ACCÉDER À LA SECTION
Adapter le modèle opérationnel pour préparer l’entreprise à l’IA
Dépasser le stade pilote pour gagner en maturité IA
Mettre en place les systèmes nécessaires pour déployer les idées d’IA à grande échelle
Adapter les workflows à l’IA pour créer de la valeur
Déployer l’IA à grande échelle exige une série de décisions
Transformer les ambitions en matière d’IA en résultats concrets
La majorité des organisations investissent dans l’IA, mais seule une petite minorité parvient à la déployer à grande échelle. L’étude mondiale d’Adobe révèle que l’écart ne tient pas à un meilleur accès à la technologie, mais au modèle opérationnel mis en place autour de l’IA. Ce rapport analyse les obstacles qui freinent les entreprises, les pratiques qui distinguent les leaders et les étapes nécessaires pour transformer les investissements dans l’IA en réussite commerciale.
La préparation à l’IA ne se résume plus à l’accès aux modèles ou au nombre de projets pilotes en cours. De nombreuses entreprises ont déjà investi dans l’IA et mis en production leurs premiers cas d’usage. Pourtant, à technologies, investissements et ambitions comparables, elles obtiennent encore des résultats très différents. Le véritable facteur de différenciation réside dans le modèle opérationnel déployé autour de l’IA : la répartition des responsabilités, les processus décisionnels, la mesure des résultats et l’intégration de l’IA dans les activités quotidiennes.
Pour comprendre ce qui distingue les entreprises qui déploient l’IA à grande échelle de celles qui restent au stade de l’expérimentation, Adobe a chargé Incisiv d’interroger 5 633 cadres dirigeants issus de 12 secteurs et de 11 marchés à travers le monde. Cette enquête a été complétée par des entretiens approfondis avec plus de 50 de ces cadres. Les résultats révèlent une nette fracture structurelle.
des organisations sont bloquées au stade du pilotage ou du déploiement.
sont des entreprises leaders qui associent déploiement IA à grande échelle et modèle opérationnel mature.
« Les entreprises leaders considèrent le modèle opérationnel comme une composante à part entière de leurs capacités en matière d’IA : c’est lui qui transforme la production des modèles en résultats concrets pour l’entreprise. Leur différence est structurelle. Elles définissent les responsabilités, les indicateurs de mesure et les pouvoirs décisionnels avant de déployer leurs initiatives d’IA à grande échelle. »
Christopher Young
Senior Director, Global Industry Strategy, Adobe
Pour la plupart des organisations, le problème n’est pas l’IA en elle-même, mais son déploiement à grande échelle. Ce constat est particulièrement manifeste chez les entreprises bloquées à mi-parcours, qui représentent 58 % des organisations étudiées. Elles restent cantonnées aux phases d’expérimentation ou de déploiement, alors même qu’elles ont mis en production des cas d’usage de l’IA et obtenu de premiers résultats. Ce qui leur fait défaut, c’est un modèle opérationnel à l’échelle de l’entreprise. Chaque fonction déploie ses propres cas d’usage IA de manière autonome, mais faute de gouvernance et de coordination communes, ces réussites restent isolées au lieu d’être étendues à l’ensemble de l’entreprise.
« La direction voulait savoir à quelle vitesse nous avancions sur l’IA. Nous avions une belle réponse : de nombreux lancements, une activité soutenue et une feuille de route bien remplie. La donne a changé lorsqu’on nous a demandé combien d’initiatives avaient réellement fait bouger les lignes. Lorsque nous les avons enfin comptabilisées, le résultat était loin d’être satisfaisant. »
Directeur ou directrice de la stratégie et de la transformation,
Entreprise de grande consommation
En croisant le niveau de déploiement et la maturité du modèle opérationnel, quatre catégories d’entreprises se dégagent : Débutantes, Fragiles, Prêtes et Leaders. Chacune suit une trajectoire distincte et s’expose à des risques spécifiques. Le seul stade d’adoption peut être trompeur : à niveau de déploiement égal, les entreprises ne disposent pas nécessairement des mêmes fondations pour assurer une croissance durable.
La répartition témoigne d’un retard généralisé : une large majorité des entreprises n’a pas encore les fondations requises pour passer à l’échelle. Ainsi, 71 % relèvent de la catégorie Débutantes et 13 % sont considérées comme Fragiles. Au total, 84 % des entreprises construisent donc encore les fondations nécessaires à leur développement ou progressent en s’appuyant sur des structures susceptibles de montrer leurs limites. Seules 6 % appartiennent à la catégorie des Leaders et disposent des capacités nécessaires pour déployer les workflows d’IA à grande échelle (figure 2).
Dans l’ensemble des 12 secteurs étudiés, les organisations sont plus avancées dans la définition de leur stratégie d’IA que dans la transformation de leur mode de fonctionnement. La stratégie et la gouvernance affichent les niveaux de maturité les plus élevés, tandis que la structure, la technologie et les workflows restent les piliers les moins matures (figure 3). Ce constat révèle que les organisations ont davantage progressé sur les décisions relevant de leur autorité que sur les changements structurels que les équipes doivent entretenir au quotidien.
