Des dizaines de milliards de dollars sont investis dans l’IA générative, mais seulement 5 % des projets pilotes parviendraient à générer une valeur mesurable et durable en entreprise. Le constat vient d’un rapport du Massachusetts Institute of Technology (MIT), publié par son initiative de recherche Project NANDA sous le nom « The GenAI Divide: State of AI in Business 2025 ». Le document met en avant un écart massif entre l’adoption rapide d’outils comme ChatGPT ou Copilot par les salariés et la difficulté des entreprises à transformer ces usages en gains financiers réels.
Le MIT décrit un échec massif des projets d’IA en entreprise
Le rapport du Massachusetts Institute of Technology, plus connu sous le sigle MIT, dresse un bilan sévère de l’IA générative dans les entreprises.
Son analyse, baptisée « The GenAI Divide: State of AI in Business 2025 », pointe une fracture nette entre les promesses affichées et les résultats obtenus. Malgré des investissements très élevés, la majorité des initiatives ne dépasse pas le stade de l’expérimentation.
Le chiffre le plus frappant est celui-ci : 95 % des projets pilotes d’IA générative ne produiraient pas de valeur mesurable et durable. Seuls 5 % réussiraient à améliorer réellement les performances ou les résultats financiers des organisations.
Le MIT ne parle donc pas d’un simple retard d’adoption. Il met en avant un problème plus profond : beaucoup d’outils séduisent lors des tests, mais échouent dès qu’il faut les intégrer aux tâches critiques du quotidien.
ChatGPT et Copilot sont partout, mais rarement au cœur des opérations
Les salariés ont adopté l’IA générative plus vite que les entreprises elles-mêmes.
Des outils comme ChatGPT ou Microsoft Copilot sont déjà utilisés pour rédiger, résumer, organiser des idées, automatiser des tâches simples ou accélérer certaines recherches. À l’échelle individuelle, les gains sont visibles et rapides.
Le blocage apparaît quand l’entreprise tente de passer à une adoption structurée.
Brancher l’IA sur des processus métiers, des logiciels internes, des règles de conformité ou des flux de travail complexes reste beaucoup plus difficile. C’est précisément ce décalage que le MIT appelle le « GenAI Divide ».
Le vrai problème : des IA qui ne mémorisent pas assez et s’adaptent mal
Le rapport du MIT insiste sur une limite technique et opérationnelle majeure : beaucoup de solutions d’IA utilisées en entreprise manquent de mémoire, d’adaptabilité et de capacité d’apprentissage.
Elles ne conservent pas toujours le contexte. Elles ne progressent pas forcément avec l’usage. Elles obligent souvent les employés à répéter les mêmes informations.
Pour des tâches simples, cette limite peut rester acceptable. Pour des décisions sensibles, des opérations financières, des dossiers RH ou des processus métiers à risque, elle devient un frein majeur.
Les employés finissent alors par revenir vers des solutions humaines, jugées plus fiables pour les cas complexes. L’IA reste utile, mais elle ne devient pas encore un socle stable pour transformer l’entreprise.
La « shadow AI » progresse plus vite que les outils officiels
Le MIT relève aussi un phénomène devenu central : la montée de la « shadow AI ».
Derrière cette expression, on retrouve tous les usages de l’IA faits par les salariés en dehors des outils officiellement validés par l’entreprise. Le contraste est fort : seulement 40 % des entreprises auraient acheté des licences officielles, alors que plus de 90 % des travailleurs utiliseraient déjà des outils personnels d’IA pour automatiser une partie de leurs tâches.
Cette adoption parallèle montre que les salariés trouvent eux-mêmes des gains rapides.
Mais elle pose aussi un problème de contrôle. Ces usages se développent souvent sans supervision de la direction informatique, sans cadre commun et parfois sans validation claire sur les données utilisées.
Les budgets partent surtout vers le marketing, alors que les gains sont ailleurs
La moitié des investissements en IA serait dirigée vers les ventes et le marketing.
Ce choix s’explique facilement : les résultats y sont visibles, rapides à présenter et plus simples à mesurer. Génération de contenus, aide commerciale, ciblage, qualification de prospects ou automatisation de campagnes offrent des bénéfices faciles à mettre en avant.
Le MIT souligne pourtant que les gains les plus durables se trouvent souvent dans des fonctions internes.
Les domaines comme la finance, les ressources humaines ou l’administration peuvent profiter davantage de l’automatisation, car ils reposent sur de nombreux processus répétitifs, structurés et coûteux. Dans ces métiers, l’IA peut réduire les charges opérationnelles de façon plus solide.
L’IA réduit surtout les embauches dans certaines tâches
Le rapport ne décrit pas une vague massive de licenciements provoquée par l’IA générative.
L’effet observé concerne plutôt les recrutements. Les entreprises auraient tendance à moins embaucher pour certaines fonctions lorsque l’automatisation permet d’absorber une partie du travail.
Les tâches les plus exposées sont les opérations externalisées, le support client et les processus administratifs standardisés.
Dans des secteurs comme la santé, l’énergie ou la technologie, le MIT évoque plutôt une transformation progressive. L’impact pourrait être profond, mais il ne prend pas la forme d’un basculement brutal à très court terme.
Les agents autonomes pourraient créer un nouvel avantage d’ici 2027
Le MIT anticipe l’arrivée d’une nouvelle infrastructure numérique appelée « Agentic Web ».
Cette approche repose sur des agents autonomes capables de mémoriser, d’apprendre et de collaborer. L’objectif est de dépasser les limites actuelles des outils qui exécutent des tâches isolées sans suivre correctement le contexte métier dans la durée.
Les entreprises capables d’adopter ces solutions avant 2027 pourraient prendre une avance difficile à rattraper.
Tout dépendra de leur capacité à intégrer ces agents dans leurs processus réels, avec des outils capables d’évoluer avec les besoins de l’organisation. Le message du MIT est clair : l’IA générative ne manque pas de potentiel, mais les entreprises doivent sortir des simples pilotes pour obtenir des résultats solides.
Je m’appelle Samuel Le Goff. À 38 ans, je suis l’actualité du numérique depuis plus de 14 ans. Aujourd’hui, je m’intéresse particulièrement aux smartphones et aux usages concrets de l’intelligence artificielle, que je traite à travers des contenus clairs et accessibles sur Menow.fr.
