IA en entreprise : 61% des dirigeants la jugent majeure mais aucune gouvernance

IA en entreprise : 61% des dirigeants la jugent majeure mais aucune gouvernance

Temps de lecture : 4 min

Points clés à retenir

  • Retard de gouvernance : 75% des entreprises n’ont ni responsable IA ni Chief Data Officer, et 51% n’ont défini aucune « ligne rouge » éthique. L’écart entre la prise de conscience stratégique et la mise en place des garde-fous est abyssal.
  • ROI difficile à prouver : Seuls 10% des organisations disposent d’un tableau de bord dédié pour mesurer l’impact de leurs projets IA. La majorité des investissements reste prudente faute de bénéfices tangibles identifiés.
  • Obstacles humains et data : Les freins ne sont plus technologiques mais concernent le manque de talents (42%), la qualité des données (40%) et le temps managérial (38%). Le passage à l’échelle bute sur les compétences et la gouvernance.

Le constat est frappant. Deux ans après l’explosion de l’IA générative, les dirigeants français ont largement intégré l’idée que l’IA va transformer leur activité. Mais entre la prise de conscience et le passage à l’échelle, l’écart reste immense. Selon une enquête réalisée par Kéa et OpinionWay auprès de 802 dirigeants, une majorité d’entreprises n’a toujours pas structuré sa gouvernance IA, mesure rarement les bénéfices obtenus et peine à dépasser le stade des expérimentations.

Le paradoxe de la prise de conscience

Soyons clairs : 61 % des dirigeants considèrent désormais l’IA comme un enjeu majeur de transformation. Dans les grandes entreprises de plus de 250 salariés, ce chiffre grimpe à 93 %. Pourtant, seulement 28 % estiment que cela impose de revoir l’organisation dans son ensemble. En pratique, l’IA reste encore perçue comme un outil d’optimisation des processus existants plutôt qu’un moteur de rupture organisationnelle.

Les grandes entreprises font toutefois figure d’exception. Elles semblent avoir pris une longueur d’avance : 66 % de leurs dirigeants jugent nécessaire une refonte globale de l’organisation pour en tirer pleinement parti. Ce qui fait vraiment la différence, c’est la perception du modèle économique : une majorité des grands groupes considère que l’IA le remet en cause, quand la moyenne des dirigeants y voit encore surtout un moyen d’améliorer l’existant.

Expérimentations nombreuses, industrialisation quasi absente

Cette différence de maturité se retrouve directement dans les déploiements. Les entreprises multiplient les tests, mais rares sont celles qui ont réussi à industrialiser leurs usages. Seules 16 % des organisations déclarent disposer de plusieurs cas d’usage déployés à grande échelle. La majorité reste dans une phase intermédiaire, avec des expérimentations ou des déploiements limités. Un tiers des entreprises est même encore au stade de l’exploration.

Le constat illustre une difficulté récurrente : lancer un assistant conversationnel ou tester un outil d’IA est simple, mais l’intégrer durablement dans les processus métiers demande une transformation bien plus profonde. L’enjeu n’est plus seulement d’identifier des cas d’usage pertinents, mais de les inscrire dans une stratégie industrielle cohérente.

Un vide préoccupant en matière de gouvernance

Je vais être franc : alors que l’IA progresse, les dispositifs de gouvernance peinent à suivre. 75 % des entreprises n’ont ni Chief Data Officer ni responsable dédié à l’IA. Ce n’est pas tout : 60 % n’ont pas évalué leur dépendance aux fournisseurs de technologies IA, et autant ne disposent d’aucun protocole pour gérer une décision erronée prise par un système d’IA.

Plus de la moitié des répondants (51 %) n’ont pas défini de « lignes rouges » concernant l’intégration de l’IA dans certains métiers, contre seulement 19 % qui ont déjà engagé cette démarche. En pratique, ces résultats montrent un écart béant entre la prise de conscience des enjeux et la mise en place des mécanismes de gouvernance.

Le retour sur investissement reste un mystère

Cette maturité incomplète se retrouve dans le pilotage de la performance. Malgré l’intérêt croissant pour l’IA, peu d’entreprises mesurent précisément les gains. Moins d’un tiers des dirigeants déclarent avoir évalué les bénéfices obtenus. Et seuls 10 % disposent d’un dispositif avancé de pilotage, avec des tableaux de bord dédiés.

Cette difficulté à quantifier le retour sur investissement explique en partie pourquoi les investissements restent prudents. Les gains de productivité sont de loin l’opportunité la plus citée, tandis que les bénéfices plus stratégiques — création de nouvelles offres, évolution du modèle économique ou génération de nouveaux revenus — restent difficiles à objectiver. Ce qui fait vraiment la différence aujourd’hui, c’est la capacité à démontrer la valeur produite.

Le défi devient désormais humain et organisationnel

À mesure que les entreprises cherchent à dépasser le stade des expérimentations, les obstacles changent de nature. Les freins ne sont plus principalement technologiques. Ils sont désormais liés aux compétences, aux données et au management. Le principal enjeu réside moins dans l’adoption de la technologie que dans les conditions nécessaires à son déploiement à grande échelle.

Les dirigeants citent ainsi le manque de talents (42 %), la qualité insuffisante des données (40 %) et le temps managérial limité (38 %) comme les principaux freins. Dans les grandes entreprises, ces difficultés sont encore plus marquées : le manque de talents est cité par 60 % des dirigeants, tandis que l’indisponibilité des compétences concerne 54 % d’entre eux.

En pratique, au-delà des ressources techniques, c’est la capacité des organisations à accompagner le changement qui devient un facteur déterminant de réussite. L’IA a un énorme potentiel, mais sans gouvernance ni mesure claire, elle risque de rester un outil gadget plutôt qu’un véritable levier de transformation.