IA : Pourquoi 94 % des entreprises restent sceptiques

L'IA en 2025 : Un usage massif mais peu de valeur perçue

Selon une étude approfondie menée par McKinsey, intitulée L'état de l'IA en 2025 : Agents, innovation et transformation, une majorité écrasante d'entreprises, soit près de 90 %, ont intégré l'intelligence artificielle dans au moins une de leurs fonctions commerciales d'ici la fin de l'année 2025. Cependant, un constat surprenant émerge de cette enquête : 94 % de ces organisations n'ont pas encore observé de valeur significative découlant de ces investissements en IA. Cet écart, qui est exploré en détail dans l'article Où l'IA créera de la valeur et où elle ne le fera pas publié dans le McKinsey Quarterly d'avril 2026, ne réside pas dans l'adoption de l'IA elle-même, mais plutôt dans la manière dont cette technologie est encadrée et utilisée. La majorité des entreprises se contentent d'utiliser l'IA pour accélérer leurs processus existants, alors que les véritables retours sur investissement nécessitent une approche radicalement différente du travail.

Un exemple concret illustre cette problématique : une équipe a réussi à réduire son cycle de découverte de six semaines à seulement dix jours grâce à l'IA. Bien que ce gain de temps soit impressionnant et que le rendement soit réel, il n'a pas conduit à de nouvelles découvertes significatives. Les questions posées et les réponses obtenues sont restées inchangées, simplement obtenues plus rapidement. Cela met en lumière une utilisation de l'IA qui, bien qu'efficace en termes de rapidité, n'apporte pas de valeur ajoutée en termes de contenu ou d'innovation.

À travers les équipes et les fondateurs avec lesquels je travaille, j'ai observé que les questions stratégiques deviennent de plus en plus petites. On passe de questions fondamentales telles que "qu'est-ce qui vaut la peine d'être construit ?" à des questions plus opérationnelles comme "comment pouvons-nous tester cela plus rapidement ?" ou "pouvons-nous synthétiser ces entretiens plus efficacement ?". Cette tendance montre que l'IA est souvent utilisée pour optimiser des processus existants plutôt que pour explorer de nouvelles opportunités.

Joe Smiley a décrit une dynamique similaire dans son article pour UX Collective, intitulé Les tendances de design d'expérience les plus populaires de 2026. Il y explique que l'IA "réduit le temps entre l'idée et l'artéfact, ce qui semble être un progrès. Mais lorsque tout peut être généré instantanément, les équipes passent à côté des parties fondamentales du processus de design : cadrage, recherche et exploration." Ainsi, les questions stratégiques qui étaient autrefois au cœur de la découverte ont progressivement reculé, voire disparu dans certains cas.

La productivité : Un réflexe défensif

Selon McKinsey, les gains de productivité obtenus grâce à l'IA sont principalement de nature défensive. En effet, la concurrence tend à éroder ces gains, et ce sont souvent les clients qui en bénéficient le plus. La productivité redéfinit le seuil minimal de performance industrielle, mais ne contribue pas à élever le niveau maximal. Cela signifie que si la stratégie d'une entreprise en matière d'IA se limite à des gains de productivité, elle risque de stagner sur un tapis roulant où tout le monde avance à la même vitesse.

Un schéma historique revisité

L'histoire de l'adoption de l'électricité par les usines illustre un schéma similaire. Cette histoire est racontée par Ajay Agrawal, Joshua Gans et Avi Goldfarb dans leur ouvrage Power and Prediction. Initialement, la productivité n'a guère augmenté car les fabricants ont simplement remplacé les moteurs à vapeur par des moteurs électriques sans repenser la disposition des usines. Ce n'est que lorsque les usines ont été réorganisées autour des possibilités offertes par l'électricité que la véritable révolution a eu lieu. McKinsey applique cette parabole à l'IA en identifiant trois vagues de valeur : la productivité, la différenciation et la réduction des coûts de transaction. Ces vagues se chevauchent et augmentent en complexité, la productivité étant la plus accessible, tandis que la différenciation et la réduction des coûts de transaction nécessitent des décisions stratégiques plus audacieuses.

Les vagues sont classées par ordre de difficulté. La première vague, celle de la productivité, est la plus facile à atteindre car elle ne nécessite pas de prendre de nouvelles décisions. La deuxième vague, celle de la différenciation, exige de déterminer ce qui vaut la peine d'être proposé. Enfin, la troisième vague, celle de la réduction des coûts de transaction, implique de parier sur la manière dont une industrie va évoluer. Plus on avance dans ces vagues, plus la question se transforme de "comment faire le travail plus rapidement" à "ce que le travail devrait être".

