Fonds colossaux, transformation indéfinie : le problème structurel de l'IA au sommet de la hiérarchie
Il existe une ligne dans presque tous les budgets d'entreprise du moment. Elle porte un nom comme « transformation par l'intelligence artificielle », elle affiche un montant, et elle est signée par un membre du comité exécutif. Ce qu'elle ne contient pas, dans la majorité des cas, c'est une définition opérationnelle de ce que cet argent achète exactement.
Gartner prévoit que les dépenses des entreprises en IA atteindront 2 590 milliards de dollars en 2026, soit une augmentation de 47 % en une seule année. Dans le même temps, des recherches menées par IBM indiquent que seulement 29 % des dirigeants sont en mesure de mesurer avec confiance le retour sur cet investissement. La distance entre ces deux chiffres n't est pas une ironie statistique : c'est la carte d'un problème structurel que les organisations n'ont pas encore correctement nommé.
Le budget existe déjà. La transformation, en tant que concept opérationnel, n'existe pas encore.
Ce qui est frappant, ce n'est pas qu'il existe une incertitude technique autour de l'IA — ce qui est prévisible pour une technologie jeune et en rapide évolution. Ce qui est frappant, c'est le schéma de gouvernance qui s'installe sous cette incertitude : des dirigeants qui approuvent des investissements historiques sans avoir d'abord répondu aux questions qui détermineront si ces investissements produisent quoi que ce soit. Et un marché de solutions technologiques parfaitement disposé à fournir les définitions que l'acheteur n'a pas construites lui-même.
Le C-Suite a pris le volant sans avoir la carte
Pendant des années, la stratégie d'intelligence artificielle relevait des départements technologiques. Cela a changé. Forbes Research documente que l'autorité sur les décisions en matière d'IA a migré du service informatique vers la haute direction : ce sont désormais les directeurs généraux, les directeurs financiers et les directeurs des opérations qui contrôlent les budgets, hiérarchisent les initiatives et fixent la direction.
En parallèle, une étude ayant analysé plus de 2 000 organisations, citée par CNBC, a révélé que 76 % d'entre elles disposent déjà d'un poste de Directeur de l'IA (CAIO, pour Chief Artificial Intelligence Officer), contre 26 % l'année précédente. Cinquante points de pourcentage en douze mois. Cette vitesse d'installation de nouveaux rôles exécutifs ne témoigne pas d'une maturité structurelle : elle témoigne d'une urgence politique. Les conseils d'administration exigent que quelqu'un soit responsable de l'IA, et les organisations répondent en créant des postes avant même d'avoir défini ce que ces postes feront concrètement.
IBM a documenté dans son étude mondiale de 2026 que les directeurs généraux redessinaient activement les rôles du comité de direction pour en extraire un avantage concurrentiel grâce à l'IA. Deloitte, depuis son pôle de conseil, recommande explicitement d'investir du temps et des programmes pour former le comité de direction lui-même à l'IA générative — ce qui revient à admettre que ce comité ne dispose pas encore des compétences nécessaires pour gouverner ce qu'il finance. Ces deux signaux réunis — refonte accélérée des rôles et besoin reconnu de former les décideurs — dressent le portrait d'une organisation qui a installé l'accélérateur avant de former le conducteur.
Le problème ne réside pas dans le fait que les dirigeants manqueraient d'intelligence ou de bonne volonté. Il réside dans le fait que la structure de prise de décision n'a pas été repensée avant que l'argent ne commence à circuler. Un conseil d'administration peut approuver un budget en quelques heures. Construire le discernement nécessaire pour le dépenser intelligemment demande des mois de travail honnête sur l'organisation.
Ce que produit cette séquence inversée est prévisible : des pilotes fragmentés sans lien avec des objectifs commerciaux concrets, des outils dupliqués qui résolvent le même problème de manières incompatibles, et des indicateurs de succès définis par les fournisseurs parce que l'organisation ne les a pas définis en amont. L'argent est dépensé. La transformation n'a pas lieu.
L'écart que personne ne mentionne en réunion
Il existe une donnée qui mérite une attention soutenue. L'entreprise de formation Multiverse a publié une étude sur la main-d'œuvre administrative au Royaume-Uni qui a révélé ce qui suit : 59 % des dirigeants estiment que leurs équipes collaborent avec l'IA quotidiennement. Seuls 42 % des employés affirment que c'est le cas. Dix-sept points d'écart entre la perception du niveau exécutif et la réalité du niveau opérationnel.
Cet écart n'est pas seulement un problème de communication interne. C'est un problème de calibrage stratégique. Si la haute direction prend des décisions sur le rythme d'adoption, les plans de formation et les retours attendus en s'appuyant sur une image de l'utilisation réelle qui est gonflée de près de 40 %, alors les projections de productivité qui ont justifié le budget sont structurellement incorrectes. Non pas par malhonnêteté, mais parce que personne n'a mis en place le mécanisme permettant de mesurer ce qui se passe réellement aux niveaux intermédiaires et opérationnels.
Axios a documenté un autre angle de la même fracture : des enquêtes menées auprès d'entreprises utilisant l'IA montrent qu'une proportion de dirigeants décrit la mise en œuvre comme quelque chose qui « divise l'organisation ». Cette description ne pointe pas vers des problèmes techniques. Elle signale que la narrative de la transformation a été construite de haut en bas, sans que les niveaux chargés de l'exécuter aient été associés à la conception.
