Au milieu de tout le battage médiatique autour de l’IA, un sujet clé est absent du débat : le fossé de la transformation par l’IA.
À l’heure actuelle, les entreprises de toutes tailles connaissent bien le potentiel de l’IA de révolutionner leur efficacité, leur productivité et leur chiffre d’affaires. Plus des trois quarts des personnes interrogées dans le cadre de la dernière enquête internationale de McKinsey sur l’IA affirment que leur entreprise utilise ces outils dans au moins une fonction métier.
Pourtant, peu de projets tiennent réellement les promesses de l’IA : seulement 5 %, pour être exact, selon une récente étude du MIT intitulée « State of AI in Business 2025 ». 95 % des projets pilotes d’IA générative échouent, alors qu’il s’agit là des applications les plus faciles à mettre en œuvre.
L’IA agentique, définie comme les applications d’IA qui effectuent des tâches de manière autonome, peut être bien plus transformatrice que l’IA générative, mais elle est également plus complexe. À tel point que Gartner® prédit que « d’ici 2027, plus de 40 % des projets d’IA agentique seront annulés en raison de la hausse des coûts, d’une valeur métier incertaine ou de contrôles des risques inadéquats ». (Gartner, « Technologies émergentes : éviter l’échec de l’IA agentique : réussir en utilisant les bons cas d’utilisation », 15 mai 2025).
Les entreprises doivent-elles jeter l’éponge et accepter que la transformation par l’IA est trop complexe pour être mise en œuvre efficacement ?
Bien sûr que non. Les données de McKinsey & Company suggèrent que les entreprises dotées de capacités numériques et d’IA de premier plan surpassent les retardataires de deux à six fois en termes de rendement total pour les actionnaires.
Ce retour sur investissement est trop intéressant pour être ignoré. Mais pour obtenir ces résultats, c’est-à-dire combler le fossé entre les promesses de l’IA et sa valeur réelle, les entreprises doivent comprendre où leurs initiatives en matière d’IA échouent.
C’est là qu’il y a une bonne nouvelle : la transformation peut être complexe, mais il existe des mesures simples que vous pouvez prendre dès aujourd’hui pour préparer votre entreprise à l’IA agentique.
Qu’est-ce que la transformation par l’IA ?
La transformation par l’IA est un processus global et stratégique dans lequel une entreprise intègre l’intelligence artificielle (IA) dans tous les aspects de ses activités, produits et services. La plupart des entreprises prévoient d’utiliser l’IA pour automatiser des tâches, accélérer la prise de décision, améliorer l’expérience client et créer des produits ou des services.
La transformation par l’IA va au-delà de la simple adoption de quelques outils : elle représente un changement fondamental dans la stratégie métier, les processus opérationnels et la culture organisationnelle, et c’est précisément pour cette raison qu’elle est si difficile. Pour adapter et modifier certains aspects de l’entreprise, il faut bien les comprendre, mais la plupart des entreprises ne le font pas.
Voyons cela de plus près.
Quels sont les plus grands défis de la transformation par l’IA ?
Les plus grands défis de la transformation par l’IA se situent au niveau de l’intégration de ces outils dans les flux de travail quotidiens des personnes qui doivent l’utiliser.
Pour mieux comprendre, nous pouvons nous tourner vers une analogie de la logistique : le problème du dernier kilomètre.
Le problème du dernier kilomètre fait référence aux difficultés et aux coûts disproportionnés liés à la dernière étape d’une livraison, c’est-à-dire la mise à disposition du produit entre les mains de l’utilisateur. Par exemple, dans le domaine des biens de consommation, peu importe l’efficacité du processus de distribution ou d’emballage en entrepôt si le client ne reçoit jamais son colis (ou le reçoit en retard ou endommagé).
Dans la transformation par l’IA, la dernière étape est cruciale, mais souvent négligée : il s’agit d’intégrer ces outils dans les flux de travail concrets. De nombreuses entreprises développent des modèles d’IA puissants ou forment des algorithmes sur des jeux de données gigantesques, mais elles peinent à faire le lien entre ces modèles et les personnes qui les utilisent. La puissance de l’IA n’a tout simplement aucune importance si elle n’est pas intégrée efficacement dans les activités métier.
Ce qui nous amène au point suivant : vous ne pouvez pas intégrer efficacement l’IA dans vos activités si celles-ci ne sont pas clairement documentées.
Les agents d’IA sont destinés à interagir avec divers systèmes et processus métier, et ils ont besoin d’un contexte important pour fonctionner efficacement. Forrester explique : « les agents d’IA ont besoin d’instructions étape par étape sur la façon d’exécuter les tâches. Pour la plupart des entreprises d’aujourd’hui, ce savoir-faire se trouve dans des flux de travail fragmentés, des données non documentées et des processus non officiels. (Blog Forrester, « L’autonomie est l’avenir, mais les agents d’IA apportent de la valeur dès aujourd’hui », juillet 2025).
L’enquête la plus récente de Lucid confirme le manque de documentation métier :
- 49 % des travailleurs du savoir déclarent que les processus opérationnels actuels de leur entreprise sont peu ou pas bien documentés.
- 60 % déclarent que la moitié ou plus des flux de travail de leur équipe reposent sur des connaissances informelles ou dépendantes d’une personne en particulier.
- 80 % s’appuient sur des connaissances tribales ou institutionnelles pour effectuer leur travail.
Conclusion : l’adoption de l’IA, en particulier de l’IA agentique, n’atteindra jamais son plein potentiel tant que les processus, les flux de travail, les architectures, les flux de données et les pratiques de collaboration actuels des entreprises ne seront pas compris et documentés.
Comment mener la transformation par l’IA jusqu’au bout
Nous savons que le principal obstacle à l’adoption de l’IA agentique est le manque de documentation. La première étape pour franchir le dernier cap semble donc simple : créer de la documentation.
Il est utile d’envisager la dernière étape de la transformation de l’IA en trois phases : préparation, stratégie et exécution. Chacune nécessite une documentation différente pour intégrer efficacement l’IA dans les flux de travail.
