Ce que les entreprises de taille moyenne ont appris sur la transformation par l’IA en 2025

David Rice

on May 8, 2026

Les employés ont perdu une journée entière de travail chaque semaine à cause de la complexité l'année dernière. Pendant ce temps, la moitié des investissements dans l’IA échouaient et l’écart entre les leaders et les retardataires n’était pas dû aux budgets.

TABLE OF CONTENTS Intégration des flux de travail Écart de compétences Taxe de complexité Piège du pilote IA de l’ombre Crise d’adaptation managériale Architecture de la confiance Coût caché Maturité de la mesure Affectation des ressources Les exigences pour 2026

Key Takeaways

Adoption de l’IA: De forts partenariats entre RH et informatique ont permis une productivité 15 fois supérieure avec l’IA, tandis que 53 % des organisations n’ont pas répondu aux attentes.

Intégration des flux de travail: L’intégration de l’IA dans les outils existants a permis des taux d’adoption plus élevés que les outils d’IA autonomes.

Écarts de compétences: Former les employés à utiliser efficacement l’IA s’est avéré crucial, soulignant le besoin de développement des compétences.

Taxe de complexité: La simplification des architectures technologiques et la réduction de la dépendance aux consultants ont amélioré le déploiement et les résultats de l’IA.

Gestion de la stratégie: L’IA a modifié les rôles managériaux, nécessitant des plans de transition explicites et une formation pour une adaptation efficace.

Le fossé entre le déploiement de l’IA et son adoption est devenu le défi déterminant de 2025. Selon une étude du BCG, les organisations disposant de partenariats RH-IT solides ont obtenu une productivité 15 fois supérieure grâce à leurs investissements en IA, comparé à celles qui n’en avaient pas.

La technologie fonctionnait. Les organisations étaient en difficulté. Et à la fin de l’année, les données étaient sans appel : 53 % des organisations n’ont pas atteint les retours espérés sur leurs investissements en IA.

La fracture de l’intégration dans les workflows

Le principal facteur de différenciation entre les transformations réussies et celles qui échouaient n’était ni la sophistication technologique ni la taille du budget. C’était la capacité de l’IA à s’intégrer aux processus de travail déjà existants, plutôt que d’être placée en dehors d’eux.

« Les gagnants identifiaient un ou deux problèmes concrets dans les workflows existants, pas des scénarios “art of the possible” », explique Bhrugu Pange, Directeur Général IA & Solutions de Technologie Numérique chez AArete. « Ils s’attaquaient aux goulets d’étranglement dont les salariés se plaignaient déjà, comme le temps de clôture d’appel, la génération de devis, la réponse aux questions des clients, les exceptions de facturation. La plupart souffraient du syndrome de la “double saisie”. »

Les entreprises ayant intégré l’IA dans les outils déjà utilisés par leurs employés—Salesforce, plateformes de centres de contact, systèmes documentaires—ont constaté des taux d’adoption de 60 à 80 %. Celles qui ont lancé des outils d’IA autonomes ont vu l’adoption plafonner à 30-40 %.

Ce constat se vérifiait pour toutes les fonctions. Les équipes marketing étaient 98 % à croire que l’IA allait améliorer leurs indicateurs, mais seulement 27 % déclaraient une adoption généralisée. Ce n’était pas du scepticisme, mais de la friction qui expliquait l’écart.

« Les entreprises performantes n’ont pas demandé aux employés d’ouvrir une fenêtre séparée pour accéder à l’IA », explique Pange. « Elles l’ont intégrée dans les outils que les gens utilisent déjà, en étendant des plateformes existantes comme Salesforce. »

Les moins performantes ont, selon Pange, construit des « chatbots hors-contexte » et se sont étonnées du manque d’usage. Fin 2025, le principe était acquis : si l’IA n’est pas là où le travail se fait, elle ne prendra pas.

L’écart de compétences inattendu

Début 2025, une hypothèse était largement partagée : l’adoption de l’IA allait suivre le modèle des précédents déploiements de logiciels d’entreprise. Acheter les bons outils, former les utilisateurs, mesurer le taux d’adoption. À la mi-année, cette hypothèse s’était écroulée.

L’écart de compétences était visible partout. Les équipes service client disposaient d’une IA capable de rédiger des réponses mais pas d’évaluer lesquelles envoyer. Les équipes commerciales avaient une IA qui résumait les transcriptions d’appels mais pas qui déterminait quels enseignements étaient pertinents. Les équipes financières avaient une IA qui produisait des prévisions sans pouvoir apprécier sur quelles hypothèses se fier.