Les pièges de la pensée productiviste

Les équipes et les fondateurs sont particulièrement vulnérables à la tentation des gains de productivité, car la découverte semble en bénéficier directement. Par exemple, les entretiens peuvent être transcrits et analysés automatiquement, et les hypothèses cartographiées à partir de notes. Cependant, il existe une différence cruciale entre accélérer la découverte et la transformer. C'est dans cette transformation que résident les questions les plus complexes.

José Torre, dans son article pour UX Collective, souligne que l'IA permet d'avancer si rapidement que l'on peut passer à côté des moments où l'attention et le jugement sont essentiels. Ainsi, compresser un cycle de six semaines en dix jours n'a de valeur que si les questions posées évoluent, si de nouvelles opportunités sont explorées ou si des hypothèses inédites sont testées.

Repenser le cadrage des questions

La plupart des équipes se demandent comment utiliser l'IA pour rendre leur processus de découverte plus productif. Bien que cette question soit naturelle, elle peut ne pas être la plus pertinente. Une approche plus judicieuse serait de se demander ce que l'IA pourrait changer dans ce qui mérite d'être construit. Cette question de cadrage suppose que les offres, les clients et les modèles commerciaux qui valent la peine d'être explorés peuvent avoir radicalement changé avec l'IA.

C'est la différence entre utiliser l'IA pour trouver de meilleures réponses à des questions existantes et utiliser l'IA pour poser de meilleures questions en premier lieu. La première est une pratique de productivité, tandis que la seconde est une pratique stratégique. Elles produisent des retours à long terme très différents.

Les véritables bénéficiaires des gains de productivité

Une étude menée par Erik Brynjolfsson, Danielle Li et Lindsey Raymond sur plus de 5 000 agents de support client utilisant un assistant conversationnel IA a révélé un gain moyen de 14 % en productivité. Cependant, ce chiffre masque une réalité plus nuancée : les travailleurs novices ont vu leur performance s'améliorer de 34 %, tandis que les travailleurs expérimentés n'ont guère progressé. L'IA a donc surtout permis d'élever le plancher de performance plutôt que le plafond.

Dans ce contexte, l'IA n'a pas élevé le plafond pour les travailleurs déjà performants. Elle a élevé le plancher pour ceux qui ne l'étaient pas. Cela correspond à l'argument de McKinsey à une échelle plus petite : les gains de productivité vont souvent à ceux qui sont plus proches du plancher que du plafond.

Les retours durables proviennent d'un type de travail différent. Dans mon précédent article pour UX Collective, L'anatomie du jugement de découverte produit, j'ai décrit cela comme le jugement de cadrage : le travail de demander, avant qu'un artefact ne soit créé, quel problème vaut la peine d'être résolu, quel client vaut la peine d'être servi, et quelle hypothèse doit être testée en premier.

Ces décisions sont en amont de chaque artefact qu'une équipe produit. Elles sont également là où les gains de productivité de l'IA aident le moins, et où le jugement humain se cumule le plus.

Un réajustement compétitif

McKinsey conclut que l'IA ne constitue pas une révolution de la productivité, mais plutôt un réajustement compétitif. Les entreprises qui réussiront ne seront pas celles qui adopteront l'IA le plus rapidement, mais celles qui réfléchiront le plus profondément à la direction que prend la valeur. Pour les équipes et les fondateurs, il s'agit avant tout d'un problème de découverte. Les équipes qui se démarqueront seront celles qui auront posé les bonnes questions sur leurs offres, leurs modèles commerciaux et leurs relations clients.

La découverte a toujours concerné ce qui vaut la peine d'être construit. L'IA élève les enjeux en abaissant le coût de l'erreur à ce sujet.

L'urgence de poser les bonnes questions

L'attrait de la productivité est compréhensible, car il est facile à mesurer et à célébrer. Cependant, le véritable avantage concurrentiel réside dans la capacité à poser les bonnes questions. L'IA ne répond pas à ces questions, mais elle les rend plus urgentes. Les équipes qui tireront le meilleur parti de l'IA seront celles qui auront pris le temps de faire des choix éclairés.

Cela a toujours été la question de découverte. La fenêtre pour la poser s'est rétrécie.

Par où commencer

Pour évaluer l'impact de l'IA, il est utile de dresser la liste des trois dernières décisions de découverte importantes prises par une équipe. Si le rôle de l'IA dans ces décisions aurait été le même il y a cinq ans, cela indique que l'IA est utilisée pour accélérer un travail ancien plutôt que pour transformer le processus de découverte. Deux questions à poser avant le prochain cycle de découverte : quel problème cherchons-nous à comprendre plus profondément ? Et que faudrait-il qu'il soit vrai pour que notre offre actuelle soit la mauvaise ? Ces questions permettent d'affiner le cadrage et de créer de la place pour des réponses surprenantes.