Quand est-ce qu'on arrive ? Le point sur le tsunami de l'IA
Aujourd'hui, le principal goulot d'étranglement de l'IA n'est plus technologique, mais organisationnel. Il s'agit d'engager une vraie transformation business oriented et non tech oriented.
Cela fait plus de trois ans depuis notre premier billet (L’IA, une révolution d'envergure). Depuis, la technologie a progressé à une vitesse fulgurante. Et pourtant, le monde ressemble étrangement à ce qu'il était. Ce paradoxe apparent est, en fait, la clé pour comprendre la transformation de fond qui s'opère et les forces en présence.
Aujourd'hui, le principal goulot d'étranglement n'est plus technologique, mais organisationnel. La majorité des entreprises continuent de regarder l'IA comme un accélérateur d’efficacité, alors que la rupture porte sur l'organisation même du travail.
Autrement dit, le levier de création de valeur principal n'est pas l'innovation technologique, bien que cela aide évidemment, mais l'imagination stratégique. Plutôt que de demander à l'IA de moderniser l'organisation, il nous faut autoriser l'organisation à se repenser elle-même.
Trois réalités à regarder en face : la technologie a tenu ses promesses de laboratoire ; les capitaux ont suivi, massivement ; mais la transformation réelle des organisations - leurs processus, leurs modèles de décision, leur culture - accuse un retard qui s'est creusé plutôt que résorbé. C'est précisément ce fossé qui est le cœur du sujet aujourd’hui et plus encore demain.
Ce qui a changé - Presque tout ce qui peut être mesuré dans un laboratoire
Choisissez n'importe quel indicateur de référence sur la performance de l'IA et les gains sont vertigineux.
● Computer-use - La précision de l'utilisation d'un ordinateur par l'IA a pratiquement quintuplé en un an (de 12 % à 66 % sur OSWorld).
● Software engineering - Les modèles de pointe résolvent désormais de manière autonome plus de 87 % des problèmes réels de GitHub (SWE-bench Verified).
● Hallucination - Avec ancrage, les taux ont chuté de plus de 95 % par rapport à leur niveau de 2023.
Les capitaux aussi ont continué leur ascension vertigineuse :
● Les investissements américains dans l'IA représentent désormais environ 2% du PIB (sources Bridgewater associates, Goldman Sachs, TS Lombard), et tendent vers la projection de pic de 2,5 à 4%, prenant comme références les autres révolutions d’envergure (source Goldman Sachs 2023).
● Les capex 2026 des hyperscalers sont attendus à plus de 700 milliards de dollars, en hausse de plus de 60 % en glissement annuel (source: Nasdaq, Bloomberg, Factset).
À cet égard, devons-nous réviser notre jugement d'août 2024 sur l'absence de bulle ? Exubérance ? Plus que jamais. Bulle prête à exploser ? Toujours pas, mais des trous d’air sont à prévoir.
● Si l'on regarde où va l'argent (comme le fait The Economist), ce qui frappe est moins l'ampleur des moyens mis en jeu que la difficulté qu'a le reste de l'économie à les absorber. Alors que les hyperscalers (à commencer par Alphabet, Microsoft, Amazon, Meta, Oracle, ainsi que leurs homologues chinois) ont multiplié par 3 les CAPEX effectivement déployés entre 2024 et 2026, leurs fournisseurs n'ont pas suivi : les fabricants de semi-conducteurs ont “tout juste” doublé leurs investissements, et le reste des acteurs de la chaîne n'a ajouté que 5 à 50 % de capacité supplémentaire.
● Des corrections sont certainement à prévoir, mais la notion de bulle ne semble pas pertinente ici. Une analogie plus utile est que nous sommes à l'intérieur d'un système complexe en surchauffe. Les goulots d'étranglement se sont multipliés. Moins une bulle qu'un organisme en croissance chaotique - certaines parties étant au bord de l’asphyxie pendant que d'autres prolifèrent à toute vitesse.
Ainsi, tant du point de vue des capacités de l'IA que de l'appétit d'investissement, la quatrième vague se dessine juste là, à l'horizon - plus vaste et plus proche que ce que prévoyaient les optimistes que nous sommes.
