Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarHabr AI→ original

95% des pilotes d'IA ne rapportent rien : l'Europe s'enlise dans les validations, la Russie dans le déploiement

MIT a analysé plus de 300 déploiements d'IA en entreprise : dans 95% des cas, le pilote n'a apporté aucun gain au résultat net (la ligne P&L du compte de résultat). En Europe, les projets calent dès le départ : les juristes les valident pendant des mois au regard de l'EU AI Act. En Russie, les dépenses d'IA ont augmenté de 95% en un an, mais les prototypes n'arrivent pas jusqu'à l'exploitation réelle. Conclusion : il faut d'abord refondre le processus. Sinon, le dossier d'un emprunteur constitué par l'IA en une seconde attendra quand même trois jours une vérification manuelle.

Traité par IA depuis Habr AI ; édité par Hamidun News
95% des pilotes d'IA ne rapportent rien : l'Europe s'enlise dans les validations, la Russie dans le déploiement
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
Chiffre clé #1Une IA développée en interne depuis zéro atteint un résultat dans 33% des cas, une solution achetée auprès d'un éditeur dans 67%
Europemanque d'ingénieurs dans 71% des entreprises, flou de l'EU AI Act dans 52,5%
Russiesur 12 agents d'IA publics, zéro solution autonome prête à l'emploi

Les entreprises ont investi des dizaines de milliards de dollars dans l'IA, mais cet argent se voit à peine dans les comptes. Les chercheurs du MIT ont analysé plus de trois cents déploiements en entreprise et en tirent un constat : 95% des pilotes n'ont aucun effet mesurable sur le résultat net, c'est-à-dire sur la ligne P&L (compte de résultat). D'autres enquêtes affirment pourtant avec entrain que 64% des product managers observent une hausse des métriques produit grâce à l'IA.

Il n'y a pas de contradiction : on met simplement dans le même panier trois réalités différentes. Il y a l'employé qui rédige ses e-mails plus vite avec un LLM, la belle démo dans un bac à sable isolé, et l'argent qui arrive réellement jusqu'au P&L. Exemple : un réseau de neurones constitue en une seconde le dossier d'un emprunteur, mais le fichier attend ensuite trois jours dans la file de vérification manuelle d'un vieux système comptable.

Le travail s'est accéléré, le bénéfice n'a pas bougé. L'auteur de l'analyse publiée sur Habr a comparé les statistiques de l'Europe et de la Russie : les deux zones abordent l'IA par des bouts opposés, mais butent sur le même mur. Si vous lancez un pilote d'IA, cette analyse vous indiquera où il risque le plus de s'enliser.

Commençons par aligner les échantillons

Selon Eurostat, 20% des entreprises européennes de dix salariés et plus utilisent l'IA, de 5,2% en Roumanie à 42% au Danemark. Comparer ce chiffre aux enquêtes sur les grandes entreprises russes n'aurait pas de sens ; nous retenons donc les sociétés de 250 salariés et plus. Leur taux de déploiement y atteint 55%. Une réserve s'impose : Eurostat compte toute forme d'IA, y compris le scoring classique et la reconnaissance de texte. En Russie, d'après « Yakov et Partners » et Yandex, 71% des grandes entreprises utilisent l'IA générative, et jusqu'à 88% en y ajoutant les modèles classiques.

L'Europe freine à l'entrée, la Russie à la sortie

Le frein des entreprises européennes n'est pas l'argent. D'après Eurostat, les principaux obstacles sont le déficit de compétences en ingénierie et en produit (71% des entreprises), l'incertitude juridique autour de l'EU AI Act (52,5%) et les restrictions strictes sur la confidentialité des données (48,8%). Le pilote circule pendant des mois entre juristes et conformité, alors que le modèle n'a pas encore vu la moindre requête réelle.

En Russie, c'est l'inverse. Selon l'étude de FinExpertiza fondée sur les données de Rosstat, les dépenses d'IA des entreprises et du secteur public ont augmenté de 95% en un an, soit presque un doublement, pour atteindre 176,1 milliards de roubles. Près de 80% des fonds sont allés aux logiciels et au développement, 92% des budgets se sont concentrés à Moscou (en grande partie parce que les sièges des grandes sociétés fédérales y sont enregistrés), et 84% des dépenses viennent d'un seul secteur : la finance et l'assurance.

78% des dirigeants parlent d'un « effet économique visible ». Mais une case cochée dans un questionnaire et une hausse du résultat d'exploitation sont deux choses différentes. L'audit du marché réalisé par « Yakov et Partners » a trouvé, parmi douze agents d'IA russes publics, zéro solution autonome prête à l'emploi : uniquement des constructeurs et des assistants spécialisés.

Les grandes banques et les grandes entreprises sont donc contraintes de bâtir leurs agents en interne, depuis zéro.

