L’IA qui transforme le business ?
Stratégies, mouvements et levées IA décryptés, chaque soir en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
La proportion d'entreprises qui abandonnent la majorité de leurs initiatives d'IA est passée de 17 % à 42 % en un an (S&P Global, 2025), tandis que 46 % des grands groupes n'ont aucun cadre pour mesurer le retour sur investissement (Wavestone, 2025). En France, 61 % des salariés qui utilisent l'IA au travail passent par des outils publics, contre 19 % via des solutions internes (KPMG, 2026). Geoffrey Harrazi, cofondateur d'Idun, soutient que la priorité devient le pilotage par l'usage pour industrialiser ce qui marche et arrêter le reste.
L’usage réel guide les choix, bien plus que la quantité d’outils
En France, 61 % des salariés qui utilisent l’IA au travail recourent à des outils publics, contre 19 % pour les solutions internes (KPMG, 2026). Dans une société de gestion d’actifs citée par Geoffrey Harrazi, un GPT interne est utilisé chaque jour par 90 % des salariés, en complément de workflows automatisés et d’outils publics en libre-service, mais personne n’y sait précisément qui fait quoi avec quel outil, les coûts associés, ni ce qui devrait être industrialisé. Geoffrey Harrazi recommande de piloter par l’observation de l’usage réel, au-delà des logs et questionnaires, en identifiant quelles équipes utilisent quoi, à quelles fins et quand surviennent les décrochages. Cette connaissance permet ensuite de décider d’industrialiser ce qui fonctionne, de rescoper ce qui déçoit et d’arrêter ce qui ne sert à rien. Il estime que les entreprises qui couperont en 2027 sous la pression financière subiront leur trajectoire, alors que les budgets 2027 se préparent déjà.
Des coupes en forte hausse, mais un ROI trop peu instrumenté
La part des entreprises qui abandonnent la majorité de leurs initiatives d’IA a grimpé de 17 % à 42 % en un an (S&P Global, 2025). Dans le même temps, 46 % des grands groupes n’ont aucun cadre pour mesurer le retour sur investissement de leurs projets d’IA (Wavestone, 2025). Geoffrey Harrazi considère que la hausse des abandons est positive pour l’IA en entreprise, à condition de pouvoir évaluer la valeur des projets, et alerte sur des coupes « à l’aveugle » en l’absence de mesure. Il situe la nouvelle phase de l’IA en entreprise du côté de l’évaluation de la valeur créée, avec une question devenue centrale — « qu’est-ce que ça rapporte ? » — plutôt que le simple lancement de nouveaux cas d’usage.
Les « ChatGPT internes » ont souvent pris du retard sur le marché
Selon Geoffrey Harrazi, en 2023 et 2024, la quasi-totalité des grandes entreprises ont mis en place un « ChatGPT interne » afin de réduire les risques de fuite de données vers des outils publics. Un grand nombre de ces offres se limitaient à une interface de LLM, isolée du système d’information, parfois déployée avec un retard pouvant atteindre dix-huit mois, alors que, dans le même temps, les solutions publiques évoluaient en agents capables d’effectuer des recherches web et d’exécuter des tâches de manière autonome. Dans ce contexte, le shadow AI est revenu en force. Geoffrey Harrazi rapporte encore des situations où l’on se dit « à jour » parce que le modèle — comme Claude — a changé, sans que l’interface de chat ni les capacités opérationnelles autour n’évoluent.
Sur le terrain, des projets arrêtés faute d’adoption et de métriques
Au fil d’une centaine de rendez-vous et d’une trentaine de diagnostics menés en dix-huit mois, Geoffrey Harrazi décrit un décalage récurrent : l’adoption a précédé le pilotage, avec des cas d’usage empilés sans instrumentation d’usage. Dans une grande maison du luxe, de nombreux agents ont été mis en production sur trois ans et les équipes ont gagné en compétence, mais la mesure de la valeur est restée secondaire. Un agent d’analyse des avis clients, poussé par la direction, a très peu été adopté : les utilisateurs ne comprenaient pas son périmètre ni quoi faire des réponses, et le projet a été coupé faute d’usage. Des mécanismes de feedback comme des pouces et une case de commentaires avaient été ajoutés sans être réellement utilisés, ce qui, selon Geoffrey Harrazi, a empêché d’identifier les raisons de l’échec et de rescoper le projet. Il estime que la phase qui s’ouvre n’est pas « plus d’IA », mais « quelle IA, pour qui, et est-ce que ça marche », après deux années de déploiements tous azimuts.