Ce qui n'a pas changé - Presque tout ce qui compte dans la vraie vie
Les chiffres d'octobre 2025 du Pew Research Center montrent que 21 % des travailleurs américains utilisent l'IA au travail, dont 10 % quotidiennement. Gallup évalue l'utilisation quotidienne à 13 % au total et à 27 % pour les professions intellectuelles. Le centre de gravité n'a pas vraiment bougé depuis fin 2024. La plupart des employés n'utilisent toujours pas l'IA la plupart des jours, pour la plupart des tâches.
Le tableau du retour sur investissement (ROI) est plus brutal encore.
● Le MIT affirme que 95% des pilotes d'IA n'ont produit aucun impact financier mesurable
● IBM indique que seulement 25% des initiatives d'IA ont généré le ROI attendu par les dirigeants, conduisant à un taux de déploiement de 16% à l'échelle de l'entreprise
● Goldman Sachs enfonce le clou: au-delà des investissements massifs consentis par les “fabricants de pioches”, l'IA n’a pas ajouté grand chose à la croissance américaine en 2025.
Des centaines de milliards d'investissements. Trois ans de percées technologiques. Une contribution quasi nulle à la productivité mesurée.
Le fossé est considérable. Il s'est creusé au lieu de se réduire.
Cette lecture du ROI est nécessaire - mais presque toujours trompeuse et décevante : la valeur ne se crée pas tant dans l'ancien périmètre qu'elle mesure que dans un périmètre nouveau dont les délinéations restent souvent à découvrir. L'électricité n'a pas transformé les usines lorsqu'on s'est contenté de les câbler ; elle l'a fait lorsque l'on a repensé les chaînes, les flux et l'organisation du travail. La digitalisation a suivi le même chemin : on a d'abord scanné des archives, mis des catalogues en ligne et digitalisé des bons de commande - avec un ROI difficile à défendre. Ce n'est qu'en réinventant la relation client, la chaîne logistique ou le modèle de revenus que la valeur a explosé, souvent au détriment de ceux qui mesuraient encore avec les anciens outils. De même, l'IA ne produira probablement pas son plein effet économique si elle est mesurée uniquement à travers le prisme étroit de l'efficacité individuelle ou de la réduction d'effectifs.
La question n'est donc pas : combien de tâches l'IA automatise-t-elle ? Elle devient : quels processus de décision, de coordination et de création de valeur deviennent possibles lorsque l'intelligence devient plus abondante, plus instantanée et plus agentique ?
L'arrivée des agents rend en effet ce point encore plus sensible. Un agent capable de raisonner sur plusieurs tâches, d'utiliser des outils, de mobiliser une mémoire, de coordonner d'autres systèmes et d'exécuter des workflows spécialisés questionne les frontières mêmes de l'organisation, la taille des équipes, le rôle des managers et la manière dont l'expertise est distribuée.
En attente d’un déclic ?
La quatrième vague est sur le point de basculer - mais elle ne déferle pas encore. Nous sommes probablement dans un endroit plus étrange : une plage où la vague se dresse derrière l'horizon, presque prête à déferler, tandis que la plupart d'entre nous discutons encore de l'endroit où poser nos serviettes.
De nombreux spécialistes respectés nous prédisent l’arrivée prochaine de la singularité - ce moment où les modèles commenceront à s'améliorer eux-mêmes et où la courbe de progrès deviendra verticale.
Cette tendance à voir la technologie comme le messie est bien humaine... Nous pensons qu’il s’agit d’une chimère.
● L'auto-amélioration n'échappera pas aux goulots d'étranglement ; elle en héritera.
● Des modèles plus intelligents auront toujours besoin de plus d'électrons, d'usines, de mémoire, de permis, et surtout de clients solvables prêts à leur confier du travail.
● Confiance et Autonomie : "Agentique" et "De Confiance" ne sont pas des seuils au-delà desquels le tsunami arrive. Ce sont des axes de progression continue. Et si “la confiance se gagne en gouttes et se perd en litres”, il en est de même pour les progrès des agents et autres systèmes autonomes, comme les drames qui ont jonché les progrès de voiture sans chauffeur nous l'ontt démontré.
