Les dépenses en IA ont augmenté de 110 % et les systèmes sous-jacents n'ont pas suivi
Cela fait trois ans que ServiceNow mesure la maturité de l'IA au sein des grandes entreprises. En 2026, l'indice qu'ils construisent à partir d'enquêtes menées auprès de plus de 4 500 cadres et 2 000 employés à travers le monde a enregistré une amélioration notable : 16 points de progression, atteignant 51 sur 100. Cela semble prometteur, jusqu'à ce que l'on lise la ligne suivante : alors que les dépenses des entreprises en IA ont augmenté de 110 % en glissement annuel, les capacités fondamentales dont cette IA a besoin pour fonctionner à grande échelle n'ont tout simplement pas suivi. L'argent est arrivé. L'architecture, non.
C'est la donnée qui devrait préoccuper tout directeur financier ayant approuvé un budget IA au cours des 18 derniers mois sans examiner également les données, les flux de travail et les protocoles de gouvernance qui se trouvaient en dessous. Ce n'est pas un problème de technologie. C'est un problème de séquence.
Quand l'investissement précède la structure
Il existe un schéma qui se répète à chaque grande vague technologique : les dépenses devancent la préparation. C'est ce qui s'est passé avec les ERP, avec le cloud, avec les programmes big data du milieu de la décennie passée. La différence cette fois, c'est l'échelle. Selon les projections de Gartner, les dépenses mondiales en IA atteindront 2 590 milliards de dollars en 2026, soit 47 % de plus que l'année précédente. Stanford HAI a documenté que l'investissement privé mondial en IA a atteint 344,7 milliards de dollars en 2025, soit 127,5 % de plus qu'en 2024. Et rien qu'au premier trimestre 2026, Amazon, Google, Microsoft et Meta ont investi conjointement 130,65 milliards de dollars dans les infrastructures, en grande partie orientées vers l'IA.
Ces chiffres sont réels. Le problème, c'est ce qu'ils ne mesurent pas : si les entreprises qui alimentent cette demande disposent des systèmes internes nécessaires pour tirer parti de ce qu'elles achètent.
L'indice de ServiceNow indique avec précision où se produit la rupture. Les organisations ont acheté des modèles, des outils et des plateformes d'IA. Mais leurs données restent fragmentées dans des silos qui ne communiquent pas entre eux, leurs flux de travail n'ont pas été repensés avant d'être automatisés, et leurs employés n'ont pas été intégrés au processus de changement suffisamment tôt. La conséquence structurelle est prévisible : l'IA produit des résultats incohérents, les équipes perdent confiance dans les sorties du système, et les projets s'enlisent dans des phases pilotes indéfinies sans jamais atteindre la production.
Holly Briedis, vice-présidente senior des industries et solutions mondiales chez ServiceNow, le décrit avec une image précise : la plupart des organisations essaient de faire de la Formule 1 sur une infrastructure de karting. Les données fonctionnent comme un patchwork déconnecté, et lorsqu'on tente de faire tourner des flux de travail horizontaux sur cet environnement, les coutures apparaissent immédiatement.
Ceux qui avancent ont pris une décision en amont
L'indice identifie un groupe qu'il appelle les Pacesetters : les 21 % des organisations interrogées affichant les scores les plus élevés en matière de maturité. Ce qui les distingue, ce n'est pas qu'elles aient dépensé davantage, mais qu'elles ont intégré et modernisé leurs données avant de déployer l'IA, et non après. 64 % de ce groupe intègre et optimise ses données de manière numérique, contre seulement 14 % pour le reste. Elles ne rencontrent pas moins de problèmes de données que les autres ; elles les résolvent plus rapidement parce qu'elles ont construit la capacité à les détecter et les corriger comme une composante native de la conception du système.
Elles se distinguent également dans la façon dont elles conçoivent le rôle de l'IA au sein de l'entreprise. 57 % des Pacesetters établissent une vision stratégique partagée pour l'IA qui va au-delà de l'efficacité opérationnelle. Elles n'automatisent pas des processus défaillants, elles repensent la manière dont le travail circule. La distinction n'est pas sémantique : automatiser un processus mal conçu ne fait que produire des erreurs plus rapidement et à plus grande échelle.
Il y a une décision implicite dans cette approche qui mérite d'être nommée. Les Pacesetters ont, en effet, renoncé à la rapidité de déploiement à court terme. Elles ont choisi de construire les fondations avant d'élever les étages. Dans le contexte actuel, où les conseils d'administration exigent de présenter des cas d'usage de l'IA à chaque réunion trimestrielle, ce renoncement a un coût politique interne loin d'être négligeable. Celles qui l'ont assumé récoltent aujourd'hui un avantage qui ne se réplique pas facilement en six mois.
