L’écart de valeur commerciale : pourquoi l’adoption de l’IA ne suffit pas à elle seule

Les organisations considéraient l’adoption comme moyen le plus rapide de générer de la valeur fondée sur l’IA. La maturité s’est développée, mais sa capacité de générer de la valeur n’a pas suivi le rythme. Alors, quelle est la prochaine étape?

Lorsque l’intelligence artificielle (IA) générative était encore une nouveauté, les conversations menées par la haute direction débutaient souvent par une simple question : « Devrions-nous accomplir davantage avec l’IA? » Pour la plupart des organisations, la réponse était « oui ». Elles se sont concentrées sur le déploiement d’outils pour leurs employés ainsi que sur la promotion et la maîtrise de l’IA. Les grands titres affichaient différentes versions du même message : « Adoptez l’IA ou risquez d’être laissé pour compte. »

La promesse était que l’utilisation de l’IA garantirait un avantage concurrentiel considérable pour les entreprises et améliorerait leur résultat net. Plus les gens utilisaient l’IA, plus les individus, les équipes et les organisations en tireraient une valeur. Les entreprises qui réussissaient étaient celles qui détenaient le plus d’outils et menaient le plus de projets pilotes. Les individus pouvaient être plus productifs, même dans des domaines en dehors de leurs champs d’expertise traditionnels. Des tâches qui prenaient auparavant des semaines pouvaient maintenant être accomplies en quelques heures ou minutes.

Si l’adoption de l’IA était la mesure de réussite, que se passe-t-il lorsqu’elle est élevée, mais que sa capacité de générer de la valeur demeure floue?

« L’adoption de l’IA est considérable. Chaque fonction possède ses propres projets pilotes d’IA, mais aucune ne peut s’entendre sur lesquels valent la peine d’être déployés à grande échelle. Maintenant, le conseil d’administration nous demande de justifier nos dépenses. »
- Dirigeant des fonctions d’affaires

Évolution du débat pour la haute direction

Bien que l’adoption de l’IA ait été l’objectif initial, nous constatons de plus en plus que les organisations ont atteint un point où leurs ambitions en IA dépassent l’état de préparation de leurs fondations. Cela s’est traduit par un écart croissant entre adoption et valeur opérationnelle mesurable.

Voici quelques conclusions tirées de notre étude La voix de nos clients CGI 2026.

• Taux élevés d’adoption de l’IA : 86 % des organisations font la promotion de l’adoption de l’IA agentive, avec 62 % d’entre-elles qui l’intègrent à leurs processus d’affaires et opérationnels centraux.
• Écarts considérables avec le RCI : seuls 51 % quantifient les résultats de l’IA, pendant que les résultats des stratégies numériques plafonnent et que l’agilité des modèles d’affaires et des TI demeure faible.

Les études d’autres organisations confirment ces conclusions. Par exemple, selon l’indice de l’IA au travail de Glean, 75 % des travailleurs disent que l’IA les a rendus plus productifs, avec l’automatisation qui leur a permis d’économiser environ 11 heures de travail par semaine. Pourtant, seulement 13 % indiquent qu’elle a amélioré les performances de leur organisation de manière considérable¹. Cet écart est difficile à ignorer pour les dirigeants.

« Il existe une promesse que l’IA engendrera une explosion de productivité, mais il y a aussi d’importants défis à prendre en considération quant à la meilleure façon de l’intégrer à nos activités quotidiennes. »
- Haut dirigeant, Énergie et services publics

Les discussions du conseil d’administration et de la haute direction entourant l’IA soulèvent de plus en plus une question différente : « Générons-nous de la valeur de l’IA? » Pour répondre à cette question, il faut différents ensembles de mesures, de compétences et d’approches ainsi qu’un groupe diversifié composé d’experts et de parties prenantes.