« Les collaborateurs non formés étaient 6 fois plus susceptibles de dire que l’IA les rendait moins productifs », note Emily Mabie, Ingénieure Sénior en Automatisation IA chez Zapier. « Les équipes qui veulent réussir leur transformation IA doivent investir dans la formation. »

Les employés devaient apprendre quoi déléguer à l’IA, quoi garder, comment vérifier les résultats produits par l’IA et quand passer outre ses recommandations. Ces compétences ne s’acquièrent pas en deux heures de formation.

Les entreprises réussissant cette transition considéraient l’adoption de l’IA comme le développement d’une compétence, et non le déploiement d’un logiciel. Elles mettaient en place des modèles d’apprentissage où des employés chevronnés travaillaient avec l’IA pendant des mois, forgeant leur jugement à force d’expériences répétées. Elles mesuraient la montée en compétence, pas seulement l’utilisation des outils.

Le coût caché de la complexité

Alors que certaines entreprises peinaient avec l’adoption, d’autres découvraient qu’elles avaient bâti la mauvaise fondation. Le rapport sur le coût de la complexité de Freshworks montre que 20 % des dépenses logicielles des organisations étaient gaspillées en échecs de déploiement, outils sous-utilisés et coûts cachés.

« Beaucoup d’organisations se heurtent à des obstacles liés à la complexité qui entravent la productivité, notamment les systèmes hérités, les structures disjointes et la fragmentation des données », indique Ashwin Ballal, DSI chez Freshworks. « Ces difficultés engendrent lassitude des employés, inefficacités, et des pertes de chiffre d’affaires liées aux retards et opportunités manquées. »

Résultat : les salariés perdaient en moyenne 6,7 heures par semaine à naviguer parmi la complexité des outils au lieu de se concentrer sur des tâches productives, créant ainsi des obstacles majeurs à l’adoption de l’IA.

Un cercle vicieux s’installait. Les entreprises faisaient appel à des prestataires et consultants pour intégrer l’IA à des écosystèmes techniques désorganisés, mais ces ajouts provoquaient souvent plus de friction qu’ils n’en solutionnaient.

Freshworks a constaté que 12 % des pertes financières liées à l’inefficacité logicielle provenaient de l’embauche superflue de consultants et prestataires externes.

« Les entreprises engagent souvent des prestataires externes pour corriger des systèmes hérités, mais ces ajouts peuvent ajouter de la friction au lieu de l’enlever », précise Ballal. « Les organisations paient souvent deux fois : une première fois pour une technologie complexe, une seconde pour les consultants censés la faire fonctionner. »

Les entreprises du segment intermédiaire ayant réussi en 2025 ont suivi une autre voie. Plutôt que d’ajouter de l’IA à des systèmes déjà complexes, elles ont saisi l’opportunité pour simplifier leur fonctionnement. Elles ont consolidé les outils redondants. Elles ont opté pour des fonctionnalités IA natives dans les plateformes déjà utilisées, au lieu d’acquérir des produits séparés.

La leçon : vous ne pouvez pas transformer ce que vous ne maîtrisez pas. Les entreprises disposant de systèmes technologiques plus simples et mieux intégrés ont déployé l'IA plus rapidement et obtenu de meilleurs résultats.

Le piège du pilote

L'écart entre la réussite des projets pilotes et leur déploiement en production est devenu l'un des motifs de frustration les plus courants en 2025.

« Les résultats réels des investissements en IA en 2025 ont été bien plus inégaux que ne le laissaient penser les taux d’adoption affichés », a déclaré Mabie. « L’IA générative et les projets pilotes étaient omniprésents en début d’année, mais parmi les dirigeants que nous avons interrogés chez Zapier, seulement 26 % ont déclaré que la majorité de leurs projets pilotes IA passaient en production. »

Ce schéma s’est répété dans tous les secteurs. Les RH ont expérimenté le tri de CV automatisé par l’IA avec d’excellents résultats, mais n’ont pas réussi à convaincre les responsables du recrutement de l’adopter. Les équipes opérationnelles ont testé une IA de maintenance prédictive qui tenait toutes ses promesses, sans toutefois parvenir à étendre son utilisation au-delà de l’usine pilote.

Les projets pilotes couronnés de succès bénéficiaient de conditions particulières : soutien supplémentaire, attention des dirigeants, volontaires motivés, temps protégé pour apprendre. Lors du passage à l'échelle, ces conditions disparaissaient.