À RETENIR
Le passage du déploiement à l’expansion constitue le véritable test de maturité en matière d’IA. Les entreprises doivent développer leurs structures et leurs workflows parallèlement à leur stratégie et à leur gouvernance dès le premier jour, sans attendre la finalisation des plans et des politiques.
Le déploiement à grande échelle de l’IA exige bien plus que des cas d’usage prometteurs. Les progrès dépendent de la façon dont les idées sont hiérarchisées, financées, mesurées, évaluées et intégrées dans les processus. Les lacunes dans ces domaines empêchent les projets pilotes d’IA de devenir des capacités reproductibles à l’échelle de l’entreprise.
Le parcours d’une idée de cas d’usage reposant sur l’IA jusqu’à sa mise en production reste particulièrement sélectif, car de nombreuses entreprises ne sont pas en mesure d’évaluer efficacement les propositions. Sur 100 idées soumises, seules 15 environ atteignent le stade de la production. Pourtant, celles qui sont rejetées ne sont pas nécessairement les moins pertinentes.
De nombreuses idées restent en suspens, car les entreprises ne disposent pas de circuits prévalidés reposant sur des architectures d’intégration approuvées, des évaluations de sécurité standardisées pour les cas d’usage courants et des catégories budgétaires définies en amont. Chaque proposition doit donc être évaluée à partir de zéro. La baisse la plus marquée intervient lors de l’évaluation informatique, qui constitue la principale étape d’abandon du processus, suivie par l’évaluation de sécurité (figure 4).
Les quatre mêmes lacunes structurelles se manifestent de manière similaire dans tous les secteurs, toutes les régions et toutes les entreprises, quelle que soit leur taille. Chacune révèle une composante du système organisationnel qui n’a pas évolué suffisamment vite pour permettre le déploiement de l’IA à grande échelle.
Le flou en matière de responsabilité
Les structures dédiées à l’IA existent, mais personne n’en assume clairement la responsabilité. Les entreprises leaders sont 4,7 fois plus susceptibles d’avoir désigné une personne officiellement responsable, dotée d’un pouvoir de décision budgétaire. À l’inverse, les comités et les fonctions exercées à temps partiel ralentissent les décisions et freinent les progrès.
Le cloisonnement entre les équipes métier et IT
Seules 22 % des entreprises ont instauré une collaboration suffisamment étroite entre les équipes métier et IT pour accompagner l’IA. Les autres s’appuient sur des tickets et des briefs conçus pour traiter des demandes ponctuelles, et non pour faire évoluer des cas d’usage de l’IA.
Le déficit de mesure
Seules 11 % des organisations mesurent le ROI de l’IA de manière exhaustive, tandis que 10 % ne le mesure pas du tout. Le suivi de l’activité permet d’en quantifier le volume, mais ne tient compte ni de la qualité des résultats, ni des reprises nécessaires, ni des coûts ultérieurs liés à leur vérification.
Le manque de compétences
Les compétences et les talents arrivent en tête des obstacles, cités par 54 % des entreprises. Les principales lacunes concernent l’architecture, la réflexion stratégique autour de l’IA et la conception des workflows, et non la rédaction de prompts.
À RETENIR
Les responsables ayant piloté des déploiements d’IA partagent le même regret : les transformations structurelles ont commencé trop tard. Faites de la conception du modèle opérationnel la première phase du déploiement de l’IA. Définissez les indicateurs, sécurisez le budget, attribuez les responsabilités, alignez les métiers et l’IT, et investissez dans la conduite du changement avant le lancement des déploiements.
Les entreprises leaders ne se contentent pas de déployer l’IA. Elles attribuent clairement les responsabilités, définissent les résultats à mesurer avant le lancement, coordonnent la planification entre les équipes métier et IT, tirent les enseignements des échecs et soutiennent les spécialistes qui démontrent la valeur de l’IA dans des workflows réels. Ensemble, ces comportements permettent de transformer des réussites isolées en déploiements reproductibles à grande échelle.
Les entreprises leaders se distinguent tout particulièrement dans les domaines où les organisations peinent généralement à gagner en maturité : la structure et les workflows. Si de nombreuses entreprises ont fait avancer leur stratégie d’IA et leur gouvernance, les leaders ont également opéré des changements organisationnels plus profonds pour ancrer l’IA dans leurs modes de fonctionnement. Elles ne se contentent plus de piloter un programme d’IA, mais créent les conditions d’un déploiement à grande échelle. Cinq comportements rendent cette transition possible.
