Fabrice Frossard

Pour finir l’année, j’ai tenté de synthétiser et de faire une analyse croisée de différents rapports sur l’état des lieux de l’IA en 2025. McKinsey, OpenAI, AI Index report 2025, 115K, PWC, State of AI Report entre autres.

Que dit cette synthèse ? Pas mal de choses. Entre réalité opérationnelle et plafond de verre, l’adoption est réelle mais mitigée. L’impact sur les jobs est réel et l’Europe est bien à la rue. Alors que l’on se rue vers l’agentique, le gap entre les early adopters et les retardataires va creuser une nouvelle fracture. Pour le dire autrement : si l’IA est désormais partout, sa maîtrise réelle reste l’apanage d’une élite. Autre point important, nous avons dépassé le point de bascule technologique pour entrer dans une phase de friction organisationnelle. L’intelligence artificielle a cessé d’être un problème de capacité technique (les modèles sont assez performants, les coûts d’inférence chutent, l’open source rattrape le privé ) pour devenir un problème de capacité d’absorption.

La ligne de démarcation : omniprésence vs maîtrise

Le paradoxe de 2025 est celui de l’ubiquité sans la profondeur. Selon le rapport de McKinsey, 88 % des organisations déclarent désormais utiliser l’IA dans au moins une fonction, une hausse significative par rapport aux 78 % de l’année précédente. L’usage est devenu la norme ; ne pas utiliser l’IA est désormais une anomalie.

Cependant, grattez la surface, et vous trouverez une réalité plus nuancée. Si l’adoption est massive, le passage à l’échelle (scaling) reste le grand filtre.

– Le plafond de verre du pilote : McKinsey révèle que près de deux tiers des entreprises sont encore bloquées en phase d’expérimentation ou de pilotage.

– L’élite qui s’échappe : seules 7 % des entreprises ont réussi à déployer l’IA de manière totalement intégrée à travers toute l’organisation.

Cette fracture se retrouve dans les données d’OpenAI : les entreprises “frontières” (le top 5 %) génèrent 2 fois plus de messages par employé que la médiane. Plus inquiétant, l’écart de compétence se creuse : les travailleurs de pointe utilisent les outils de codage ou d’analyse de données 17 fois plus que l’utilisateur médian.

 

Nous assistons à la fin de “l’IA pour tous” en tant que simple slogan. L’accès aux outils est démocratisé, mais la capacité à en extraire de la valeur crée une nouvelle fracture numérique, non plus basée sur l’accès, mais sur la sophistication de l’usage.

 

Le ROI : La fin du mythe de la simple “productivité”

Pendant deux ans, le récit dominant a été celui du gain de temps. Les rapports confirment cette réalité : les utilisateurs gagnent entre 40 et 60 minutes par jour. Mais en 2025, cette métrique est devenue insuffisante, voire dangereuse si elle reste l’unique boussole.

Les données convergent vers une vérité financière plus abrupte :

– Impact EBIT encore timide : seulement 39 % des entreprises rapportent une augmentation de leur EBIT (bénéfice avant intérêts et impôts) attribuable à l’IA, et pour la plupart, cet impact reste inférieur à 5 %.

– La prime à l’audace : c’est ici que les rapports McKinsey et OpenAI se rejoignent spectaculairement. Les entreprises qui tirent le plus de valeur de l’IA ne l’utilisent pas (seulement) pour réduire les coûts. Elles l’utilisent pour l’innovation et la croissance. McKinsey note que les entreprises les plus performantes sont paradoxalement celles qui rapportent le plus de risques et d’incidents négatifs

Les “High Performers” identifiés par McKinsey sont ceux qui fixent des objectifs de création de nouveaux revenus, pas seulement d’efficacité. Le rapport HAI de Stanford corrobore cela en notant que l’investissement privé dans l’IA générative a bondi à 33,9 milliards de dollars, signe que les capitaux cherchent désormais des modèles d’affaires transformateurs, pas de simples optimisations de processus.

