Le Pentagone a appris à se transformer grâce à l'IA. Les entreprises continuent de répéter ses erreurs passées
Il existe une donnée qui devrait mettre mal à l'aise tout dirigeant ayant approuvé un budget consacré à l'intelligence artificielle au cours des deux dernières années : les États-Unis, le pays qui fabrique les modèles les plus puissants du monde, occupent la 24e place du classement mondial en matière d'adoption de l'IA. Leur taux est de 28,3 %. Singapour est à 61 %. Les Émirats arabes unis, à 54 %. Goldman Sachs a enregistré que l'investissement dans l'IA a contribué « pratiquement zéro » à la croissance du PIB américain en 2025. Le problème n'est pas technologique. Il ne l'a jamais été.
Drew Cukor le sait mieux que presque quiconque. En tant que colonel des Marines à la retraite et fondateur du Projet Maven, le programme avec lequel le Département de la Défense a intégré l'IA dans ses flux opérationnels les plus complexes, Cukor a construit de l'intérieur ce que beaucoup considéraient comme impossible : démontrer qu'un logiciel commercial pouvait fonctionner au sein de la plus grande bureaucratie de la planète et produire des résultats que les systèmes précédents étaient incapables d'atteindre. Aujourd'hui, depuis son cabinet TWG AI, il observe comment les entreprises américaines commettent, point par point, les mêmes erreurs que le Pentagone a failli commettre avant que Maven ne fonctionne.
Son diagnostic, publié dans Fortune le 11 mai 2026, coïncide avec un moment singulier : deux jours plus tard, le Département de la Défense a annoncé des accords avec huit entreprises technologiques — Amazon Web Services, Google, Microsoft, OpenAI, SpaceX, NVIDIA, Reflection et Oracle — pour déployer des capacités d'IA de pointe dans ses réseaux classifiés de niveau IL6 et IL7. Le Pentagone ne débat plus de l'opportunité d'adopter l'IA. Il est en train d'exécuter.
Le fossé qui sépare construire d'intégrer
L'indice Stanford 2026 sur l'intelligence artificielle ne décrit pas un échec de la recherche. Il décrit un échec de la mise en œuvre. Les États-Unis sont en tête des benchmarks, de l'investissement dans les modèles et de la capacité de calcul. Mais cet avantage ne se traduit pas en usage opérationnel, parce que les organisations qui devraient déployer cette technologie n'ont pas modifié leur architecture interne pour la recevoir.
Cukor introduit ici une distinction qui vaut plus que la plupart des cadres stratégiques qui circulent lors des conférences de C-suite : la différence entre une organisation augmentée par l'IA et une organisation native de l'IA. Ce n'est pas de la sémantique. C'est la différence entre coller un nouveau moteur sur une vieille structure et reconstruire la structure depuis sa conception en pensant à ce moteur.
Lorsque le Pentagone a lancé Maven, il ne l'a pas traité comme une expérience technologique ni comme un pilote limité. Les dirigeants seniors s'en sont personnellement saisis et l'ont défendu au sein de la bureaucratie. Des flux de travail ont été démontés, on ne s'est pas contenté de leur greffer un logiciel par-dessus. Le seul indicateur qui comptait était opérationnel : ce que les soldats pouvaient faire qu'ils ne pouvaient pas faire auparavant. Cette discipline est ce qui a fait fonctionner le programme. Et cette discipline est précisément ce qui manque dans la grande majorité des programmes corporatifs d'IA qui existent aujourd'hui.
L'initiative chinoise « AI Plus » fonctionne selon une logique structurellement similaire à celle de Maven, bien que du côté opposé du spectre politique. Pékin ne construit pas des modèles pour concourir dans des classements. Il intègre l'IA dans la fabrication, la logistique, la recherche scientifique, la santé et l'éducation, avec des ensembles de données industriels spécifiques et des agents conçus pour des flux de travail concrets. Il ne débat pas de contrôle ni de confinement. Il déploie. Cette différence de vitesse entre la puissance d'invention américaine et la capacité d'intégration chinoise est le fossé que Cukor désigne comme le risque concurrentiel central de cette décennie.
Trois défaillances que le Pentagone a failli ne pas survivre
Cukor identifie avec précision les trois erreurs qui ont transformé Maven en une transformation possible, parce qu'elles ont failli ne pas se produire.
La première est la délégation sans appropriation. Dans trop nombreuses entreprises, la stratégie d'IA est déléguée à un Chief AI Officer ou à un laboratoire d'innovation. Ces structures sont conçues, même si personne ne l'admet, pour signaler des progrès sans menacer la distribution de pouvoir existante. Le résultat est ce que Cukor appelle « le purgatoire du pilote » : des projets qui ne meurent jamais parce que personne ne les a tués, mais qui ne passent pas non plus à l'échelle parce que personne ne les a véritablement portés. Maven a fonctionné parce que les dirigeants seniors n'ont pas délégué la propriété du problème. Ils se la sont appropriée.
