Entreprises et IA : pilotes, chatbots et outils hérités

Trois ans après la mise à disposition massive de Copilot, ChatGPT ou Claude, les usages réels se concentrent chez une minorité tandis que les directions mènent des pilotes dont la moitié environ aboutissent. L’IA n’abolit pas les arbitrages d’outillage : elle crée surtout de nouveaux choix, fait émerger le chatbot comme espace de travail et déplace le curseur entre solutions improvisées et processus institutionnalisés.

Pilotes IA : environ la moitié aboutissent, loin d’une généralisation

Pour transformer des processus structurels, les entreprises lancent des pilotes utilisant des capacités d’IA, qu’il s’agisse de produits achetés ou développés en interne. Environ la moitié de ces expérimentations fonctionnent, ce qui est présenté comme normal pour un pilote. Ce cadrage reste celui, classique, d’une DSI : cas d’usage, projets phares, champions, gains rapides et résultats mesurables. De leur côté, des directions générales s’interrogent sur l’évolutivité quand seules cinq à dix expérimentations sont conduites sur des centaines de flux de travail.

Usage réel des assistants : une minorité intensive, beaucoup d’inactifs

De grandes entreprises ont diffusé largement Copilot, ChatGPT ou Claude au cours des trois dernières années. Une petite partie des employés les utilise intensivement et a parfois augmenté sa productivité, un plus grand nombre s’y connecte quelques fois par semaine et beaucoup ne les utilisent pas vraiment. La situation rappelle l’équipement généralisé en PC et Lotus 123 en 1983 ou l’accès au web en 1997, sans effet direct et automatique sur des processus comme le traitement des factures ou la chaîne d’approvisionnement. Distribuer un outil général à tous est théoriquement scalable, mais la majorité peine à trouver des usages concrets.

Le chatbot devient un nouveau terrain d’improvisation aux côtés d’Excel et email

L’IA étend les applications existantes et favorise l’apparition de nouvelles solutions verticales, tout en renforçant les espaces d’improvisation comme Excel, Tableau, Google Sheets ou l’email. Dans ce cycle, le chatbot émerge comme un espace libre supplémentaire, captant des tâches depuis ces supports et en cédant aussi vers les applications. Une petite entreprise recrutant dix diplômés peut rester plus longtemps sur Google Sheets grâce à l’IA, l’utiliser comme espace de données pour Gemini, hésiter entre confier une création à Claude ou migrer vers Notion, avant de découvrir une offre SaaS ciblée qui couvre ce besoin et d’autres non anticipés.

Improvisé contre institutionnalisé : où l’IA déplace les seuils

L’outillage en entreprise évolue entre solutions institutionnalisées et pratiques improvisées. Les tâches courantes sont réalisées à l’aide d’outils spécialisés tels que SAP, Carta ou Rippling, en suivant des procédures uniformisées. Les exceptions sont gérées via des moyens de fortune comme Excel, l’email, les dossiers partagés, Tableau, PowerPoint, les fichiers CSV, les captures d’écran, les fichiers PDF ou les conférences téléphoniques. Lorsqu’une opération devient régulière, normalisée et présente des enjeux importants, elle nécessite d’être structurée afin de satisfaire aux exigences d’audit, de sécurité, de maintenance et de responsabilité. Des organisations peuvent ignorer des flux récurrents où des centaines de personnes perdent une heure par jour ; ce cycle d’improvisation puis de normalisation explique la multiplication des applications. L’IA ne supprime pas ce balancier mais en déplace les points d’équilibre.

Contraintes d’adoption : périmètres larges et cycles de décision longs

Rendre le codage plus simple ne résout pas la difficulté d’identifier le bon besoin et la bonne spécification d’un outil, puis d’obtenir l’adoption. Les processus à automatiser impliquent souvent 50 à 500 personnes, cinq départements, trois systèmes de gestion et quatre régimes réglementaires. Même une idée convaincante, par exemple en comptes fournisseurs, n’impose pas un changement immédiat à l’échelle : elle doit passer par une décision d’achat et un cycle de vente évalué à 18 mois.

Leçons du SaaS : plus d’outils, plus vite, et des allers-retours constants

Le passage au SaaS a fait croître d’un ordre de grandeur le volume de logiciels, avec un nouveau modèle opérationnel et un rythme d’évolution qui ont mis en échec des acteurs historiques, un épisode décrit comme la SaaSpocalypse. Les fonctions se regroupent et se dégroupent en continu : des applications SaaS réalisent des tâches aussi faisables dans SAP, Excel ou l’email ; Carta est présentée comme une entreprise de 4 milliards de dollars qui gère une feuille de calcul pour le directeur financier ; des missions de conseil alternent à parts égales entre migration d’Excel vers une base de données et retour vers Excel. Les pratiques varient selon l’échelle : PwC, avec 3 000 à 4 000 recrutements annuels, s’appuie sur un logiciel dédié, quand une petite structure recrutant cinq à dix personnes s’organise via email, dossier partagé et Google Sheets, avec la possibilité de basculer plus tard vers Notion ou un SaaS RH pour PME. Même dans un grand groupe, une petite équipe peut préférer Google Sheets si Workday est jugé trop rigide.

Ce que l’IA promet… et ce qu’elle ne règle pas

L’IA nourrit l’espoir de traiter des tâches répétitives, en permettant de créer un outil en cinq minutes, voire d’exécuter directement la tâche, et en rendant le logiciel plus dynamique et génératif pour automatiser davantage avec moins d’applications. Mais la majorité des professionnels ne sont pas des concepteurs d’outils et ne repensent pas spontanément leur travail. Identifier les bons problèmes n’est ni évident ni direct : ils sont souvent cachés et nécessitent d’être redéfinis. Même des éditeurs reconnus ont essuyé une demi-douzaine d’échecs avant de trouver l’approche adéquate. L’IA ne résout pas par elle-même la découverte du besoin ni la définition précise de l’outil.