Ce que les entreprises de taille moyenne ont appris sur la transformation par l’IA en 2025
Adoption de l’IA: Des partenariats solides RH-TI ont permis d'atteindre une productivité multipliée par 15 grâce à l’IA, tandis que 53 % des organisations n'ont pas répondu aux attentes.
Intégration au flux de travail: L’intégration de l’IA dans les outils existants a entraîné des taux d’adoption plus élevés par rapport aux outils d’IA autonomes.
Écarts de compétences: Former les employés à l’utilisation efficace de l’IA s’est avéré crucial, soulignant le besoin de développement des compétences.
Taxe de complexité: Simplifier les piles technologiques et réduire la dépendance aux consultants a permis d'améliorer le déploiement et les résultats de l’IA.
Stratégie de gestion: L’IA a transformé les rôles managériaux, exigeant des plans de transition explicites et des formations pour une adaptation effective.
L’écart entre le déploiement de l’IA et son adoption a marqué le défi déterminant de 2025. Une étude du BCG a révélé que les organisations disposant de solides partenariats RH-IT ont obtenu une productivité 15 fois supérieure grâce à leurs investissements en IA par rapport à celles qui n’en avaient pas.
La technologie fonctionnait. Les organisations, elles, peinaient. Et à la fin de l’année, les données étaient sans appel : 53 % des organisations n’ont pas atteint le retour sur investissement attendu de l’IA.
La fracture de l’intégration aux flux de travail
Le principal facteur de réussite ou d’échec des transformations n’était ni le degré de sophistication technologique ni la taille du budget. C’était la capacité à intégrer l’IA au sein des flux de travail existants, plutôt qu’en dehors d’eux.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
« Les gagnants identifiaient un ou deux vrais problèmes dans les processus actuels, pas des projets “art of the possible” », explique Bhrugu Pange, Directeur Général Solutions IA & Technologie Digitale chez AArete. « Ils ciblaient les goulets d’étranglement déjà signalés par les employés, comme le temps de clôture d’appel, la génération de devis, les réponses aux demandes clients, les exceptions de facturation. La plupart souffraient du syndrome “retourner sans cesse entre différents outils”. »
Les entreprises qui ont intégré l’IA dans les outils déjà utilisés par les employés — Salesforce, plateformes de centres d’appels, systèmes de gestion documentaire — ont constaté des taux d’adoption entre 60 et 80 %. Celles qui ont lancé des outils IA indépendants ont vu l’adoption plafonner à 30-40 %.
La tendance s’est vérifiée partout. 98 % des équipes marketing pensaient que l’IA allait améliorer leurs indicateurs, mais seulement 27 % rapportaient une large adoption. Ce n’était pas le scepticisme qui freinait l’IA, mais la friction.
« Les entreprises qui ont réussi n’ont pas demandé aux employés d’ouvrir une fenêtre séparée pour accéder à l’IA, » explique Pange. « Elles l’ont intégrée aux outils existants, en prolongeant des plateformes comme Salesforce. »
Celles qui ont échoué ont conçu ce que Pange appelle des « chatbots hors contexte » et se sont demandé pourquoi personne ne s’en servait. Fin 2025, la leçon était devenue un principe : si l’IA ne se trouve pas là où le travail s’effectue, elle ne sera pas adoptée.
Le fossé inattendu des compétences
Début 2025, la majorité pensait que l’adoption de l’IA suivrait le schéma traditionnel des déploiements logiciels en entreprise : acheter les bons outils, former les employés à l’interface, mesurer les taux d’adoption. À la mi-année, cette hypothèse avait volé en éclats.
Le fossé des compétences est apparu partout. Les équipes de service client disposaient d’une IA apte à rédiger des réponses, mais pas à juger de leur pertinence. Les équipes commerciales avaient une IA résumant les conversations, sans savoir distinguer les informations importantes. Les équipes financières obtenaient des prévisions grâce à l’IA, mais peinaient à évaluer la fiabilité des hypothèses de base.