Mais le risque n'est pas seulement de surestimer la technologie ; il est aussi de sous-estimer l'inertie des modèles opérationnels existants : chaînes de validation hiérarchiques, silos fonctionnels, budgets défensifs, définitions trop étroites des rôles et culture du contrôle plutôt que du redesign.
La rareté s’est déplacée : moins vers l'accès à l'information et l’insight, davantage vers le jugement, le cadrage, la confiance institutionnelle et le courage de redessiner l'organisation autour de nouvelles formes de coopération entre humains et machines.
Ce courage, les chiffres montrent qu'il fait encore largement défaut. Si 78 % des entreprises déclarent utiliser l'IA dans au moins une fonction (McKinsey, 2024), cette adoption reste concentrée sur quelques cas d'usage isolés - génération de contenu, assistance au code, résumé de documents. En Europe, une étude Eurofound (2024) révèle que seuls 8 % des salariés utilisent l'IA de manière intensive dans leur travail quotidien. L'IA est dans les budgets, dans les comités de direction, dans les feuilles de route - mais elle peine encore à franchir la porte des métiers.
Arrêter de déployer, commencer à transformer
Il faut cesser de traiter l'IA comme un simple complément de productivité à coller sur l'existant. La bonne posture n'est ni d'attendre la vague ni de courir vers les collines. C'est de construire dès maintenant les capacités qui porteront leurs fruits, que la quatrième vague déferle l'année prochaine ou dans dix ans.
Chaque transformation est unique, et chaque organisation doit la mener à son rythme, avec ambition et lucidité. Mais les transformations qui réussissent partagent une architecture commune, qu’on peut articuler en trois actes.
Acte 1 - Maîtriser les bases
L'IA n'échappe pas aux lois de la transformation. Avant les algorithmes, il y a les humains, les processus et le leadership. La première erreur des programmes IA qui échouent est d’oublier ces fondamentaux.
- Embarquer les métiers, pas seulement les équipes tech
L'adoption échoue quand elle part d'en haut ou d'un laboratoire d'innovation isolé - non par manque de volonté, mais parce que les cas d'usage construits sans les métiers résolvent rarement les bons problèmes. Elle réussit quand les équipes de terrain co-construisent sur leurs irritants réels : le processus qui coûte deux heures par jour, la décision répétitive que tout manager prend seul faute d'outil. Ce niveau de granularité suppose une présence dans les flux de travail réels et un sponsor métier qui légitime la démarche - pas un atelier de design thinking d'une journée. Fédérer sans imposer, embarquer à tous les niveaux : c'est une compétence de leadership, pas une question d'outillage.
- Nommer le bon pilote : un profil hybride, pas un data scientist
Vous n'avez pas confié la transformation digitale à un développeur PHP. Ne confiez pas le pilotage de la transformation IA à un data scientist. Ce qu'il faut à la tête du programme, ce n'est pas un expert des modèles - c'est un profil hybride capable de relier l'IA aux priorités business, de fédérer sans imposer, et de rendre compte de la valeur créée au Comex. Google via son CEO Eric Schmidt l'avait théorisé en 2014 avec le concept de smart creative : ce profil atypique, à la fois analytique, créatif et orienté impact, qui refuse de choisir entre la profondeur technique et la vision stratégique. Visionnaire sur les usages, rigoureux sur l'exécution, crédible aussi bien auprès des équipes métier qu'auprès des data scientists et architectes IA : ce profil rare existe. Encore faut-il savoir le reconnaître - et lui donner un vrai mandat.
- Piloter la transformation, pas l'adoption
Le mot "adoption" est révélateur d'une ambition trop timide. On n'adopte pas une révolution - on se transforme, ou on se laisse dépasser. Les organisations qui gagneront ne sont pas celles qui auront convaincu leurs collaborateurs d'utiliser de nouveaux outils : ce sont celles qui auront accepté de repenser en profondeur leurs métiers, leurs processus et leurs modèles de décision. La vraie question n'est pas comment faire entrer l'IA dans l'organisation existante, mais quelle organisation construire pour en tirer tout le potentiel.