« Les efforts réussis désignaient un membre de l’entreprise responsable du résultat », indique Pange. « L’informatique n’était pas le moteur ni le propriétaire, mais le gardien de la mise en œuvre de l’IA. Le métier portait la responsabilité du résultat. »

Les entreprises ayant réussi à passer à l'échelle agissaient différemment sur trois points.

Elles documentaient non seulement ce qu’a fait l’équipe pilote mais pourquoi cela a fonctionné, en identifiant les conditions organisationnelles ayant permis le succès.
Elles menaient des pilotes avec des équipes représentatives, y compris des groupes sceptiques et sous-dotés, pas seulement des volontaires.
Elles mesuraient la maturité organisationnelle, pas uniquement la préparation technique.

La leçon : un pilote réussi prouve que la technologie fonctionne. Cela ne prouve pas que votre organisation peut l’absorber.

Le problème de l’IA fantôme

À l’été, les dirigeants d’entreprises de taille intermédiaire ont été confrontés à l’utilisation par leurs employés d’outils d’IA non autorisés, non sécurisés, et souvent inconnus de l’entreprise. Des employés téléchargeaient des données clients sur ChatGPT, utilisaient des outils IA grand public pour des analyses sensibles, et créaient des automatisations sans aucun audit de sécurité.

Le problème de l’IA fantôme a révélé une question plus profonde : les entreprises avançaient trop lentement pour répondre aux besoins légitimes des employés. Les employés n’étaient pas imprudents, ils étaient productifs avec les outils à leur disposition.

Les entreprises avisées ont accéléré le déploiement des outils IA approuvés, sans se contenter de renforcer le contrôle. Elles ont mis en place des processus d’évaluation rapide pour les outils IA demandés par les employés et proposé des alternatives validées aux cas d’usage courants de l’IA fantôme. Elles ont mesuré le temps de validation des outils IA et considéré les délais comme des défaillances organisationnelles.

L’IA fantôme était le symptôme d’un besoin non satisfait, pas un problème de conformité à régler par la politique interne. À la fin de l’année, les organisations qui s’en sortaient le mieux étaient passées de l’interdiction réactive à la facilitation proactive.

La crise d’adaptation du management

Lorsque l’IA prend en charge le travail de coordination routinière tel que la planification, les comptes-rendus, la gestion des problèmes simples, toutes ces activités traditionnellement confiées aux managers et représentant 40 à 60 % de leur temps disparaissent brusquement. Ce qui reste, ce sont les tâches auxquelles la plupart des managers n’avaient jamais suffisamment de temps à consacrer : coaching, réflexion stratégique, résolution de problèmes complexes, développement de l’équipe — des compétences qui exposent les faiblesses dans le vivier de futurs leaders.

Les meilleurs managers se sont rapidement adaptés. Les managers en difficulté se sont sentis déplacés, ont remis en question leur valeur, et souvent résisté à l’adoption de l’IA car cela menaçait leur identité professionnelle.

Cela devient alors un problème de développement managérial. Il faut des plans de transition explicites pour les managers dont le rôle évolue, en leur offrant un accompagnement pour apprendre à travailler différemment ; car très peu de dirigeants ont une vision claire de cette transformation, et presque aucun ne la maîtrise. Les organisations doivent s’interroger sur l’adéquation de leur stratégie IA avec ces transitions managériales, et redéfinir les attentes pour valoriser les managers capables de basculer vers des missions à plus forte valeur ajoutée.

Certains managers ne s’adapteront pas. Les dirigeants disposent de plusieurs leviers, dont la préparation à la réduction du management intermédiaire à mesure que les structures organisationnelles s’aplanissent.

Créer des parcours de carrière d’expert pour les managers excellant dans les missions que l’IA ne peut assurer, mais qui rencontrent des difficultés avec le nouveau modèle de management.
Fournir un accompagnement renforcé, mais être prêt à prendre la décision difficile de réorienter les managers qui ne conviendront pas au rôle à l’ère de l’IA.

La pire option serait de faire comme si le rôle n’avait pas changé. Les organisations qui ont déployé l’IA sans adapter les attentes managériales se sont retrouvées avec des managers remplissant leur temps de tâches inutiles.

La percée de l'architecture de la confiance

L'histoire de réussite inattendue de 2025 fut celle des entreprises qui ont construit une confiance systématique dans l’IA, au lieu d’espérer que les employés l’acceptent spontanément.

