Selon une étude du MIT (Massachusetts Institute of Technology), 95 % des initiatives de déploiement de l’IA générative en entreprise n’atteignent pas leurs objectifs. La difficulté ne vient pas tant des modèles eux-mêmes que de choix organisationnels inadaptés.
Malgré les milliards investis dans le secteur, lancer un projet en GenAI est loin de garantir le succès. Les chercheurs du MIT — après 150 entretiens avec des dirigeants, une enquête auprès de 350 employés et l’analyse de 300 déploiements publics — constatent que seuls 5 % des programmes pilotes parviennent à franchir la phase de test et à générer une croissance rapide des revenus. Les autres stagnent, avec peu ou pas d’impact mesurable, voire sont purement abandonnés.
Des intégrations défaillantes et un mauvais ciblage des ressources
Le problème n’est pas la performance des modèles, mais leur intégration défectueuse dans les processus des entreprises. Les outils peinent à s’adapter aux flux de travail et à apprendre des usages pour s’améliorer.
L’étude montre que les projets réussissent dans 67 % des cas lorsqu’ils reposent sur l’acquisition d’outils spécialisés et des partenariats avec des startups ou des éditeurs d’IA. En revanche, les projets développés en interne ne réussissent qu’une fois sur trois.
Autre facteur d’échec : une mauvaise allocation des budgets. Plus de 50 % des investissements en IA générative sont consacrés aux outils de vente et de marketing, alors que les meilleurs retours sur investissement sont observés dans l’automatisation des fonctions support : réduction de l’externalisation, baisse des coûts d’agence et optimisation des opérations interne