La deuxième erreur est de superposer l'IA sur des processus hérités. Il existe une façon d'utiliser l'IA qui garantit des résultats médiocres : prendre le flux de travail actuel et lui ajouter un modèle. Les gains d'efficacité seront marginaux parce que la structure qui génère le goulot d'étranglement demeure intacte. Si, après le lancement d'une initiative d'IA, l'organigramme, les chaînes d'approbation et le rythme opérationnel de l'entreprise sont les mêmes qu'avant, aucune transformation n'a eu lieu. Une décoration s'est produite.
La troisième erreur est de mesurer l'activité plutôt que les résultats. Modèles entraînés, preuves de concept complétées, partenariats annoncés : ce sont des indicateurs de mouvement, non d'impact. Maven se mesurait à ce que les opérateurs pouvaient faire qu'ils ne pouvaient pas faire auparavant. C'est la seule question qui importe dans un programme d'IA qui prétend changer quelque chose.
Ces trois erreurs ne sont pas des accidents d'ingénierie. Ce sont des accidents de gouvernance. Elles naissent d'organisations qui veulent l'image de la transformation sans assumer le coût politique interne qu'implique le démantèlement de ce qui existe.
Ce que l'annonce du 13 mai révèle sur l'exécution réelle
L'accord que le Département de la Défense a annoncé le 13 mai 2026 avec huit entreprises technologiques pour opérer dans des réseaux classifiés IL6 et IL7 n'est pas simplement une information sur des contrats. C'est un signal sur le type d'institution capable de faire passer l'IA à l'échelle dans des conditions de complexité et de contrainte maximales.
Que le Pentagone, historiquement connu pour ses échecs en matière d'acquisition de logiciels, ait réussi à articuler une plateforme d'IA fonctionnelle dans des environnements à classification maximale est, en soi, un cas de maturité structurelle. Pas de technologie. Le CTO du Département de la Défense a unifié le processus sous une structure d'alignement d'entreprise, comme le décrivent les analyses du programme. Cela signifie que quelqu'un a pris la décision de briser les silos qui avaient historiquement empêché les systèmes technologiques du Pentagone de fonctionner de manière cohérente.
La leçon que ce mouvement offre au secteur privé est inconfortable : si une bureaucratie de cette envergure et de cette rigidité historique a été capable de se réorganiser pour intégrer l'IA de façon opérationnelle, l'explication la plus honnête de la raison pour laquelle les entreprises privées ne le font pas n'est pas un manque de ressources ni un manque de talent. C'est un manque de volonté d'assumer le coût politique interne de changer qui décide quoi, comment et à quelle vitesse.
L'analyse de Cukor sur la différence entre les entreprises qui exécutent des expériences d'IA et les entreprises qui exécutent des transformations d'IA pointe exactement vers ce point. Ce n'est pas un problème de budget. C'est un problème de savoir qui, au sommet, est prêt à mettre son nom sur l'échec intermédiaire qui précède toute transformation profonde.
La maturité structurelle n'est pas ce que le système prétend avoir
Il existe une fragilité spécifique qui apparaît avant que le problème ne soit visible. Les organisations qui vont échouer dans leur transformation par l'IA ne l'annoncent pas. Elles ont des feuilles de route, elles ont des laboratoires, elles ont des Chief AI Officers dotés d'un budget. Mais si l'on observe de près la chaîne de décisions, le schéma apparaît : les décisions difficiles, celles qui impliquent de supprimer des processus ou de modifier des structures de pouvoir, ne sont jamais prises. Elles sont reportées, pilotées, étudiées. Et le système continue de fonctionner, avec une apparence de modernisation, jusqu'à ce que les concurrents qui ont bien pris ces décisions rendent le coût de l'inertie impossible à ignorer.
Cukor décrit cela comme un « ajustement de comptes en col blanc » qui pourrait être pire que la vague de délocalisation industrielle des années soixante-dix, mais plus rapide et moins pardonnable. Non pas parce que l'IA est inévitablement substituable à l'emploi, mais parce que les entreprises qui ne réorganisent pas leurs structures de décision, d'approbation et d'opération se retrouveront dans une position de désavantage cumulatif face aux concurrents qui l'ont fait, qu'il s'agisse d'entreprises occidentales ou d'économies asiatiques qui traitent déjà l'IA comme une infrastructure opérationnelle.
La différence entre le Pentagone d'avant Maven et celui d'après n'est pas qu'il dispose aujourd'hui de meilleurs modèles. C'est qu'il a appris à soutenir une transformation avec une appropriation exécutive, avec le démontage de ce qui existait et avec des indicateurs qui mesuraient des résultats. Cet apprentissage a mis des années à se consolider et a failli s'effondrer plusieurs fois. Les entreprises privées n'ont pas la même tolérance au temps, mais elles n'ont pas non plus la même excuse pour ignorer le schéma.
Un système qui semble solide parce qu'il dispose d'une technologie avancée, mais qui n'a pas touché à sa structure de décisions ni à sa chaîne d'approbations, n'est pas un système transformé. C'est un système qui a acheté du temps. La durée de ce délai dépend du temps que mettront ses concurrents à faire ce qu'il n'a pas encore fait.
