Les entreprises russes ont gelé 90 % des projets d’AI générative et ne les ont pas menés en production

Les grandes entreprises russes n'ont mené à mise en œuvre à grande échelle qu'une petite partie de leurs projets pilotes d'IA générative jusqu'en mars 2026. La plupart des initiatives avec des LLM, des chatbots et des agents n'ont jamais quitté le mode de test, ont été reconstruites pour des tâches plus étroites, ou ont été complètement arrêtées.

Pourquoi les pilotos se sont arrêtés

Selon une évaluation du cabinet de conseil "Analyse Intelligente", seuls 7–10% des projets pilotes que les grandes entreprises ont lancés en 2025 ont atteint la production industrielle. L'échantillon comprenait environ 50 entreprises du secteur informatique, de la fabrication, de la finance, du secteur public, du transport et de la logistique. Les initiatives restantes jusqu'en mars 2026 sont restées bloquées en phase pilote, ont été radicalement reconstruites ou arrêtées.

Cela montre combien il est difficile de traduire de belles démonstrations avec de grands modèles de langage, des chatbots et des agents d'IA en un produit d'entreprise fonctionnant réellement. Dans le même temps, les participants au marché ne considèrent pas une telle conversion comme sensationnelle. Certains projets sont encore en développement et pourraient théoriquement atteindre la production plus tard.

Mais l'écart entre le nombre de lancements et les implémentations réelles est déjà notable : en 2025, les entreprises ont souvent poursuivi non pas les scénarios les plus utiles, mais ceux qui donnaient un effet « waouh » rapide pour les présentations et les relations publiques. Lorsque venait la phase d'intégration, de mesure du ROI et de responsabilité pour les résultats, de nombreuses initiatives commençaient à stagner.

Où l'économie se brise

Environ 30–40% des projets pilotes, selon les participants à l'enquête, ont été fermés parce qu'ils n'ont pas donné l'effet financier attendu. Le principal problème s'est avéré ne pas être l'idée d'IA générative elle-même, mais une faible intégration aux processus quotidiens de l'entreprise. Dans de nombreux cas, les modèles n'étaient pas intégrés dans les CRM, ERP, gestion de documents et autres systèmes d'entreprise, ils restaient donc une vitrine séparée plutôt qu'un outil de travail. Dès que l'entreprise tentait de calculer les économies de temps, la réduction de la charge sur les employés ou l'impact sur le chiffre d'affaires, le beau concept perdait rapidement de sa crédibilité.

• Pas d'intégration profonde avec les CRM, ERP et systèmes internes
• Les projets ont été lancés pour l'effet de relations publiques plutôt que pour une tâche commerciale spécifique
• Il y avait des données insuffisantes de qualité et représentatives pour le fine-tuning
• Les modèles manquaient de multimodalité, de maturité et d'exigences de sécurité

Les défaillances techniques sont également évidentes. Dans un cas, une entreprise a indépendamment affiné un modèle chinois pour les tâches du département juridique, mais a collecté trop peu de données, et la précision de l'assistant n'a pas dépassé 30%, après quoi le projet a été fermé. Dans un autre cas, le service d'assistance voulait automatiser le traitement des documents et des images, mais en août 2025, les modèles disponibles ne supportaient pas le scénario multimodal requis en totalité. En d'autres termes, le problème était souvent non pas le battage médiatique autour de l'IA, mais des attentes irréalistes concernant des outils spécifiques.

Les délais se décalent vers la droite

La moitié des cadres interrogés ont vu leurs délais de transition d'un pilote à la production industrielle se décaler de 2025 et début 2026 vers le deuxième semestre ou fin 2026. Les raisons sont assez pragmatiques : les entreprises ont dû consacrer plus de temps à la formation des employés, à la modernisation des infrastructures et à la résolution des questions de sécurité de l'information et de protection des données. Pendant ce temps, les dépenses pour les expériences sont déjà substantielles.

En 2024, les grandes et moyennes organisations russes ont dépensé 90,3 milliards de roubles pour la mise en œuvre et l'utilisation de l'IA, et un budget pilote typique en 2025, sans l'infrastructure, était estimé à 5–15 millions de roubles. Une complication supplémentaire est que les solutions d'agents révèlent rapidement les anciens problèmes des processus eux-mêmes. Si une recherche intelligente dans une base de connaissances peut être implémentée localement, un agent d'IA plus complexe se heurte presque immédiatement à des intégrations non planifiées, des règles informelles et des contournements manuels auxquels les employés sont habitués depuis longtemps.

Selon l'évaluation de Cloud.ru, la culture de la familiarité avec les outils d'IA dans les entreprises peut déjà atteindre 80–90%, mais l'intégration réelle aux processus métier reste à 5–10%. Le plus grand potentiel de croissance est identifié dans les services juridiques, le conseil, la fabrication, la médecine, le secteur public et l'éducation.

Ce que cela signifie

Le marché russe n'abandonne pas l'IA générative, mais se retire de la phase de battage médiatique et entre dans une phase de test rigoureux de l'utilité et du ROI. La prochaine vague de déploiements se concentrera probablement non sur des vitrines bruyantes, mais sur des scénarios étroits et bien mesurables avec intégration claire, sécurité et un propriétaire clair des résultats au sein de l'entreprise.