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
La majorité des entreprises investissent dans l’IA, mais seule une infime minorité parvient à la déployer à grande échelle avec succès. L’étude mondiale d’Adobe révèle que la différence ne tient pas à l’accès à une meilleure technologie, mais au modèle opérationnel construit autour d’elle. Ce rapport examine les points de blocage des entreprises, ce que les leaders font différemment et les étapes nécessaires pour transformer l’investissement en IA en succès commercial.
La préparation à l’IA ne se résume plus à l’accès aux modèles ou au nombre de projets pilotes en cours. Nombreuses sont les entreprises qui ont déjà investi dans l’IA et mis leurs premiers cas d’usage en production — pourtant, celles qui disposent de technologies, d’investissements et d’ambitions similaires obtiennent des résultats très différents. Le véritable facteur de différenciation, c’est le modèle opérationnel autour de l’IA : qui en est responsable, comment les décisions sont prises, comment les résultats sont mesurés et comment l’IA s’intègre au travail quotidien.
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 leaders traitent le modèle opérationnel lui-même comme la capacité IA — c’est ce qui transforme les résultats des modèles en valeur commerciale. Ce qu’ils font différemment est d’ordre structurel : ils définissent les responsabilités, les indicateurs de mesure et les droits de décision avant d’amplifier leurs paris sur l’IA. »
Christopher Young
Directeur senior, Stratégie sectorielle mondiale, Adobe
La plupart des organisations n’ont pas un problème d’IA. Leur véritable obstacle est la mise à l’échelle — nulle part cela n’est plus évident que dans le milieu figé. Ce groupe représente 58 % des organisations de l’étude. Ces dernières sont bloquées aux étapes de pilotage ou de déploiement, bien qu’elles disposent de cas d’usage de l’IA en production et de premiers résultats à présenter. Ce qui leur fait défaut, c’est un modèle opérationnel à l’échelle de l’entreprise. Chaque direction déploie ses propres cas d’usage de l’IA de manière indépendante, mais sans gouvernance partagée ni coordination, ces succès restent isolés au lieu de se généraliser à l’ensemble de l’organisation.
« 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 biens de 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.
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 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.
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.
« 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. »
Chief Technology Officer,
Établissement de services financiers
Considérez ces cinq comportements comme un système interconnecté, en commençant par désigner un responsable unique. Le modèle opérationnel est la composante de l’IA à effet multiplicateur. Développez-le avec méthode, et l’écart de valeur se creusera à chaque cycle de déploiement.
Désignez un responsable unique avant le prochain déploiement.
Choisissez un dirigeant senior doté d’une autorité transverse sur les résultats de l’IA, d’un budget dédié distinct des affectations connexes et d’une évaluation des performances liée aux objectifs de mise à l’échelle.
Définissez le dispositif de mesure avant la mise en production du modèle.
Définissez la mesure de résultat, établissez une référence avant le déploiement et convenez de la méthode d’attribution avec toutes les parties prenantes concernées. Cette référence ne pourra pas être reconstituée une fois le modèle en production.
Réunissez les équipes métier et IT avant la rédaction du brief.
Rassemblez les deux parties avant de formaliser les exigences. Définissez le problème ensemble, convenez des critères de succès partagés et remplacez les transferts séquentiels par une planification conjointe.
Traitez les échecs par l’analyse avant qu’ils ne deviennent des enjeux organisationnels.
Lorsqu’un programme d’IA n’atteint pas ses objectifs, abordez la situation avec des questions analytiques au niveau dirigeant. Montrez clairement que l’échec doit générer des preuves et des enseignements, et non des reproches ou des abandons.
Repérez les leaders de l’IA et amplifiez leur impact.
Repérez les professionnels et professionnelles qui font déjà fonctionner l’IA. Accordez-leur visibilité et un budget modeste pour étendre leurs pratiques à une équipe adjacente, 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 va bien au-delà du simple accès aux modèles : cela requiert des données unifiées, des workflows de contenu connectés et une gouvernance solide pour mettre l’IA au service de l’entreprise en toute confiance.
Adobe pose cette fondation. Adobe Experience Platform centralise les données clients en une couche d’intelligence pour l’IA, alimentant plus d’un billion d’expériences chaque année. Adobe CX Enterprise étend cette fondation pour former un système agentique de bout en bout qui orchestre l’ensemble du cycle de vie client, de la première interaction jusqu’à la fidélité durable. Un content supply chain intégré ancre l’IA directement dans les workflows créatifs et de production, tout en préservant les standards de marque et une gouvernance partagée.
Le résultat : une voie qui dépasse l’expérimentation de l’IA pour atteindre une création de valeur réelle, sur un écosystème ouvert compatible avec les outils que les équipes utilisent déjà. Lorsque vient l’heure de passer à l’échelle, Adobe apporte la technologie et l’expertise nécessaires pour aider les organisations à faire de l’IA un 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.
