En quelques années seulement, l'IA est devenue le mot le plus galvaudé du marketing d'entreprise. Tout le monde vend la « transformation IA », tout le monde promet des révolutions. Pendant ce temps, dans les entreprises réelles, le tableau de 2026 est bien plus sobre : les études les plus citées de l'année écoulée montrent que la grande majorité des projets d'IA générative ne produisent jamais de valeur mesurable. L'écart entre la démo brillante et le résultat en production est devenu le thème central.
Un rapport du MIT NANDA de juillet 2025 (« The GenAI Divide: State of AI in Business 2025 ») a constaté que, malgré 30 à 40 milliards de dollars investis, environ 95% des organisations étudiées n'obtiennent aucun retour de l'IA générative : seuls 5% des pilotes intégrés produisent une valeur mesurable, le reste restant sans impact sur le compte de résultat. La conclusion des chercheurs n'est pas que les modèles sont faibles, mais que l'approche fait la différence : les entreprises ne parviennent pas à intégrer les outils dans leurs flux de travail réels.
Pour les PME de Roumanie, l'enjeu est double. D'un côté, l'écart est grand : selon Eurostat, en 2025 seules environ 4% des petites entreprises roumaines (10 à 49 salariés) utilisaient au moins une technologie d'IA, contre 17% en moyenne dans l'UE, et sur l'ensemble des entreprises d'au moins 10 salariés la Roumanie a le taux le plus bas de l'UE (5,2%, contre 20%). De l'autre, cet écart même est une opportunité : les entreprises qui mettent correctement en œuvre quelques automatisations bien choisies peuvent prendre une avance concrète sur des concurrents qui « testent » encore.
Pourquoi la plupart des projets IA échouent
Ils partent de la technologie, pas d'un problème
La cause d'échec la plus fréquente n'est pas technique mais stratégique : le projet est approuvé parce qu'« il faut qu'on fasse quelque chose avec l'IA nous aussi », non parce qu'il résout un problème métier bien défini. Le résultat est une démo impressionnante qui ne se connecte à aucun processus réel et meurt après l'enthousiasme initial. Les entreprises qui réussissent font exactement l'inverse : elles choisissent un seul point de douleur, le résolvent bien, puis étendent.
Des données de mauvaise qualité
Un modèle IA ne vaut que les données qu'il reçoit. Dans beaucoup de PME, les données sont éparpillées dans Excel, l'e-mail et des systèmes legacy, sans source unique de vérité. Sans une hygiène minimale des données, tout projet démarre avec un handicap.
Pas de KPI, pas de pilote — passage à l'échelle « sur la confiance »
Le troisième schéma d'échec : le projet est mis à l'échelle avant d'être validé. Sans KPI clairs (combien d'heures économisées, quelle précision atteinte, quelle satisfaction utilisateur) impossible de dire s'il fonctionne — seulement des impressions. Gartner prévoit que plus de 40% des projets d'IA « agentique » seront annulés d'ici fin 2027, en raison de coûts croissants, d'une valeur métier floue ou de contrôles des risques insuffisants. Les trois se voient tôt si le projet démarre avec des objectifs mesurables.
Où est le vrai ROI (et où il n'est pas)
Une découverte contre-intuitive du rapport du MIT : environ la moitié des budgets d'IA générative va aux ventes et au marketing, alors que les automatisations de back-office, les « ennuyeuses », offrent souvent un meilleur retour. Les processus à fort volume et à étapes répétitives sont le candidat idéal :
- Traitement des documents : factures, contrats, formulaires, reçus — extraction et validation automatiques au lieu de la saisie manuelle.
- Support client : un assistant qui répond aux questions répétitives depuis votre base de connaissances et n'escalade que les vrais cas.
- Reporting et conformité : agrégation des données de plusieurs systèmes en un rapport mensuel, sans travail manuel.
- Qualification des leads : tri et enrichissement des demandes avant qu'elles n'atteignent un humain.