Les cinq comportements des entreprises leaders se renforcent mutuellement. L’attribution claire des responsabilités favorise la responsabilisation, la mesure établit une base factuelle commune, la collaboration rapproche les différentes fonctions, tandis que la culture et les talents facilitent l’adoption de nouvelles méthodes de travail. Cette dynamique commence par la désignation d’une personne véritablement responsable : sans responsable attitré disposant d’un pouvoir de décision budgétaire et tenu de rendre compte des performances, les autres comportements sont difficiles à instaurer et à pérenniser.
Ces comportements se traduisent par cinq enseignements pratiques pour les entreprises qui souhaitent transformer des réussites isolées en valeur durable à l’échelle de l’organisation.
« Les modèles sont des produits banalisés. Tout le monde utilise les mêmes GPT-4, Gemini, Kimi, Llama. Il n’y a aucune différence. L’avantage ne vient pas du modèle, mais de la façon dont on l’exploite et de la rapidité avec laquelle on sait s’il fonctionne ou non. C’est là que tout se joue. »
Directeur ou directrice de la technologie,
Entreprise de services financiers
À RETENIR
Considérez ces cinq comportements comme les composantes d’un même système, en commençant par désigner une personne responsable. C’est le modèle opérationnel qui produit un effet cumulatif. Construisez-le de manière réfléchie : votre avantage se renforcera à chaque cycle de déploiement.
Désignez un responsable unique avant le prochain déploiement.
Désignez un cadre senior ayant autorité sur les résultats de l’IA dans l’ensemble des fonctions, doté d’un budget dédié distinct des affectations adjacentes, et disposant d’objectifs de performance liés aux résultats du déploiement à grande échelle.
Définissez les indicateurs de performance avant la mise en production du modèle.
Définissez l’indicateur de résultat, établissez une situation de référence avant le déploiement et convenez de la méthode d’attribution avec toutes les parties prenantes concernées. Cette situation de référence ne pourra plus être reconstituée une fois le modèle mis en production.
Réunissez les équipes métier et IT avant la rédaction du cahier des charges.
Rassemblez-les avant de définir les exigences. Définissez le problème ensemble et accordez-vous sur les critères de réussite communs, afin de remplacer les passages de relais successifs par une planification conjointe.
Analysez les échecs avant qu’ils ne deviennent des enjeux organisationnels.
Lorsqu’un programme d’IA est sous-performant, commencez par poser des questions analytiques au niveau de la direction. Indiquez clairement qu’un échec doit produire des données et des enseignements, et non conduire à rechercher des responsables ou à faire marche arrière.
Repérez les personnes motrices dans le domaine de l’IA et amplifiez leur impact.
Identifiez les spécialistes qui obtiennent déjà des résultats grâce à l’IA. Valorisez leur travail, accordez-leur un budget limité pour étendre leur workflow à une équipe connexe et protégez-les des frictions organisationnelles.
L’IA redéfinit la façon dont les entreprises identifient leurs clients, créent du contenu et orchestrent les expériences sur tous les canaux. Concrétiser ce potentiel exige bien plus qu’un simple accès aux modèles. Cela requiert des données unifiées, des workflows connectés et une gouvernance permettant de déployer l’IA en toute confiance.
Adobe fournit ces bases solides. Adobe Experience Platform centralise les données client pour former la couche d’intelligence qui alimente l’IA et plus de mille milliards d’expériences chaque année. Adobe CX Enterprise étend ces fondations en un système agentique de bout en bout qui orchestre l’intégralité du cycle de vie client, de la première interaction à la fidélisation durable. Une content supply chain intégrée incorpore directement l’IA aux workflows de création et de production, tout en assurant le respect des normes de la marque et d’une gouvernance commune.
Les entreprises peuvent ainsi dépasser le stade de l’expérimentation pour concrétiser la valeur de l’IA, grâce à un écosystème ouvert compatible avec les outils que leurs équipes utilisent déjà. Au moment de passer à grande échelle, Adobe leur apporte les technologies et l’expertise nécessaires pour transformer l’IA en avantage concurrentiel durable.
Ce rapport s’appuie sur une étude mondiale menée par Incisiv pour le compte d’Adobe. L’étude a interrogé 5 633 cadres dirigeants dans 12 secteurs et 11 marchés mondiaux, et a inclus plus de 50 entretiens approfondis. Toutes les personnes interrogées disposaient d’un pouvoir décisionnel officiel sur les investissements dans l’IA, et 52 % occupaient un poste de vice-présidence ou de niveau supérieur. Elles travaillaient au sein d’entreprises réalisant un chiffre d’affaires annuel d’au moins 100 millions de dollars, dont 60 % dépassaient le milliard de dollars.
L’analyse a identifié 342 organisations comme étant des Leaders, soit 6 % des 5 323 répondants actifs. Ces organisations associent une forte vélocité de déploiement à une grande maturité de leur modèle opérationnel. La structure organisationnelle s’est avérée un facteur prédictif déterminant du statut de Leader, contrairement à la taille de l’entreprise, au secteur d’activité et aux dépenses en IA déclarées.