« Les employés non formés étaient 6 fois plus susceptibles de déclarer que l’IA les rendait moins productifs », rapporte Emily Mabie, Ingénieure Senior en Automatisation IA chez Zapier. « Les équipes qui veulent vraiment transformer leur organisation grâce à l’IA doivent investir dans la formation. »
Les collaborateurs devaient apprendre quoi déléguer à l’IA, quoi conserver, comment vérifier les résultats de l’IA et quand passer outre les recommandations. Ces compétences ne s’acquièrent pas en deux heures de formation.
Les entreprises qui ont réussi ont abordé l’adoption de l’IA comme un développement des compétences, et non un simple déploiement d’outils. Elles ont instauré des modèles d’apprentissage en binôme où des employés expérimentés collaboraient avec l’IA pendant plusieurs mois, affinant leur jugement à force de répétitions. Elles mesuraient le développement des compétences, pas seulement l’usage des outils.
La taxe de la complexité
Si certaines entreprises se heurtaient à l’adoption, d’autres ont découvert qu’elles avaient posé de mauvaises fondations. Le rapport sur le coût de la complexité de Freshworks révélait que 20 % des dépenses logicielles des organisations étaient gaspillées dans des projets mal aboutis, des outils peu utilisés et des coûts cachés.
« De nombreuses organisations se heurtent à des obstacles liés à la complexité qui entravent leur productivité, notamment des systèmes vieillissants, des outils disparates et des données cloisonnées, » déclare Ashwin Ballal, DSI chez Freshworks. « Ces défis entraînent la lassitude des employés, des inefficacités, et des pertes de revenus dues aux retards et aux opportunités manquées. »
Résultat : les employés perdaient en moyenne 6,7 heures par semaine à naviguer dans la complexité des outils, au lieu d’effectuer un travail productif, créant d’importants freins à l’adoption de l’IA.
Un cercle vicieux s’est alors installé. Les entreprises faisaient appel à des prestataires et consultants pour intégrer l’IA dans leur pile technologique complexe, mais ces interventions créaient souvent plus de frictions qu’elles n’enlevaient.
Freshworks a constaté que 12 % des pertes financières imputables à l’inefficacité logicielle provenaient du recours inutile à des consultants et sous-traitants.
« Les entreprises font souvent appel à des prestataires et consultants pour maintenir des systèmes vieillissants, mais ces ajouts compliquent fréquemment la situation plutôt qu’ils ne l’améliorent, » explique Ballal. « Les organisations paient souvent deux fois : une première fois pour la technologie complexe, une seconde pour des consultants censés la faire fonctionner. »
En 2025, les entreprises du mid-market qui ont réussi ont opté pour une approche différente. Plutôt que d’ajouter l’IA par-dessus une complexité existante, elles ont fait de l’adoption de l’IA une opportunité pour simplifier. Elles ont consolidé les outils redondants. Elles ont choisi des fonctions IA intégrées aux plateformes déjà utilisées plutôt que d’acheter des produits autonomes.
La leçon : on ne peut pas transformer ce que l’on ne sait pas gérer. Les entreprises avec des piles technologiques plus simples et mieux intégrées ont déployé l’IA plus rapidement et ont obtenu de meilleurs résultats.
Le piège du projet pilote
L’écart entre le succès des pilotes et le passage en production s’est révélé être l’un des schémas les plus frustrants de 2025.
« Les résultats concrets des investissements dans l’IA en 2025 étaient bien plus inégaux que ne le suggéraient les titres sur les taux d’adoption », a déclaré Mabie. « L’IA générative et les projets pilotes étaient partout au début de l’année, mais parmi les dirigeants que nous avons interrogés chez Zapier, seulement 26 % ont indiqué que la majorité de leurs projets pilotes IA étaient passés en production. »
Ce schéma s’est répété dans tous les secteurs. Les services RH ont testé le dépistage de CV via l’IA avec d’excellents résultats mais n’ont pas réussi à convaincre les responsables recrutement de l’utiliser. Les équipes opérations ont testé une IA de maintenance prédictive qui fonctionnait parfaitement, mais n’ont pas réussi à l’étendre au-delà de l’usine initiale.
Les projets pilotes couronnés de succès fonctionnaient dans des conditions particulières : soutien supplémentaire, attention des dirigeants, volontaires motivés, temps protégé pour l’apprentissage. Lorsqu’elles tentaient de passer à l’échelle, ces conditions disparaissaient.
