Il y a une phrase prononcée par Sundar Pichai sur scène à Google I/O qui mérite plus d'attention qu'elle n'en a reçu. Évoquant les conversations qu'il a eues avec les CTO de grandes entreprises, le PDG de Google a révélé que plusieurs d'entre eux ont déjà épuisé leur budget annuel de jetons IA et que nous sommes en mai. Il l'a dit comme argument de vente – pour justifier pourquoi Gemini Flash est la solution dont elles ont besoin – mais l'information implicite dans cette phrase est explosive : les entreprises dépensent en IA à un rythme qu'elles n'avaient pas prévu, et le retour ne justifie pas toujours la facture.
En 2023 et 2024, le discours dominant sur l'intelligence artificielle générative dans le monde des affaires était celui d'un enthousiasme presque inconditionnel. Chaque semaine apparaissait un nouveau modèle, un nouvel outil, une nouvelle promesse de rupture totale. Les départements technologiques rivalisaient pour être les premiers à adopter les derniers outils, les conseils d'administration demandaient à chaque réunion ce que l'entreprise faisait avec l'IA, et les valorisations des entreprises du secteur atteignaient des chiffres astronomiques.
Le bilan de 2026
En 2026, cet enthousiasme n’a pas disparu, mais il a muté. Il ne s’agit plus d’adopter l’IA le plus tôt possible ; Il s'agit de justifier auprès des directeurs financiers pourquoi la facture informatique a triplé. Le cabinet d'analyse Forrester a publié fin 2025 une prédiction qui s'est avérée remarquablement précise : l'écart entre les promesses exagérées des fournisseurs et la valeur réelle apportée aux entreprises se creuserait en 2026, obligeant une correction du marché.
Les données confirment cette prédiction. Environ 80 % des entreprises expérimentent déjà l’intelligence artificielle, mais une proportion similaire reconnaît que ces efforts ne se traduisent pas par des améliorations concrètes de paramètres clés tels que l’efficacité opérationnelle, la réduction des coûts ou la croissance des revenus. Et lorsque les directeurs financiers commencent à se poser des questions difficiles : combien cela nous a-t-il coûté et combien avons-nous gagné ? -, les réponses deviennent inconfortables.
Moins d'un tiers des décideurs technologiques sont capables de relier la valeur de l'IA à la croissance financière réelle de leur organisation.
Pourquoi la plupart des projets d'IA échouent
L'explication la plus répandue de ce phénomène n'a rien à voir avec le dysfonctionnement de la technologie. Cela dépend de la manière dont il est mis en œuvre. La plupart des projets d'IA dans les entreprises commencent du mauvais côté : vous choisissez d'abord le modèle ou l'outil, vous construisez un prototype qui impressionne dans les démonstrations internes, et ensuite seulement vous essayez de relier ce prototype à un problème commercial réel.
Il en résulte ce que les analystes appellent la « dette d'adoption » : une accumulation de projets pilotes qui n'entrent jamais en production, des équipes techniques spécialisées dans l'IA qui n'ont pas d'homologues dans les directions métiers qui peuvent leur donner des cas d'usage concrets, et un sentiment général que "on fait des choses avec l'IA" sans que cela se traduise par des résultats mesurables.
Le secteur entre désormais dans ce que certains experts appellent la troisième étape de l'adoption de l'IA générative. La première a été l’expérimentation massive d’outils comme ChatGPT, Copilot ou Gemini au niveau individuel. Le deuxième était l'intégration de ces outils dans les flux de travail et les systèmes existants. La troisième, où nous en sommes actuellement, est l'ère des agents : des systèmes autonomes qui exécutent des tâches complexes sans intervention humaine constante, et qui n'ont de sens économique que si les processus dans lesquels ils sont déployés sont bien définis et suffisamment coûteux pour justifier l'investissement.
