Durant l’été 2025, le MIT, via son initiative Project NANDA, a publié un rapport choc intitulé “The GenAI Divide: State of AI in Business 2025”. Il révèle que 95 % des projets pilotes d’IA (intelligence artificielle) générative en entreprise n’ont aucun impact mesurable, qu’ils échouent à générer des revenus ou resteront confinés à la phase de test. Cette étude sonne comme un avertissement : l’IA ne sauvera pas les entreprises si on ne lui fournit pas des données bien ancrées et une intégration réelle au cœur des processus.

Les chiffres qui font réfléchir

Malgré des investissements colossaux – 30 à 40 milliards de dollars dans la seule gen-AI – seules 5 % des initiatives atteignent une mise en production avec impact réjouissant.

L’échec ne vient pas des modèles en eux-mêmes, mais de l’absence d’adaptation au workflow et d’intégration métier réelle.

Les initiatives menées par des prestataires externes réussissent deux fois plus souvent que les développements en interne.

L’enquête repose sur un vaste recueil de données : 150 entretiens, 350 réponses de collaborateurs, et l’analyse de 300 déploiements IA publics.

Les raisons des échecs

Nous le voyons régulièrement pour d’autres projets hors IA au sein des entreprises, ceux-ci ont du mal à aboutir concrètement et efficacement.

Données cloisonnées
- Absence de données centralisées partagées avec l’IA dans le flux métier.
- Données éparpillées, peu structurées, peu cohérentes.
L’idée reçue que l’IA c’est pour les techniciens
- Non ! L’IA est transverse, ce type de projet doit être porté par des rôles métiers ET techniques.
Flux non contextualisés
- L’IA ne reçoit pas de retour pour apprendre et s’améliorer en continu.
Manque de stratégie ciblée
- Projets trop vastes, sans priorisation : on s’éparpille, l’idée est de prioriser, comme dans n’importe quel projet informatique !
- L’IA est à la mode, mais il n’y a pas de stratégie claire, il est important d’ordonner des objectifs dans le temps.
Tout faire en interne et en spécifique
- Le déploiement en interne est souvent moins efficace que des solutions externes.
- Il y a déjà des outils très performants, des cas d’usages pertinents, des retours d’expériences concrets, utilisons-les !
Culture et gouvernance faibles
- Une mauvaise répartition des budgets est fréquente : privilégier le marketing ou les démos tape-à-l’œil plutôt que l’automatisation de tâches administratives simples réduit l’efficacité réelle.
- Peu de formation, peu d’adhésion opérationnelle pour intégrer l’IA, pas de rôles clairement définis.

Un réel accompagnement et la data au cœur, c’est là que les 5 % réussissent

Les projets qui réussissent se concentrent sur des cas d’usage ciblés (génération de contenu, automatisation des tâches…), pas sur des initiatives pour suivre la mode.

Les gagnants s’appuient sur des données contextualisées au niveau des processus ; cela permet une IA adaptative, mesurable, et évolutive.

L’IA performe mieux quand elle reste spécialisée, alimentée par des données spécifiques qui parlent au métier, plutôt que généralisée et abstraite.

Les recommandations de DATAL

Se lancer tête baissée dans ChatGPT, dans Gemini, Mistral AI et bien d’autres pour tester et voir ce que cela fait ? Non ! Il faut un cap, des objectifs, des axes de performance. Nous avons trop souvent entendu « Pouvons nous creuser le sujet IA ? », « Quelles fonctionnalités IA proposent les outils PIM, DAM, MDM ? » etc. Tout cela montre que les entreprises ont oublié le cœur du sujet : quels sont les irritants et soucis à résoudre, quels sont les besoins ?

Voici quelques idées impératives à intégrer dans ce type de projet :

Définir des ambassadeurs
- Des rôles techniques et métiers, qui collaborent concrètement ensemble.
Identifier et prioriser les cas d’usages
- On peut rapidement aller dans des usines à gaz, sans cap, l’idée est de cadrer les cas d’usages majeurs qui vont permettre de régler le « 20/80 ».
Mettre en place des récurrences
- Afin de remonter les retours terrains, mettre en place des reportings pour évaluer la pertinence de ce qui est mis en place.
Les partenariats stratégiques
- De nombreuses entreprises, notamment françaises sont déjà en avance : solliciter des partenariats permettra à votre entreprise de grandir plus vite que celles qui se jettent tête baissée.
Former, former et former !
- Parce qu’il est impératif d’être à la pointe de la performance : la montée continue en compétences.

Retrouver comment DATAL accompagne ses clients.

Conclusion

L’étude du MIT de l’été 2025 remet les pendules à l’heure : l’échec des projets IA ne vient pas des modèles, mais souvent du manque de données, d’intégration, et de focus métier. Pour passer du côté des 5 % qui réussissent, il faut mettre la donnée au centre, bâtir des usages concrets, collaborer avec des spécialistes, et surtout, éviter de s’éparpiller dans la mode.

En matière d’IA, la réussite se joue dans l’attention portée aux petits détails, à la maîtrise des données et surtout à la gouvernance et l’organisation interne.