enjeu réel pourrait résider davantage dans la gestion organisationnelle et le leadership que dans la performance des modèles. En fin de compte, la véritable question de ce cycle technologique ne serait plus « l’IA a-t-elle été adoptée ? » mais « l’IA est-elle intégrée au système de gestion ? ».