Le coût de l’intelligence s’effondre : Un facteur accélérateur majeur noté par le Stanford HAI Index est la chute vertigineuse des coûts d’inférence. Le coût pour atteindre une performance équivalente à GPT-3.5 a été divisé par 280 en 18 mois. Cette commoditisation de l’intelligence permet enfin de rentabiliser des cas d’usage complexes qui étaient économiquement non viables en 2023. Voici un paradoxe : plus l’intelligence artificielle devient performante et coûteuse à produire (coûts d’entraînement qui explosent), moins elle coûte cher à consommer (coûts d’inférence en chute libre). Ce modèle mental suggère que l’intelligence devient une commodité abondante, entraînant non pas une réduction, mais une explosion de la demande et de l’intégration.

La révolution des agents : vers l’autonomie des processus

2025 est incontestablement l’année des agents autonomes. Nous passons du paradigme du “Chatbot” (je pose une question, il répond) à celui de l’Agent (je donne un objectif, il exécute une série d’actions).

– Explosion de la curiosité : McKinsey note que 62 % des organisations expérimentent déjà avec des agents IA.

–  Intensité cognitive : OpenAI rapporte une explosion de la consommation de “tokens de raisonnement” (multipliée par 320 via API), preuve que les entreprises délèguent des tâches cognitives complexes (réflexion, planification) et non plus seulement de la rédaction.

Cas d’usage concrets :

Développement logiciel : le rapport HAI souligne que sur le benchmark SWE-bench (ingénierie logicielle), les performances sont passées de 4,4 % de réussite en 2023 à plus de 71 % en 2024. Les agents codent, testent et déploient.

Science et R&D : moderna a réduit le temps de développement de ses profils produits de plusieurs semaines à quelques heures. Google DeepMind avec AlphaProteo et AlphaFold 3 (cité par HAI) révolutionne la biologie. L’IA n’est plus un assistant de bureau, c’est un chercheur de laboratoire.

Cependant, le déploiement d’agents à l’échelle reste rare (moins de 10 % dans une fonction donnée selon McKinsey), freiné par des besoins de fiabilité absolue et de gouvernance des données.

L’Impact humain : augmentation, substitution et la “dette gognitive”

C’est le sujet le plus sensible et le plus documenté par les rapports de 2025. L’impact sur l’emploi n’est plus théorique.

– La crainte de la substitution : McKinsey révèle une donnée brutale : 32 % des répondants s’attendent à une diminution des effectifs dans leur organisation due à l’IA l’année prochaine. Ce chiffre contraste avec les 13 % qui prévoient des embauches.

– L’effet égalisateur (The Equalizing Effect) : Le rapport HAI de Stanford met en avant une donnée cruciale pour les RH : l’IA profite disproportionnellement aux travailleurs les moins expérimentés ou les moins performants, leur permettant de combler l’écart avec les meilleurs. C’est un outil massif de nivellement par le haut des compétences techniques.

– La mutation des compétences : Le rapport 115K insiste sur l’urgence de la formation. La barrière n’est pas technologique, elle est humaine. Les entreprises font face à un déficit de compétences culturelles. Il ne s’agit pas d’apprendre à “prompter”, mais d’apprendre à collaborer avec une intelligence non-humaine.

La valeur ne réside ni dans le modèle (qui converge vers la commodité) ni dans l’employé seul, mais dans la capacité de l’employé à orchestrer le modèle sur les données propriétaires de l’entreprise. Le “capital humain” devient un “capital d’orchestration”.

Nous risquons de voir émerger une “dette cognitive” dans les entreprises qui n’investissent pas massivement dans la refonte de leurs workflows. Comme le souligne McKinsey, la refonte des processus (workflow redesign) est le facteur clé de succès des leaders. Ajouter de l’IA sur un processus inefficace ne fait qu’accélérer l’inefficacité.

Géopolitique et Investissement : L’hégémonie américaine

Pour l’analyste stratégique, les chiffres du Stanford HAI Index sont sans appel concernant l’équilibre des forces.

