Treize pour cent. C’est la part des organisations qui déclarent tirer une valeur significative de l’IA à l’échelle de toute leur boîte, d’après les données d’Accenture reprises par CNA. Le reste, donc 87 %, a signé les licences, collé un copilote dans le navigateur, monté un comité « IA » avec un logo et attend toujours la couleur du retour sur investissement.
Avant de taper sur les entreprises qui rament, va regarder les vendeurs de rames. Leur propre expérience rend le constat instructif.
Le marchand de transformation n’a pas fini la sienne
La neuvième édition de l’étude « Grand angle ESN & ICT » de KPMG-Numeum lâche un chiffre que personne ne met en ouverture de keynote : l’IA pèse en moyenne 7 % du chiffre d’affaires des entreprises de services numériques françaises. L’objectif moyen à trois ans : 18 %. Dix-neuf pour cent des acteurs dépassent aujourd’hui les 10 %, et 82 % visent ce seuil d’ici trois ans.
Relis la phrase précédente. Ceux qui te vendent la bascule vers l’IA en sont à 7 % de leur propre chiffre d’affaires, et ils promettent 18 % dans trois ans. Ils ne sont pas en avance sur toi, ils sont sur le même chantier, avec des slides plus jolies.
Leur propre diagnostic est sans pitié : 58 % des dirigeants du secteur anticipent un impact fort ou disruptif de l’IA générative et agentique sur leur business model. Et 80 % citent les nouvelles entreprises « AI-native » à bas coût comme premier risque, devant l’internalisation par les clients (53 %) et le développement d’agents maison par ces mêmes clients (48 %). Braquer le projecteur sur les autres, c’est commode.
La bonne nouvelle, c’est qu’ils ont compris que le modèle au jour-homme ne tient plus. Deux ESN et ICT sur trois font déjà évoluer leur pricing : 59 % vers l’unité d’œuvre ou le forfait, 42 % vers l’abonnement, 33 % vers la valeur ou le résultat, 13 % vers le success fee. Une mission à quelques milliers d’euros peut générer une valeur estimée à plusieurs centaines de milliers pour le client, racontent des dirigeants dans l’étude. Voilà pourquoi il faut arrêter de facturer le temps passé. J’en causais déjà à propos du temps que l’IA te fait gagner et que quelqu’un d’autre paie : le même raisonnement vaut pour l’autre côté de la table.
Le trou dans la caisse, personne ne veut le mesurer
38 % des ESN et ICT déclarent plus de 20 % de gains de productivité sur le delivery. Sur l’impact en marge, 27 % des grandes entreprises et ETI et 42 % des PME et TPE avouent ne pas l’avoir évalué. Le gain de prod est clair, le bénéfice économique reste une hypothèse. À côté, 67 % ont une politique IA formelle et 17 % n’ont encore aucun cadre. Voilà le niveau de maturité réel du secteur qui forme tes équipes à l’IA.
Chez les clients, le constat ne s’arrange pas. Accenture pointe la faute de méthode : les organisations qui calent déploient des agents partout, fonction par fonction, au lieu de viser les points de décision à fort impact. Elles dépensent plus en techno qu’en gens, et confondent un pilote réussi avec une transformation. Le rapport Ecosystm 2026, « Making AI Work: Strategy, Data, and the Power of Ecosystems », mesure le même écart en Inde : 83 % des organisations discutent avec des partenaires technologiques, mais 23 % seulement ont intégré l’IA dans leur stratégie d’entreprise. L’ambition court, l’exécution trottine.
Vivek Luthra, qui pilote IA et data chez Accenture pour l’Asie-Pacifique et l’Asie du Sud-Est, liste les cinq traits communs des boîtes qui s’en sortent : un socle numérique sûr, de la donnée propre, une gouvernance responsable, un patron qui porte le sujet, des équipes formées. Le même monsieur a un chiffre qui devrait finir imprimé dans les open spaces : les initiatives sponsorisées par le CEO ont délivré 2,5 fois plus de valeur que celles portées plus bas dans l’organigramme. Sur le changement de management, sa formule mérite le cadre : « dans trop de programmes IA, la conduite du changement est traitée comme la dernière étape, alors qu’elle doit être la première ».
L’Asie du Sud-Est ajoute sa couche de complications. Pas assez d’ingénieurs IA spécialisés, compétition féroce dessus, et à côté une main-d’œuvre à l’aise avec le numérique mais qui n’a jamais bossé avec une IA. Des réglementations différentes pays par pays, des langues différentes, 64 % des organisations de la zone qui veulent investir davantage dans une IA souveraine, des systèmes hérités qui n’ont jamais été pensés pour ça. Un modèle entraîné sur les données d’un pays peut se planter dans le pays d’à côté. Ce n’est pas une bizarrerie locale, c’est l’architecture qu’il faut repenser dès le premier jour.
Même les AI-native cherchent encore la bonne règle
Tu peux alors te demander ce qu’il en est des boîtes qui ont vraiment tout rebâti autour de l’IA. Alex Lieberman et CJ Hess, de Tenex, en ont discuté à l’AI Engineer de New York. Leur pari de départ est déjà une réponse au problème de mesure : payer les ingénieurs IA au résultat livré, pas à l’heure passée devant le clavier. Logique imparable, avec un effet de bord évident. Alex raconte son propre cas : « mon output s’améliorait et s’accélérait, et au final j’étais payé moins. » Quand l’IA te rend plus rapide, la facture horaire te punit.
Leurs craintes de base ne se sont pas matérialisées. Personne ne gonfle vraiment les estimations ni ne soude du code pourri pour empiler des story points, raconte Alex. Leurs stratèges IA répondent de la rétention et de la croissance client, donc ont intérêt à contester un travail inutile. Reste la question qui fâche : comment rémunérer ce qui ne rentre pas dans un ticket, comprendre le problème du client, dessiner une archi, décider ce qu’il faut construire. CJ code de moins en moins et passe de plus en plus de temps à fourrer le contexte du client dans une forme exploitable par le modèle. Une grille de paie bâtie sur les tâches livrées doit encaisser ce déplacement.
Leur outil interne, MetaHarness, compile compétences, documents projet et CLI dans un même endroit, avec plans et décisions commités dans Git à côté du code. L’agent qui reprend une tâche lit non seulement ce qui a été construit, mais pourquoi l’équipe a choisi de le construire comme ça. Leur propre documentation reconnaît le revers : autant de structure, c’est too much pour une petite équipe sur un seul projet. Et la phrase qui aurait dû être placardée dans toutes les boîtes qui « digitalisent leurs processus » : on ne peut pas automatiser un processus qui n’existe pas.
Bonus de lucidité, leur expérience Kill My SaaS. Remplacer un outil de gestion de conférenciers facturé 43 000 dollars par an, 72 candidatures, et l’équipe qui a convaincu les juges humains n’était que 19e au classement du juge IA. Vérifier qu’un logiciel coche une liste de scénarios et déterminer si les gens ont envie de l’utiliser, ce sont deux métiers. Voilà où en est la mesure de la valeur en 2026.
Tout le monde sait combien de tokens il a brûlés ce mois-ci. Personne ne sait ce que ça lui a rapporté. À un moment, il faudra choisir lequel des deux chiffres monte dans la slide.
Sources :
Comments are closed