Maîtriser ces fondamentaux est nécessaire. Mais ce n'est pas suffisant - et surtout, ce n'est pas ce qui différenciera les gagnants.
Acte 2 - Reconfigurer en profondeur
L'électricité n'a pas transformé les usines quand on s'est contenté de les câbler ; elle l'a fait quand on a repensé les chaînes, les flux et l'organisation du travail (en savoir plus). La digitalisation a suivi le même chemin : une décennie à numériser l'existant - CRM, ERP, dématérialisation - avec des gains décevants, jusqu'à ce que de nouvelles organisations natives du numérique inventent des modèles que l'ancien prisme comptable ne savait pas anticiper. L'IA n'échappera pas à cette loi.
- Réimaginer les workflows, pas leur fournir des outils
L'IA greffée sur une organisation dysfonctionnelle produit une organisation dysfonctionnelle plus rapide. La vraie question n'est pas "quel outil pour quelle tâche ?" mais "si nous reconstruisions ce processus aujourd'hui, à quoi ressemblerait-il ?" - en acceptant que la réponse soit parfois radicalement différente de l'existant. Ce n'est pas un travail technologique - c'est un travail de direction. Cartographier les flux critiques, nommer les vrais goulots, questionner les responsabilités et les mécanismes de décision : autant de chantiers que l'enthousiasme pour les outils tend à court-circuiter. L'outil vient en dernier. Toujours.
- Mesurer la valeur, pas l'activité
Le nombre de projets lancés, de modèles déployés ou d'heures de formation dispensées n'est pas un indicateur de transformation - c'est un indicateur d'activité. Le paradoxe de Solow guette : lors de la vague de digitalisation, beaucoup d'entreprises ont mesuré le succès au nombre d'applications déployées, avant de constater que la productivité globale ne suivait pas. L'IA n'y échappe pas. Les gains réels émergent lorsque les organisations ont suffisamment reconfiguré leurs flux, leurs compétences et leurs modèles de décision pour que la technologie opère à pleine puissance. Ce qui ne se mesure pas ne se pilote pas - et ce qui se mesure trop tôt se pilote à contresens.
- S'autoriser à imaginer l'organisation d'après
La transformation la plus difficile n'est pas technique - elle est cognitive. Elle exige de s'autoriser une question que peu de comités de direction posent vraiment : à quoi ressemblerait notre organisation si nous la construisions aujourd'hui, from scratch, dans un monde où l'intelligence est abondante et peut être achetée à l'unité ? Non pas comment améliorer ce qui existe, mais ce qui deviendrait possible que nous ne pouvons pas encore faire. Les entreprises gagnantes ne seront pas celles qui auront le mieux déployé l'IA - ce seront celles qui auront eu le courage de répondre honnêtement à cette question.
La valeur n'est jamais dans l'outil - elle est dans la profondeur de la reconfiguration qu'il rend possible.
Acte 3 - Créer une organisation apprenante
C'est ici que les analogies s'arrêtent. Ni l'électricité ni le digital ne nous ont préparé à ce qui vient - et c'est précisément ce qui rend cet acte à la fois le plus décisif et le plus sous-estimé.
- Gérer l'abondance de l'intelligence
Quand la capacité cognitive cesse d'être le goulot d'étranglement, ce sont les questions, les priorités et le jugement qui deviennent rares. Le nouveau capital, ce n'est plus la puissance de calcul - c'est la clarté stratégique. Savoir quoi demander, à qui déléguer, comment évaluer : des compétences que ni les écoles de management ni les formations digitales n'ont vraiment préparées. L'IA comme plateforme - et non comme projet - exige cette rupture de posture : passer de la logique de livraison à la logique d'opération continue. Un système IA sans boucle de retour est un système qui se dégrade en silence.
- Encadrer la relation humain-agent
Des systèmes capables de raisonner sur plusieurs tâches, d'utiliser des outils, de mobiliser une mémoire et de coordonner d'autres systèmes ne changent pas seulement la couche logicielle : ils questionnent les frontières mêmes de l'organisation, la taille des équipes, le rôle des managers et la manière dont l'expertise est distribuée. Cette cohabitation ne s'improvise pas - elle se gouverne. La confiance envers les agents se construit comme toute confiance : en gouttes, sur des preuves, avec des garde-fous explicites. Et elle se perd en litres.