– Domination US : les États-Unis écrasent la concurrence en termes d’investissement privé dans l’IA avec 109 milliards de dollars en 2024, soit 12 fois plus que la Chine et 24 fois plus que le Royaume-Uni.

 

 

Le rattrapage chinois sur la performance : si les USA dominent l’investissement et le nombre de modèles, la Chine comble l’écart technique. Sur des benchmarks critiques comme les mathématiques ou le codage, l’écart de performance entre les modèles US et chinois s’est réduit à une peau de chagrin (moins de 1 à 3 points de pourcentage).

Pour les entreprises européennes, le message est clair : la technologie viendra majoritairement d’ailleurs, mais la bataille de l’application et de l’intégration (la couche applicative) reste ouverte et cruciale.

Freins et accélérateurs : Le playbook de la maturité

Qu’est-ce qui empêche les entreprises de passer à l’échelle ? Les rapports convergent vers une “trinité de blocages” :

Gouvernance des données (comme d’habitude): sans données propres, pas d’IA fiable. C’est le pré-requis technique absolu.

Gestion du risque (RAI – Responsible AI) : le rapport HAI note une augmentation spectaculaire des incidents liés à l’IA (+56 %). Les entreprises sont conscientes des risques (cybersécurité, hallucinations), mais les efforts d’atténuation sont à la traîne. La peur du risque juridique ou réputationnel paralyse le déploiement.

Culture et organisation : le rapport 115K propose une solution structurelle : la nomination d’un binôme “AI Champion” (acculturation) et “AI Owner” (exécution technique). L’absence de leadership clair est le frein numéro un.

L’accélérateur ultime : La volonté de transformation. Les entreprises qui réussissent sont celles qui acceptent de “casser” leurs processus existants pour les reconstruire autour de l’IA, plutôt que d’essayer de faire entrer l’IA au chausse-pied dans des structures du XXe siècle.

Notons le frein, pas encore avéré mais réel, celui du coût des infrastructures. Nous vivrons probablement une année 2026 inflationniste de ce point de vue. Les semi-conducteurs flambent et la question de l’amortissement des datacenters se posera. Lisez l’intervention de Arvind Krishna (CEO d’IBM) qui alerte sur l’insoutenabilité financière et énergétique des méga-datacenters dédiés à l’IA, dont les coûts dépasseraient 8 000 milliards de dollars pour 100 GW de capacité. Tout en soulignant la faible rentabilité attendue, la durée de vie courte des puces spécialisées et la pression croissante sur les réseaux électriques. Selon lui, l’avenir de l’IA passera par des architectures plus sobres et efficaces plutôt qu’une simple montée en puissance brute.

L’année de la vérité ?

2025 n’est pas une année de transition, c’est une année de sanction. L’écart entre les “leaders” (qui refondent leurs processus, visent la croissance et déploient des agents) et les “suiveurs” (qui restent bloqués sur des gains de productivité individuels et des POCs) devient irrémédiable.

L’IA en entreprise a cessé d’être un sujet “IT” pour devenir un sujet de “Business Model”. La question pour les dirigeants n’est plus “Comment puis-je utiliser l’IA pour faire mon travail plus vite ?”, mais “À quoi ressemble mon entreprise si l’intelligence n’est plus une ressource rare ?”. Les gagnants ne sont pas ceux qui adoptent l’IA (88% le font déjà), mais ceux qui acceptent de détruire leurs anciens flux de travail pour laisser l’IA agir de manière autonome. Posez vous les bonnes questions 🙂

 

 

 

NB : Si vous souhaitez un accompagnement sur l’IA (acculturation, agents, conseil, etc) n’hésitez pas à me contacter.
Avec l’Avant-Garde, nous avons déjà accompagné plusieurs dizaines d’entreprises en 2025

 

Mes sources

Le rapport d’OpenAI 
115K (la Banque Postale)
State Of AI Report
McKinsey State of Ai
Les prévisions chiffrées
PWC : impact sur les jobs
BPI : IA dans les PME et ETI
“Aucun moyen que ça tienne” : le verdict sans appel du PDG d’IBM sur l’IA