La gouvernance n'est pas un frein, c'est ce qui permet de passer à l'échelle
L'un des résultats les plus significatifs de l'indice pointe directement vers les équipes dirigeantes : la moitié des employés interrogés estiment que leurs emplois seront moins nécessaires à mesure que l'IA agentique évolue, et ils n'ont pas le sentiment que leurs organisations les préparent à ce qui vient. Briedis le nomme sans détour : ce n'est pas un déficit de compétences, c'est un déficit de leadership.
Le constat a une mécanique concrète. Lorsque les employés ne font pas confiance aux résultats que produit l'IA, ils contourneront la technologie. Ils créeront leurs propres raccourcis, leurs propres solutions de contournement, leurs propres registres parallèles. Le déploiement de l'IA se maintient formellement sur le papier, mais se vide opérationnellement. Le retour sur investissement n'apparaît jamais, non pas parce que la technologie a échoué, mais parce que l'organisation ne l'a jamais vraiment adoptée.
Une gouvernance bien conçue fonctionne exactement à l'inverse de la façon dont elle est habituellement présentée. Ce n'est pas un ensemble de restrictions qui ralentit l'IA ; c'est l'échafaudage à l'intérieur duquel l'autonomie du système peut opérer sans générer de méfiance. Lorsque les protocoles sont clairs, les équipes peuvent distinguer un output fiable d'un output qui nécessite une révision. Lorsqu'ils ne le sont pas, le réflexe humain consiste à se méfier de tout, et la technologie se retrouve sous-utilisée.
Il en va de même pour les données. Là où un être humain peut contourner un silo d'information en faisant appel à son jugement, à sa compréhension contextuelle et aux connexions informelles accumulées au fil d'années de travail, l'IA, elle, ne le peut pas. L'IA a été conçue pour résoudre des problèmes horizontalement, en traversant les fonctions et les départements. Si les données ne circulent pas entre ces fonctions, l'IA opère avec une fraction de l'information dont elle a besoin et ne délivre qu'une fraction de la valeur qu'elle pourrait apporter.
Ce que révèle l'écart entre dépenses et maturité
Le schéma documenté par l'indice de ServiceNow n'est pas nouveau, mais il atteint désormais une dimension où les conséquences sont plus difficiles à absorber. Oxford Economics projette que les dépenses mondiales en IA passeront de 340 milliards de dollars en 2025 à près de 3 000 milliards en 2035, représentant environ 23 % des dépenses technologiques totales des entreprises. BCG documente que les grandes entreprises s'attendent à doubler leurs dépenses en IA en 2026, passant de 0,8 % à 1,7 % de leurs revenus.
Avec une telle ampleur d'investissement, le coût de ne pas avoir les systèmes sous-jacents prêts cesse d'être un problème informatique pour devenir un problème d'allocation de capital. Si les dépenses doublent mais que la maturité opérationnelle n'évolue pas dans la même proportion, les entreprises construisent une charge financière croissante sur une base qui n'est pas encore en mesure de la supporter. Les pilotes qui n'atteignent jamais la production ne sont pas des échecs d'apprentissage neutres : ils consomment du budget, du temps des équipes techniques et, surtout, la crédibilité interne nécessaire aux prochains cycles d'investissement.
Les secteurs qui font preuve de la plus grande urgence sont ceux qui ont le plus à perdre en cas de retard. Les entreprises technologiques et les institutions financières prévoient de consacrer environ 2 % de leurs revenus à l'IA en 2026, selon BCG. Dans ces secteurs, la concurrence n'attend pas que les retardataires remettent leurs données en ordre. Le temps entre la décision d'investissement et le résultat visible n'est plus suffisant pour remédier en parallèle à ce qui aurait dû être construit en amont.
L'indice de ServiceNow, lu comme un document de diagnostic sectoriel plutôt que comme une pièce marketing, décrit un moment particulier sur la courbe d'adoption de l'IA en entreprise. Les dépenses ont déjà engagé la mise. Ce qui détermine qui convertit cette mise en avantage durable n'est ni le prochain modèle acheté ni le prochain pilote annoncé : c'est de savoir si l'architecture des données, les processus repensés et la culture organisationnelle sont en mesure de soutenir ce que le budget a déjà promis de livrer.