- Gouverner avec éthique et responsabilité dès le premier jour
La confiance se gagne au quotidien, pas uniquement après un incident. Les biais algorithmiques, l'empreinte carbone des modèles, la consommation en eau des datacenters : autant de dimensions que les bilans RSE commencent à peine à intégrer, et que les organisations responsables doivent piloter dès maintenant - non comme une contrainte réglementaire, mais comme un avantage compétitif durable.
Ce territoire est nouveau. Les cartes sont incomplètes. Les organisations qui gagneront ne seront pas celles qui auront attendu que le chemin soit balisé - ce seront celles qui auront commencé à le tracer, avec rigueur, avec humilité, et avec la conviction que construire la confiance est le seul raccourci qui vaille.
Conclusion - De la phase 1 à la phase 2 : ne pas répéter l'erreur du digital
La transformation digitale nous a offert une leçon en deux temps. La phase 1 a consisté à digitaliser l'existant : scanner les archives, mettre les catalogues en ligne, dématérialiser les bons de commande. Utile, nécessaire - mais fondamentalement conservateur. La valeur n'a pas explosé à ce stade. Elle a explosé en phase 2, quand des acteurs ont osé la rupture : réinventer la relation client, le modèle de revenus, la chaîne de valeur entière. Facebook n'a pas digitalisé le carnet d'adresses. Airbnb n'a pas digitalisé l'hôtel. Uber n'a pas digitalisé le taxi. Ils ont réinventé ce que le service pouvait être compte tenu des technologies disponibles.
Nous sommes aujourd'hui en phase 1 de la transformation IA. Les entreprises "AI-gifient" leurs processus : un résumé automatique ici, un assistant RH là, un chatbot sur le site. C'est utile, sans doute. C'est insuffisant, certainement. La phase 2 commence avec l'IA agentique - des systèmes capables de raisonner, d'agir, de coordonner et d'apprendre en autonomie partielle. Elle ne produira pas de meilleurs processus existants. Elle rendra certains processus obsolètes, et en inventera de nouveaux que nous ne savons pas encore nommer.
La question pour les dirigeants n'est donc pas : comment accélérer notre phase 1 ? Elle est : sommes-nous en train de préparer notre phase 2 - ou allons-nous la subir, comme ceux qui avaient investi massivement dans la numérisation de leurs agences au moment où d'autres inventaient la banque en ligne ?
La vague ne prévient pas. Mais elle se prépare.
----------------
Antoine Carrière est le fondateur de TalimAI. Il est basé dans la Silicon Valley depuis près de 20 ans. Avant TalimAI, il dirigeait la stratégie d’Android et du Google Play Store, après avoir coordonné les opérations de Google dans les objets connectés (du Chromecast au Pixel). Il est convaincu que l'IA est un enjeu plus important que l'Internet et qu'elle transformera profondément la société. Il œuvre à ce que cette transformation s'opère harmonieusement sur les 50 prochaines années, pour servir de solution à une population vieillissante et à une planète à bout de souffle.
Olivier Laborde est Directeur de l’Innovation et de la Transformation Digitale (IA) dans le secteur bancaire et assurantiel, pionnier primé de la transformation digitale. Il a piloté des transformations autour de l’expérience client et mène aujourd’hui celle de l’IA, tout en renforçant les liens entre grandes entreprises, startups et fonds d’investissement. Il croit au pouvoir transformant majeur de l’IA pour façonner l’économie de demain. Auteur d’Innover ou disparaître (Livre Digital de l’Année 2017) et de Social Commerce, il décrypte comment les entreprises s’organisent pour innover et tirer parti des plateformes numériques (réseaux sociaux, jeux vidéo, métavers) pour dynamiser leurs ventes. Chroniqueur pour HBR France et Forbes France, il accompagne aussi des startups innovantes, notamment dans la réalité virtuelle et la fintech. Passionné par les technologies émergentes, il participe aux grands événements mondiaux (CES, VivaTech, Web Summit) pour repérer les innovations qui redéfinissent notre futur.