« Les initiatives réussies désignaient un membre de l’entreprise responsable du résultat », a expliqué Pange. « L’informatique ne devenait plus le moteur ni le propriétaire, mais le gardien de la mise en œuvre IA. Le résultat appartenait au métier. »
Les entreprises qui ont réussi à passer à l’échelle ont fait trois choses différemment.
- Elles documentaient non seulement ce que l’équipe pilote faisait mais aussi pourquoi cela fonctionnait, en cartographiant les conditions organisationnelles ayant permis cette réussite.
- Elles testaient avec des équipes représentatives, en incluant des groupes sceptiques ou sous-dotés, pas seulement des volontaires.
- Elles mesuraient la préparation organisationnelle et non pas uniquement la préparation technique.
La leçon : un projet pilote réussi prouve que la technologie fonctionne. Cela ne prouve pas que votre organisation peut l’absorber.
Le problème de l’IA de l’ombre
À l’été, les cadres du mid-market ont découvert que des employés utilisaient des outils IA non approuvés par l’entreprise, non sécurisés, et souvent inconnus des directions. Les collaborateurs téléchargeaient des données clients sur ChatGPT, utilisaient des outils IA grand public pour des analyses sensibles et créaient des flux automatisés sans vérification de la sécurité.
Le problème de l’IA de l’ombre a révélé une question plus profonde : les entreprises avançaient trop lentement pour satisfaire les besoins réels de leurs employés. Il ne s’agissait pas d’imprudence de la part du personnel, mais de productivité avec les outils à leur disposition.
Les entreprises intelligentes ont répondu en accélérant le déploiement d’IA approuvées, et pas uniquement par des restrictions supplémentaires. Elles ont mis en place des processus d’évaluation rapides pour les outils IA sollicités par les employés et créé des alternatives validées face aux cas d’usage fréquents de l’IA de l’ombre. Elles ont mesuré le délai d’approbation des outils IA et considéré tout retard comme un échec organisationnel.
L’IA de l’ombre signalait un besoin non comblé, pas un problème de conformité à régler par la politique. En fin d’année, les organisations qui la géraient le mieux étaient passées d’une interdiction réactive à une habilitation proactive.
La crise d'adaptation du management
Lorsque l’IA prend en charge la coordination routinière — planification, mises à jour de statut, gestion de problèmes simples — les activités managériales traditionnelles qui représentaient 40 à 60 % de la journée d’un manager disparaissent soudainement. Il ne reste plus que ce que la plupart des managers n’avaient jamais le temps de faire : coaching, réflexion stratégique, résolution de problèmes complexes, développement d’équipe — des compétences qui révèlent les failles dans la filière de leadership.
Les meilleurs managers se sont rapidement adaptés. Les autres se sont sentis mis à l’écart, ont remis en question leur valeur, et ont souvent résisté à l’IA parce qu’elle menaçait leur identité.
Cela revient à un véritable défi de développement managérial. Il faut des plans de transition explicites pour les managers dont le rôle évolue, avec du coaching sur de nouvelles méthodes de travail, car très peu de dirigeants ont une vision claire de cela, et presque aucun ne le maîtrise. Les organisations doivent évaluer si leur stratégie IA prend en compte ces transitions managériales et redéfinir les attentes pour valoriser les managers qui réussissent à se tourner vers un travail à plus forte valeur ajoutée.
Certain·e·s managers n’y parviendront pas. Les dirigeants peuvent alors aborder la question de plusieurs façons, par exemple en se préparant à une réduction du management intermédiaire au fur et à mesure que les organisations s’aplatissent.
- Créer des parcours de carrière d’expert pour les managers qui excellent dans des tâches non automatisables mais peinent avec le nouveau modèle managérial.
- Fournir un coaching intensif, mais être prêt à décider que certains managers ne sont tout simplement pas faits pour le rôle à l’ère de l’IA.
Ce qui ne fonctionnera pas, c’est de faire comme si le poste n'avait pas évolué. Les organisations ayant déployé l’IA tout en maintenant les mêmes attentes managériales se sont retrouvées avec des managers occupant leur temps à des tâches sans valeur ajoutée.