L'architecture humaine du changement — qui participe, à quel moment, avec quelles informations et avec quelle capacité d'influer sur les décisions — détermine si une transformation technologique produit une nouvelle capacité ou simplement une nouvelle friction. Et cette architecture, dans la majorité des cas que les données décrivent, a été la dernière chose à avoir été prise en considération.
Une organisation peut avoir un Directeur de l'IA, un budget approuvé et une présentation exécutive impeccable, et demeurer structurellement fragile si la conception humaine du changement n'existe pas. Le poste et le budget sont des signaux visibles. La fragilité se trouve dans ce que l'on ne voit pas encore.
Quand le marché définit la transformation que l'entreprise n'a pas su définir
Il existe une mécanique de marché qui opère en silence derrière cette dynamique. Lorsqu'une organisation arrive à évaluer des solutions sans avoir défini son problème opérationnel avec précision, c'est le fournisseur qui finit par fournir la définition. Non par malveillance, mais parce que quelqu'un doit combler le vide, et le fournisseur dispose de toute l'infrastructure narrative pour le faire : cas d'usage, benchmarks, démonstrations, et un récit sur ce qu'est la transformation qui, par coïncidence, place son produit au centre de l'histoire.
Le résultat, c'est que les organisations achètent des définitions empruntées. Et une définition empruntée n'est pas une stratégie : c'est une liste de courses que quelqu'un d'autre a rédigée.
Cela n'est pas nouveau dans le cycle d'adoption technologique. Ce qui change avec l'IA générative, c'est l'ampleur de ce qui est en train d'être décidé. Les technologies précédentes — plateformes de données, automatisation des processus, logiciels de gestion — réorganisaient la façon dont les gens travaillaient. L'IA générative, dans ses versions les plus ambitieuses, réorganise qui effectue le travail. Cette distinction n'est pas rhétorique : elle change entièrement le type d'analyse organisationnelle nécessaire avant d'engager du capital.
Lorsqu'une entreprise achète une plateforme de données, la question est de savoir quels processus sont optimisés. Lorsqu'elle délègue un travail autonome à un système d'IA, la question est de savoir quel travail cesse d'être de la responsabilité humaine, dans quelles conditions, avec quelle supervision et avec quelles conséquences si le système défaille. Ces questions, le fournisseur n'y répond pas. Et les données actuelles suggèrent que la majorité des comités exécutifs n'y répondent pas non plus avant de signer.
Seules 39 % des organisations disposent de normes de référence pour les outils d'IA générative que leurs employés utilisent déjà, selon des analyses récentes sur la gouvernance de l'IA. Ce chiffre ne décrit pas une industrie en train de construire ses cadres de gouvernance. Il décrit une industrie qui a déjà déployé la technologie et n'a toujours pas construit ces cadres. La séquence est inversée, et l'exposition qu'elle génère — réglementaire, opérationnelle, réputationnelle — est bien réelle, même si elle n'a pas encore produit d'incidents visibles.
L'épreuve de maturité qu'aucun fournisseur n'administrera
Le schéma qui émerge de toutes ces données possède une caractéristique spécifique qui mérite d'être nommée avec précision : ce n'est pas un problème de vitesse, mais de séquence. Les organisations ne vont pas trop vite vers quelque chose de bien défini. Elles dépensent beaucoup pour quelque chose dont la définition reste floue, parce que la séquence a été : budget d'abord, définition ensuite.
IBM conclut que les directeurs généraux redéfinissent les rôles du comité de direction pour créer davantage d'impact commercial à partir de l'IA. Deloitte demande aux organisations d'acquérir une compréhension réelle de la réglementation qui accompagne l'IA et d'investir dans la mise à niveau des compétences du leadership lui-même. Les deux recommandations supposent qu'il existe aujourd'hui un écart entre ce que le leadership comprend et ce que le leadership décide. Elles ne le disent pas exactement en ces termes, mais c'est ce que les données décrivent.
La maturité structurelle d'une organisation face à une transformation technologique ne se mesure pas à la taille du budget ni au titre du nouveau poste exécutif créé. Elle se mesure à la qualité des questions auxquelles le leadership a été capable de répondre avant d'engager le capital : quel travail spécifique est redistribué, à quelles conditions, avec quels mécanismes de supervision, avec quelle définition du succès qui ne dépende pas du critère du fournisseur, et avec quelle capacité réelle du système à mesurer ce qui se passe aux niveaux opérationnels.
Ces questions ne sont pas techniques. Ce sont des questions de gouvernance organisationnelle. Et le fait que 71 % des organisations ne puissent pas mesurer le retour sur leur investissement en IA suggère que la majorité est arrivée à dépenser sans y avoir répondu.
Le poste de Directeur de l'IA prolifère, les budgets croissent de 47 % par an et le marché des solutions est parfaitement disposé à fournir de la certitude à quiconque la recherche. Ce que le marché ne fournit pas, c'est la capacité d'une organisation à définir son propre problème avant d'acheter la solution. Cette capacité se construit en interne, avec du temps et avec honnêteté sur ce que le système ne sait pas encore faire. Les organisations qui la développeront avant que la pression concurrentielle ne les contraigne à agir sans elle seront celles qui pourront évaluer, dans trois ans, si ce qu'elles ont financé était une transformation ou un transfert de budget vers des définitions que d'autres ont rédigées à leur place.