ADP a déployé son « Cadre des 5P » dans toutes ses initiatives IA :

Purpose (pourquoi nous utilisons l’IA ici)
People (qui est impliqué dans les décisions)
Process (comment cela fonctionne)
Performance (comment mesurons-nous le succès)
Protection (quelles protections existent).

Les organisations utilisant des cadres structurés de confiance ont vu des taux d’adoption de l’IA de 60 à 80 %, contre 30 à 40 % pour celles s’appuyant sur un développement informel de la confiance.

« L’humain au cœur de la boucle a été classé priorité n°1 de gouvernance par 71 % des dirigeants », a déclaré Mabie.

La confiance ne naît pas spontanément d’une bonne technologie. Elle nécessite une conception intentionnelle. Les entreprises doivent répondre à des questions précises avant tout déploiement, telles que :

Pourquoi utilisons-nous l’IA pour cette tâche ?
Qui a le contrôle ou la supervision ?
Comment le système prend-il ses décisions ?
Que se passe-t-il en cas d’erreur ?
Quelles sont les protections en place ?

Les organisations qui ont répondu explicitement à ces questions—dans la documentation, la formation et la communication continue—ont bâti la confiance plus rapidement et l’ont maintenue plus longtemps.

La cascade des coûts cachés

Les coûts dépassent largement les budgets logiciels gaspillés.

Un seul incident peut retarder l’adoption pendant des mois. La perte de confiance est devenue un "impôt caché" sur les initiatives futures.

« L’IA peut accélérer la rédaction d’une première version, mais si vous ne redessinez pas le processus de relecture, vous créez un nouveau problème », a déclaré Pange. « Les équipes passent désormais du temps à vérifier et corriger. Nous appelons cela la ‘taxe de vérification’. »

Le cynisme des salariés est apparu comme un autre coût caché. Quand la direction a survendu l’IA mais sous-investi dans la formation et la refonte des flux de travail, les employés ont résisté à l’adoption. Pire, ils ont utilisé des outils d’IA non autorisés, créant le problème de l’« IA de l’ombre » qui a mobilisé des ressources de sécurité et de conformité.

La Enquête sur la population en temps réel de la Fed de St. Louis a révélé qu’en août 2025, environ la moitié des adultes américains déclaraient utiliser l’IA générative, dont plus d’un tiers au travail. L’enquête a estimé des économies de temps équivalant à environ 1,6 % du total des heures de travail, avec un gain potentiel de productivité jusqu’à 1,3 % depuis le lancement de ChatGPT.

Mais ces gains étaient répartis de manière inégale.

« Tandis qu’une entreprise stagne dans des pilotes sans fin, une autre améliore discrètement ses niveaux de service, son débit de ventes ou son délai de cycle opérationnel », a expliqué Pange. « Et cet avantage d’améliorations continues et d’apprentissages s’accumule peu à peu. »

L'évolution de la maturité de la mesure

L’une des évolutions les plus marquantes de 2025 a été la manière dont les entreprises évaluaient le succès de l’IA.

« Au début de l’année, le succès était mesuré par le lancement de projets pilotes et la preuve de faisabilité », a commenté Mabie. « Progressivement, les dirigeants ont commencé à mesurer la maîtrise de l’IA et le retour sur investissement via les résultats business. »

Le fait que la plupart des dirigeants évaluent le ROI témoigne d’une maturité accrue. « Est-ce que c’est cool ? » est devenu « Quel est le KPI et où est la référence de départ ? »

Passer de la mesure des taux d’adoption à l’impact business suppose de ne pas seulement vérifier si les employés utilisent les outils d’IA, mais aussi si ces outils améliorent la qualité des décisions, réduisent les délais ou libèrent du temps pour des tâches à plus forte valeur ajoutée.

Les organisations les plus avancées mesuraient à la fois les gains d’efficacité et le développement des compétences. Elles voulaient savoir si l’IA rendait les employés plus rapides et meilleurs, reconnaissant que la maturité de l’IA nécessite une évaluation globale.

Le réveil sur l’allocation des ressources

Peut-être la leçon la plus importante de 2025 : la règle du 70-20-10 pour l’investissement IA s’est révélée exacte et la plupart des entreprises allouaient à l’envers.

La règle, validée par de nombreuses études : 70% des investissements dans la transformation IA devraient aller aux personnes et au changement des processus, 20% à l’infrastructure et à l’intégration, 10% aux algorithmes et modèles.