Le problème du ROI dans l'IA — chiffres clés pour 2026
- ~ 80 % des entreprises expérimentent l'IA générative
- ~ 80 % de ces entreprises ne voient aucun impact sur les indicateurs commerciaux clés
- Moins de 33 % peuvent associer l'IA à la croissance financière réelle
- Forrester s'attend à ce que 25 % des dépenses prévues en matière d'IA soient reportées à 2027
- Google a traité 500 milliards de jetons par jour en mars ; Il dépasse déjà les 3 milliards
Le débat sur les bulles
La question qui préoccupe le plus les investisseurs et les entreprises du secteur est de savoir si nous sommes dans une bulle. Le terme bulle a une énorme charge émotionnelle dans le monde technologique : il évoque le krach Internet de 2001, lorsque des milliards de dollars de valorisations se sont évaporés en quelques mois. Personne dans le secteur ne veut utiliser ce mot, mais de plus en plus de voix suggèrent que l'écart entre les investissements dans les infrastructures d'IA et les rendements réels qu'elles génèrent ne peut pas être maintenu indéfiniment.
Au début de l'année, le Forum économique mondial a publié une analyse qui identifiait cinq paradoxes dans l'adoption de l'IA, parmi lesquels il soulignait précisément celui-ci : les dépenses consacrées aux infrastructures d'IA atteignent des niveaux sans précédent dans l'histoire de la technologie, mais l'enthousiasme des investisseurs et des entreprises ne semble pas avoir été coordonné avec des preuves solides que ces investissements généreront les rendements escomptés.
La réponse des grandes entreprises technologiques à cette pression a été précisément ce que Google a présenté lors de l'I/O : développer des modèles moins chers et plus efficaces qui réduisent le coût de l'informatique et facilitent la justification des dépenses. Les modèles Gemini Flash, GPT-5.5 Instant, Haiku d'Anthropic : ils pointent tous dans la même direction. Si le problème est que l'IA coûte cher, la solution est de la rendre moins chère.
Austérité ou réelle transformation ?
Il y a un débat plus profond derrière la discussion sur les coûts. La promesse initiale de l’IA générative n’était pas seulement d’automatiser les tâches existantes à moindre coût. Il s'agissait de transformer fondamentalement la façon dont les personnes et les organisations travaillent, de créer de nouvelles catégories de produits et de services qui étaient auparavant impossibles et, à terme, d'accélérer de façon exponentielle le rythme du progrès scientifique et technologique.
Si 2026 est l'année où l'industrie s'éloigne de la question : "comment pouvons-nous adopter cela plus tôt ?" À la question « Comment justifier auprès du directeur financier ce que nous avons déjà dépensé ? », il existe un risque réel que l’accent soit trop mis sur l’optimisation des coûts et trop peu sur l’innovation transformationnelle. Les entreprises qui réduisent leurs investissements dans l'IA pour améliorer leurs statistiques trimestrielles pourraient perdre un avantage concurrentiel à long terme par rapport à celles qui maintiennent leurs investissements, même si le retour sur investissement met plus de temps à se matérialiser.
Perspective supplémentaire : La comparaison avec Internet est inévitable. Également entre 1999 et 2001, la plupart des projets Internet d’entreprise ont échoué ou n’ont montré aucun rendement à court terme. Ceux qui ont survécu et sont restés investis ont été mieux placés pour bénéficier de la croissance qui a suivi. La question est de savoir si le cycle de l'IA suivra le même modèle ou s'il existe des différences structurelles qui le rendront différent.
En tout cas, 2026 est l’année où la lune de miel de l’IA générative a définitivement pris fin. La suite des événements, qu'il s'agisse d'une gueule de bois douloureuse ou d'une maturité productive, dépend en grande partie du nombre d'entreprises capables de passer de projets pilotes à des déploiements réels avec un impact mesurable. Le signe le plus encourageant est que ce processus est déjà en cours. Le signe d'avertissement est que nous ne savons toujours pas comment le mesurer.
Étiquettes
Partager cet article