Pourquoi le résultat est le même

Les causes sont décrites dans l'étude MIT Project NANDA (The GenAI Divide), réalisée sur un échantillon de grandes entreprises américaines. Les auteurs ont retenu un horizon de six mois après la fin du pilote et observé deux régularités :

  • Les solutions développées en interne atteignent un résultat industriel dans 33% des cas, contre 67% pour le déploiement d'un produit spécialisé d'un éditeur externe.
  • Plus de la moitié des budgets va aux ventes et au marketing, alors que les économies réelles viennent du back-office, plus austère : traitement de documents, conformité, scoring de risque et automatisation des opérations courantes.

L'auteur, qui a lui-même mené des initiatives d'IA jusqu'au stade pilote dans une banque et suivi plus de dix startups, apporte un détail d'ingénierie. Sur un jeu de données de test propre, n'importe quel modèle affiche de beaux chiffres. En production, il faut lui faire passer la sécurité informatique de la banque, le faire entrer dans des SLA stricts sur le délai de réponse et chiffrer le coût d'une erreur de type II.

Si un antifraude ou un modèle de risque bloque des clients légitimes par de faux positifs, toutes les économies s'évaporent. Une équipe a ainsi arrêté un pilote d'antifraude vocal trois semaines après son passage sur du trafic réel : l'économie et la qualité de détection ne tenaient pas la route. Selon l'auteur, un tel arrêt d'urgence protège le budget d'un « projet zombie » qui consomme des ressources pendant des années pour une jolie slide.

Pronostic et que faire

L'auteur fait un pari vérifiable. D'ici au 31 décembre 2027, la part des grandes entreprises d'Europe et de Russie qui utilisent l'IA dans leurs produits et opérations passera à 75–85%. La part des projets ayant un impact positif démontré sur le P&L ne dépassera pas 15%, c'est-à-dire qu'elle sera multipliée par trois au maximum depuis les 5% actuels. Il estime la probabilité de ce scénario à 70% et s'appuie sur l'histoire des ERP et des plateformes cloud, où environ un projet sur cinq a dégagé un retour. Le pronostic se révélera faux si des audits du niveau de McKinsey, Gartner ou « Yakov et Partners » constatent une hausse du résultat d'exploitation chez plus d'un quart des entreprises.

Il faut garder à l'esprit les limites : il s'agit d'une tribune d'auteur, et non d'une nouvelle étude. Les données proviennent de sources aux méthodologies différentes, les enquêtes sur l'« effet » sont subjectives, et les chiffres du MIT concernent les entreprises américaines ; leur transposition à l'Europe et à la Russie reste une hypothèse de l'auteur.

Conclusion pratique pour les product managers et les fondateurs : ne comptez pas le nombre de pilotes, mais ce qui a survécu à la rencontre avec le client, le service de sécurité et la ligne P&L. Avant le lancement, vérifiez si le processus a été refondu autour du modèle. Avant de développer votre propre solution, regardez s'il existe un produit prêt à l'emploi. Cherchez l'effet dans le back-office, et pas seulement dans la vitrine, et fixez d'avance un critère d'arrêt à la troisième ou quatrième semaine de trafic réel.

Dossier

Questions clés sur cet article

Que sait-on sur Commençons par aligner les échantillons ?

Selon Eurostat, 20% des entreprises européennes de dix salariés et plus utilisent l'IA, de 5,2% en Roumanie à 42% au Danemark. Comparer ce chiffre aux enquêtes sur les grandes entreprises russes n'aurait pas de sens ; nous retenons donc les sociétés de 250 salariés et plus. Leur taux de déploiement y atteint 55%. Une réserve s'impose : Eurostat compte toute forme d'IA, y compris le scoring classique et la reconnaissance de texte.

Que sait-on sur L'Europe freine à l'entrée, la Russie à la sortie ?

Le frein des entreprises européennes n'est pas l'argent. D'après Eurostat, les principaux obstacles sont le déficit de compétences en ingénierie et en produit (71% des entreprises), l'incertitude juridique autour de l'EU AI Act (52,5%) et les restrictions strictes sur la confidentialité des données (48,8%). Le pilote circule pendant des mois entre juristes et conformité, alors que le modèle n'a pas encore vu la moindre requête réelle. En Russie, c'est l'inverse.

Pourquoi le résultat est le même?

Les causes sont décrites dans l'étude MIT Project NANDA (The GenAI Divide), réalisée sur un échantillon de grandes entreprises américaines. Les auteurs ont retenu un horizon de six mois après la fin du pilote et observé deux régularités : Les solutions développées en interne atteignent un résultat industriel dans 33% des cas, contre 67% pour le déploiement d'un produit spécialisé d'un éditeur externe.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
Qu'en pensez-vous ?
Chargement des commentaires…