Des enjeux d’un autre ordre

En ce qui concerne les technologies précédentes, l’adoption était souvent l’obstacle à surmonter, et cela nécessitait beaucoup plus d’effort que ce que nous avons constaté avec l’IA générative. Ce qui n’est pas nouveau, mais qui devient de plus en plus important, est l’enjeu d’intégration. Afin de générer une valeur au-delà de gains individuels de productivité et de projets pilotes en environnements contrôlés, l’IA doit s’intégrer au sein de systèmes complexes et essentiels à la mission, développés sur plusieurs décennies.

Les technologies ne créent de la valeur pour l’entreprise que lorsqu’elles sont pleinement intégrées aux activités quotidiennes. À mesure que l’IA évolue, comme c’est le cas pour l’IA agentive ou en combinaison avec des technologies comme l’informatique quantique, cette complexité ne fera que croître.

Les domaines à succès

L’état de préparation organisationnel et des fondations, rendus possibles grâce à la refonte numérique, émergent comme des moteurs clés de réussite de la stratégie numérique, surpassant même l’ambition en matière d’IA de pointe. C’est là que l’excellence opérationnelle et la qualité des processus deviennent essentielles. Les entreprises de premier plan se concentrent sur la rigueur d’exécution, l’attribution de valeur et la réduction de l’écart entre ambition et rendement.

De plus en plus, nous constatons de solides résultats lorsqu’un enjeu d’affaires est clairement défini, intégré aux flux de travaux et évalué par rapport à des résultats tangibles. En voici quelques exemples.

1. Élimination d’une accumulation de plus de 60 000 réclamations grâce à l’intégration de l’IA

Une entreprise manufacturière mondiale a accumulé plus de 60 000 réclamations de clients en raison d’un processus de traitement inefficace, d’un manque d’outils appropriés et d’une difficulté à exploiter les données historiques de manière efficace. Nous avons collaboré avec le client afin d’intégrer l’IA directement dans le processus de traitement des réclamations au sein de son système de gestion intégré, ce qui a permis à l’entreprise d’éliminer son retard. Le travail préliminaire pour les nouvelles réclamations est maintenant automatisé grâce à des agents d’IA qui agissent selon des processus et des scénarios précis, ce qui permet de tirer parti des données historiques des réclamations. Cette intégration a permis de concentrer les efforts des employés sur des tâches à valeur ajoutée.

Leçon : définir la valeur et appliquer l’IA à un processus d’affaires mesurable

Nous constatons un plus grand succès là où les clients intègrent une évaluation dans leur flux de travaux avant le déploiement, plutôt que de l’ajouter par la suite à un tableau de bord.

2. Gouvernance de l’IA renforcée grâce à la transparence et le contrôle

Une importante institution financière allemande a intégré avec succès la gouvernance de l’IA dans ses flux de travaux bancaires en :

• intégrant des systèmes de classification basés sur les risques;
• normalisant les modèles d’évaluation;
• appliquant des procédures de mise à l’essai conçues pour l’IA;
• intégrant une surveillance continue des activités.

Cela a permis d’aligner les flux de travaux sur les exigences réglementaires et les normes internationales comme ISO/IEC 42001. Ces efforts ont transformé la gouvernance de l’IA d’un élément de liste de vérification en un cadre de gestion concret établissant une responsabilité clairement définie, une gestion des risques tout au long du cycle de vie du système d’IA, en plus d’offrir la transparence et le contrôle nécessaires pour tisser des liens de confiance et déployer les projets pilotes d’IA à grande échelle.

Leçon : intégrer l’utilisation responsable et la sécurité

Nous constatons que la réussite se manifeste lorsque la gouvernance ne se limite pas qu’à la conformité, mais lorsque l’utilisation responsable et la sécurité sont intégrées aux processus à titre de mesure de protection.

3. Un flux de travaux repensé économise plus de 3 000 heures annuellement

ECH, un fournisseur de premier plan de services indépendants d’hébergement et de soins aux aînés de l’Australie-Méridionale, avait des partenaires de soins qui passaient jusqu’à 60 minutes par client à compiler manuellement des plans de soins, souvent dans un format incohérent et avec des omissions fréquentes de renseignements importants. L’objectif était de réduire le fardeau administratif afin que les partenaires de soins se concentrent davantage sur les clients. Nous avons repensé le flux de travaux grâce aux outils suivants.