L’avancée de l’architecture de la confiance
L’histoire inattendue de réussite de 2025 fut celle des entreprises qui ont construit une confiance systématique envers l’IA, au lieu de simplement espérer que les employés l’accepteraient.
ADP a déployé son « Cadre des 5P » pour toutes ses initiatives d’IA :
- But (pourquoi nous utilisons l’IA ici)
- Personnes (qui participe aux décisions)
- Processus (comment cela fonctionne)
- Performance (comment nous mesurons le succès)
- Protection (quelles mesures de sauvegarde existent).
Les organisations utilisant des cadres structurés de confiance ont observé des taux d’adoption de l’IA de 60 à 80 % contre 30 à 40 % pour celles comptant sur une construction informelle de la confiance.
« L’humain dans la boucle a été classé priorité n°1 de la gouvernance par 71 % des dirigeants », a déclaré Mabie.
La confiance n’émerge pas naturellement d’une bonne technologie. Elle nécessite une conception intentionnelle. Les entreprises doivent répondre à des questions précises avant le déploiement telles que :
- Pourquoi utilisons-nous l’IA pour cette tâche ?
- Qui exerce une supervision ?
- Comment le système prend-il ses décisions ?
- Que se passe-t-il en cas d’erreur ?
- Quelles protections existent ?
Les organisations qui répondaient 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 vont bien au-delà des budgets logiciels gaspillés.
Un seul incident négatif peut retarder l’adoption pendant des mois. La perte de confiance est devenue une taxe invisible sur les initiatives futures.
« L’IA peut accélérer la rédaction du premier jet, mais si vous ne repensez pas le processus de relecture, vous créez un nouveau problème, explique Pange. Les équipes passent désormais du temps à vérifier et corriger. Nous appelons cela la “taxe de vérification”. » Cette charge mentale contribue à des problèmes de jugement des collaborateurs alors que ceux-ci peinent à équilibrer l’assistance IA avec leur esprit critique.
Le cynisme des employés est apparu comme un autre coût caché. Lorsque la direction surestimait les capacités de l’IA et sous-investissait dans la formation et la refonte des processus, les employés résistaient à l’adoption. Pire, ils utilisaient des outils d’IA non homologués, créant le phénomène d’IA de l’ombre qui accapare 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, et plus d’un tiers l’utilisaient au travail. L’enquête estime un gain de temps équivalent à environ 1,6 % de la totalité des heures travaillées, avec un potentiel d’augmentation de productivité allant jusqu’à 1,3 % depuis le lancement de ChatGPT.
Mais ces gains étaient répartis de manière inégale.
« Tandis qu’une entreprise stagne dans une phase de pilote interminable, une autre améliore discrètement ses niveaux de service, son débit commercial ou son cycle opérationnel, » indique Pange. « Et cet avantage d’améliorations progressives et d’apprentissages finit par peser lourd. »
La mutation de la maturité de mesure
L’une des évolutions les plus marquantes de 2025 a été la façon dont les entreprises mesuraient le succès de l’IA.
« En début d’année, le succès était évalué à travers le lancement de pilotes et la preuve de faisabilité, » a déclaré Mabie. « Progressivement, les dirigeants sont passés à la mesure de la maturité en IA et du ROI via les résultats métier. »
Le fait que la plupart des dirigeants mesurent le ROI illustre une maturité élargie. « Est-ce impressionnant ? » s’est transformé en « Où est l’indicateur clé et quelle est notre base de référence ? »
Passer de la mesure des taux d’adoption à la mesure de l’impact métier implique de s’intéresser non seulement à l’utilisation des outils IA par les salariés, mais aussi à leur capacité d’améliorer la qualité des décisions, de réduire les cycles ou de libérer 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 cherchaient à savoir si l’IA rendait les employés plus rapides et meilleurs, reconnaissant que la maturité IA nécessite une évaluation globale.
Le réveil de l’allocation des ressources
Ce qui est peut-être l’apprentissage le plus important de 2025 : la règle des 70-20-10 pour l’investissement IA s’est révélée exacte et la plupart des entreprises allouaient leurs ressources à l’envers.