La plupart des entreprises de taille intermédiaire dépensaient 60 à 70% en technologie et peinaient à financer les travaux de changement organisationnel.

Cela signifie financer des postes de gestion du changement, allouer du temps à l’apprentissage et à l’adaptation, investir dans des programmes de coaching assistés par l’IA, des stratégies de communication et des dispositifs de soutien organisationnel.

Les entreprises qui ont maintenu des investissements axés principalement sur la technologie ont vu leurs initiatives d’IA stagner, quelle que soit la sophistication de la technologie. De bons algorithmes dans des organisations non préparées ont donné de moins bons résultats que des algorithmes moyens dans des organisations prêtes, à chaque fois.

Ce que 2026 exige

Les enseignements de 2025 mettent en avant plusieurs priorités claires pour les entreprises du mid-market entrant en 2026.

Intégrer l’IA dans les processus existants. Le fossé de l’intégration dans les flux de travail ne fera que s’accentuer. Arrêtez de lancer des outils d’IA isolés et commencez à améliorer les plateformes que les employés utilisent déjà.

Investissez dans la formation avant la technologie. La découverte de Zapier selon laquelle les travailleurs non formés sont six fois plus susceptibles de dire que l’IA diminue leur productivité devrait terrifier tout dirigeant prévoyant d’investir dans l’IA. L’écart de compétences ne se comblera pas avec des licences logicielles.
Simplifiez avant d’ajouter de la complexité. Les entreprises avec des environnements technologiques fragmentés auront du mal à déployer l’IA efficacement. « Les organisations qui travaillent avec des éditeurs logiciels qui simplifient agressivement l’empilement technologique, intègrent l’IA à leurs systèmes et remplacent la multiplicité des outils par des systèmes unifiés prendront un avantage concurrentiel », a déclaré Ballal.
Mettre en place une gouvernance qui permet, au lieu de bloquer. La gouvernance avec intervention humaine était la priorité numéro un pour 71 % des dirigeants. Mais une gouvernance qui ralentit les déploiements à l’extrême engendre de l’« IA fantôme ». L’objectif est d’avoir une gouvernance agile qui permette d’avancer en toute sécurité.
Développer les capacités d’orchestration. « Davantage d’équipes mid-market adopteront l’orchestration de l’IA », a déclaré Mabie. « Parce que les équipes du mid-market n’ont pas les ressources pour reconstruire totalement plateformes et équipes, elles utiliseront et connecteront leurs outils existants grâce à l’orchestration de l’IA. »

Les données de Zapier montrent que 25 % des dirigeants s’attendent à parvenir à une orchestration de l’IA à grande échelle d’ici 2026, tandis que 43 % anticipent l’utilisation de processus agentiques dans plusieurs fonctions. En gardant cela à l’esprit, il est judicieux de :

Reconcevoir explicitement les rôles managériaux. L’IA modifie la mission des managers. Reconnaissez ce changement, accompagnez la transition et acceptez que certains managers ne s’adapteront pas.
Refondre les parcours de carrière pour l’ère de l’IA. Les trajectoires de promotion traditionnelles s’effritent. Les entreprises doivent inventer de nouveaux modèles d’évolution, alors que l’IA prend en charge des missions autrefois formatrices.
Organiser la confiance de manière systématique. Les cadres de confiance formels fonctionnent. La construction informelle de la confiance ne suffit pas. Répondez explicitement aux cinq P pour chaque déploiement IA : Purpose (But), People (Personnes), Process (Processus), Performance (Performance), Protection (Protection).
Réallouer les budgets selon la règle du 70-20-10. L’essentiel de la valeur de l’IA réside dans la transformation organisationnelle, mais la plupart des budgets IA sont consacrés à la technologie. Corrigez ce déséquilibre, ou acceptez de plus faibles retours.
Évaluer les résultats business, pas seulement les indicateurs technologiques. Mesurez la qualité des décisions, la réduction des cycles et le développement des compétences – pas seulement l’utilisation des systèmes.

« Certains courants qui vont probablement disparaître sont les expérimentations isolées, les modèles d’automatisation réservés aux développeurs et la vision de l’« IA comme une fonctionnalité » », a déclaré Mabie.

La différence entre les leaders et les retardataires ne tient pas à qui possède l’IA, mais à qui a appris de son déploiement. Cet écart d’apprentissage va s’accroître à mesure que les décisions IA de 2026 détermineront quelles entreprises rattrapent leur retard et lesquelles s’enfoncent davantage.