C'est en général ici que le gain apparaît. Pour une automatisation de back-office, nous calculons le retour sur investissement avant le pilote, sur les données de votre entreprise : combien d'heures le processus prend aujourd'hui, combien coûte l'automatisation et en combien de temps elle se rembourse. Nous ne promettons pas de chiffre à l'avance, nous le mesurons. Ce n'est pas de la magie : c'est du volume répétitif retiré des mains des personnes, qui restent libres pour le travail qui exige vraiment du jugement.
Ce qui a changé légalement : l'EU AI Act dès août 2026
À partir du 2 août 2026, les obligations de transparence du règlement européen sur l'intelligence artificielle (AI Act) deviennent applicables. En bref, pour la plupart des PME cela signifie deux choses concrètes : vous devez informer clairement les utilisateurs lorsqu'ils interagissent avec un système IA (par exemple un chatbot) et vous devez marquer le contenu généré ou modifié artificiellement. Les obligations pour les fournisseurs de modèles « à usage général » (GPAI) s'appliquent déjà depuis août 2025.
La bonne nouvelle : pour les cas d'usage typiques d'une PME (automatisations internes, chatbots de support, traitement de documents), les exigences sont gérables si vous les intégrez dès la conception — politiques d'utilisation, prévention des fuites de données, journalisation (audit logging) et une notification correcte aux utilisateurs. Le vrai coût n'apparaît que lorsque la conformité est ajoutée à la fin, comme un pansement.
Comment nous abordons un projet IA qui produit vraiment
Notre philosophie d'agence IA est simple : l'IA n'est pas une technologie, c'est un outil — et tout outil se justifie par les résultats, pas par sa nouveauté. C'est pourquoi nous ne construisons jamais « sur la confiance » :
- 1Discovery : un court atelier avec votre équipe d'où sort une liste de 3-5 candidats d'automatisation, priorisés par ratio effort/impact. Nous quantifions : combien d'heures sont dépensées aujourd'hui et quel % peut être automatisé de façon réaliste.
- 2Un pilote sur le cas au meilleur ROI, limité dans le temps et à un seul processus, avec des stacks éprouvés et portables — sans vous enfermer chez un seul fournisseur.
- 3Validation : le pilote tourne en parallèle du processus manuel pendant 2-4 semaines. Nous mesurons les temps, la précision, la satisfaction. La décision de passer à l'échelle est GO/NO-GO, basée sur des métriques, pas sur l'enthousiasme.
- 4Passage à l'échelle et exploitation seulement après que le pilote a prouvé sa valeur : déploiement sur d'autres cas, intégrations étendues, surveillance en production et conformité AI Act by design.
L'IA qui reste en production n'est pas la plus spectaculaire — c'est celle qui résout un seul problème bien défini et le mesure en heures économisées.
Conclusion
Le paysage de 2026 est paradoxal : l'IA n'a jamais été aussi capable, et pourtant la plupart des projets échouent — non à cause de la technologie, mais à cause de la manière dont on l'aborde. Pour une PME, la recette qui fonctionne n'a rien de spectaculaire : choisir un vrai problème, nettoyer les données, piloter sur des métriques, ne mettre à l'échelle que ce qui a fait ses preuves et intégrer la conformité dès le départ. Si vous voulez identifier les 3 processus au meilleur ROI de votre entreprise, discutons 30 minutes — vous repartez avec une liste concrète, pas avec une démo.
Sources
- MIT NANDA — The GenAI Divide: State of AI in Business 2025, juillet 2025, copie publique du rapport ; 95 % des organisations sans retour, 5 % des pilotes intégrés avec une valeur mesurable, environ 50 % des budgets aux ventes et au marketing
- Eurostat — 20% of EU enterprises use AI technologies, 11 décembre 2025, UE 20,0 %, Roumanie 5,2 % (entreprises d'au moins 10 salariés, 2025)
- Eurostat — Artificial intelligence by size class of enterprise (isoc_eb_ai), 2025, entreprises de 10 à 49 salariés : Roumanie 4,1 %, UE 17,0 %
- Gartner — Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027, 25 juin 2025
- Règlement (UE) 2024/1689 sur l'intelligence artificielle (AI Act), Journal officiel de l'UE, 12 juillet 2024, art. 50 (transparence) et art. 113 (dates d'application : 2 août 2025 pour les modèles à usage général, 2 août 2026 pour le reste)