La règle, validée par plusieurs études : 70 % de l’investissement en transformation IA doivent être consacrés 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 moyenne consacraient 60 à 70 % à la technologie et s’efforçaient ensuite de financer les chantiers de changement organisationnel.
Cela signifie financer des rôles de gestion du changement, protéger du temps pour l’apprentissage et l’adaptation, investir dans des programmes de coaching assistés par l’IA, des stratégies de communication, et des structures de soutien organisationnelles.
Les entreprises ayant concentré leurs investissements principalement sur la technologie ont constaté que leurs initiatives en matière d’IA ont stagné, peu importe la sophistication de la technologie. De bons algorithmes dans des organisations mal 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 pointent vers plusieurs priorités claires pour les entreprises de taille moyenne entrant en 2026.
- Intégrez l’IA dans les flux de travail existants. Le fossé en matière d'intégration des flux de travail continuera de se creuser. Arrêtez de lancer des outils d’IA indépendants et commencez à améliorer les plateformes déjà utilisées par les employés.
- Investissez dans la formation avant la technologie. La conclusion de Zapier indiquant que les employés non formés sont 6 fois plus susceptibles d’affirmer que l’IA réduit leur productivité devrait inquiéter tous les cadres 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 systèmes technologiques fragmentés auront du mal à déployer efficacement l’IA. « Les organisations qui travaillent avec des fournisseurs de logiciels qui éliminent activement les éléments superflus du système, intègrent l’IA à leurs environnements et remplacent la prolifération technologique par des systèmes unifiés obtiendront un avantage concurrentiel », a déclaré Ballal.
- Créez une gouvernance qui permet au lieu de bloquer. La gouvernance human-in-the-loop s’est classée comme première priorité pour 71% des dirigeants. Mais une gouvernance qui ralentit le déploiement à l’extrême pousse à l’émergence d’une IA de l’ombre. L’objectif est une gouvernance allégée qui permet d’avancer rapidement en toute sécurité.
- Développez les capacités d’orchestration. « De plus en plus d’équipes du mid-market adopteront l’orchestration de l’IA », a déclaré Mabie. « Parce que ces équipes n’ont pas les ressources pour totalement reconstruire leurs plateformes et équipes, elles utiliseront et connecteront leurs outils existants grâce à l’orchestration de l’IA. »
Les données de Zapier indiquent que 25% des dirigeants s’attendent à atteindre une orchestration IA à grande échelle d’ici 2026, tandis que 43% prévoient d’exploiter des flux de travail agentiques à travers les fonctions. Dans cette perspective, il est judicieux de :
- Redéfinir explicitement les rôles de management. L’IA transforme le métier de manager. Reconnaissez ce changement, soutenez la transition et acceptez que certains managers ne passeront pas le cap.
- Rebâtir les cadres de carrières pour l’ère de l’IA. Les parcours de promotion traditionnels se brisent. Les entreprises doivent inventer de nouveaux modèles pour permettre la progression des employés dans un contexte où l’IA prend en charge des tâches auparavant formatrices.
- Élaborer la confiance de manière systématique. Les cadres de confiance fonctionnent. La création informelle de confiance, non. Répondez explicitement aux cinq P pour chaque déploiement d’IA : but, personnes, processus, performance, protection.
- Réallouer les budgets selon la règle des 70-20-10. La majorité de la valeur de l’IA provient du changement organisationnel. La majorité des budgets IA est consacrée à la technologie. Corrigez ce déséquilibre ou acceptez des retours limités.
- Mesurez les résultats métier, pas les indicateurs techniques. Suivez la qualité des décisions, la réduction des délais d’exécution, et le développement des compétences — et non uniquement l’utilisation des systèmes.
« Certaines tendances qui risquent de disparaître sont les expériences isolées, les modèles d’automatisation réservés aux développeurs et la pensée “IA comme une fonctionnalité” », a déclaré Mabie.
La différence entre les leaders et les suiveurs ne réside pas dans la possession de l’IA, mais dans l’apprentissage issu de leur déploiement. Cet écart d’apprentissage va s’accentuer alors que les décisions IA de 2026 détermineront quelles entreprises rattrapent leur retard et lesquelles s’enfoncent davantage.