• Un système de production de plans de soins propulsé par l’IA générative utilisant Amazon Bedrock et Claude Sonnet 3.5 v2.
• Amazon Transcribe afin de soutenir la transcription audio des entrevues de bien-être.
• L’ingénierie de requêtes personnalisées pour créer un persona de partenaire de soins empathique reposant sur l’IA.
• Un environnement d’accueil AWS sécurisé sur mesure afin de respecter les exigences de conformité du secteur des soins de santé.

Le nouveau système est en mesure de produire des plans de soins exhaustifs et normalisés en 36 secondes, ce qui améliore la précision de 35,3 % à 92,5 %, en plus d’économiser plus de 3 000 heures annuellement auprès de 2 300 clients. Cette initiative a permis de rediriger du temps précieux, autrefois accordé au fardeau administratif, vers le soutien aux clients.

Leçon : effectuer une refonte avant de passer à l’automatisation

Les clients constatent un plus grand succès lorsqu’ils effectuent une refonte de leurs flux de travaux et intègrent une gestion du changement, plutôt que d’ajouter l’IA à un processus existant imparfait.

Est-ce que vos préconceptions à propos de l’IA freinent votre progrès?

Comme c’est le cas avec l’IA et les autres technologies de pointe qui progressent plus rapidement que leur rythme d’intégration, les préconceptions à l’origine des premières adoptions semblent maintenant freiner le progrès. Voici quelques thèmes communs provenant de conversations avec nos clients.

1. « Je devrais conduire plusieurs projets pilotes dans différentes sphères de mon entreprise afin d’identifier le meilleur cas d’utilisation. »

Des projets pilotes ponctuels d’IA peuvent contribuer à maintenir les risques liés à la technologie et aux investissements relativement faibles. Ils peuvent également générer une vélocité initiale, mais pour les dirigeants, le danger est qu’ils créent souvent une illusion de progrès.

Solution : commencez par identifier le problème, puis adaptez la technologie aux besoins d’affaires.

2. « Mes projets d’IA ne génèrent pas de valeur, car je ne dispose pas des bons outils ni des environnements techniques appropriés. »

Lorsque les projets d’IA ne donnent pas les résultats attendus, l’instinct serait d’y mettre fin, de retourner à l’ancienne méthode de travail ou d’essayer un ensemble différent d’outils et de technologies. Bien qu’une expertise technique et un environnement approprié soient essentiels, la cause fondamentale peut se dissimuler ailleurs.

Solution : maîtrisez l’aspect humain du travail et tissez des liens de confiance avec les systèmes ainsi que les processus qui le soutiennent avant de penser que la technologie est l’élément problématique.

3. « Je devrais attendre de meilleures données et des conditions plus favorables avant de déployer l’IA dans l’ensemble de mon organisation. »

De meilleures données et des fondations plus robustes peuvent améliorer les résultats, mais attendre les conditions parfaites peut retarder le progrès.

Solution : définissez une valeur opérationnelle et des résultats clairs dès le début. L’IA peut également aider à améliorer les données au fil du temps.

De l’adoption à la création de valeur

L’adoption de l’IA était le commencement, pas l’objectif. La création de valeur réelle survient lorsque l’IA résout les défis d’affaires pertinents et s’intègre dans la méthodologie de travail. Elle doit également être évaluée selon des résultats concrets auxquels les dirigeants peuvent se fier. Les organisations qui effectuent cette transition transformeront l’IA d’une technologie prometteuse en une valeur opérationnelle durable.

 

Source:

1. Rebecca Hinds et coll., « Botsitting, botshitting et le travail humain caché de l’IA au travail », Indice de l’IA au travail 2026, Work AI Institute, Glean, accédé le 26 août 2026, https://www.glean.com/work-ai-institute/reports/work-ai-index (en anglais).

Haut de page