Ce contenu a été produit par MIT Technology Review Insights en partenariat avec Concentrix.
Cette dernière année a marqué un tournant dans le débat sur l’IA en entreprise. Après une période d’expérimentation intense, les organisations se confrontent à une réalité plus complexe : si les investissements dans l’IA n’ont jamais été aussi élevés, le passage de la phase pilote à la mise en production à grande échelle dans les opérations réelles reste difficile à concrétiser. Les trois quarts des entreprises restent bloquées en mode expérimentation, malgré une pression croissante pour transformer les premiers tests en résultats opérationnels mesurables.
Comme l’explique une experte, le défi est souvent systémique — ancré dans le fonctionnement réel des opérations : « La plupart des organisations souffrent de ce que nous appelons le PTSD, soit des défis liés aux processus, à la technologie, aux compétences et aux données », déclare Shirley Hung, associée chez Everest Group. « Elles ont des processus rigides et fragmentés qui s’adaptent mal au changement, des systèmes qui ne communiquent pas entre eux, des talents absorbés par des tâches à faible valeur ajoutée. Et elles sont enfouies sous des flux d’informations incessants, sans structure unifiée pour tout relier.
Le défi central réside dans la façon de repenser la collaboration entre les humains, les processus et la technologie dans des environnements opérationnels réels.
Dans des secteurs aussi différents que l’expérience client et les équipements agricoles, le même schéma émerge : les structures organisationnelles traditionnelles — prise de décision centralisée, processus fragmentés, données dispersées dans des systèmes incompatibles — s’avèrent trop rigides pour soutenir l’IA agentique à grande échelle. Pour créer de la valeur, les dirigeants doivent repenser la façon dont les décisions sont prises, dont le travail est exécuté, et ce que les humains apportent de manière unique.
L’essentiel des discussions porte sur ce qui peut être décrit comme le prochain grand levier : rendre opérationnelle la collaboration humain-IA dans des environnements réels. Plutôt que de positionner l’IA comme un outil autonome ou un « travailleur virtuel », cette approche la recadre comme une capacité intégrée dans le fonctionnement quotidien, qui renforce le jugement humain, accélère l’exécution et réinvente le travail de bout en bout. Ce changement exige que les organisations définissent la valeur qu’elles souhaitent créer, conçoivent des processus combinant supervision humaine et automatisation pilotée par l’IA, et construisent les fondations en matière de données, de gouvernance et de sécurité qui rendent ces systèmes fiables.
« Mon conseil est d’anticiper quelques délais, car vous devez vous assurer de sécuriser les données », déclare Heidi Hough, VP Aftermarket Amérique du Nord chez Valmont. « Lorsque vous envisagez d’opérationnaliser tout usage de l’IA, si vous partez de zéro en plaçant la gouvernance au premier plan, cela contribuera à de meilleurs résultats. »
Les pionniers montrent déjà ce que cela donne dans les opérations réelles : en démarrant par des cas d’usage à faible risque, en structurant les données dans des périmètres bien définis, en intégrant la gouvernance dans la prise de décision quotidienne, et en donnant aux dirigeants métier — pas seulement aux technologues — les moyens d’identifier où l’IA peut créer un impact business mesurable. Le résultat est un nouveau modèle de maturité IA ancré dans la réingénierie de la façon dont les entreprises modernes opèrent à grande échelle.
L’optimisation consiste à mieux faire ce qui existe déjà, mais la réinvention consiste à découvrir de nouvelles choses qui méritent vraiment d’être faites », déclare Hung.
La différence entre la phase pilote et la performance concrète réside dans la capacité de l’IA à fonctionner de manière fiable dans les opérations réelles.
Ce webcast est produit en partenariat avec Concentrix.
Ce contenu a été produit par Insights, la division de contenu sur mesure de MIT Technology Review. Il n’a pas été rédigé par l’équipe éditoriale de MIT Technology Review. Il a été recherché, conçu et rédigé par des auteurs, éditeurs, analystes et illustrateurs. Les outils d’IA éventuellement utilisés se limitaient aux processus de production secondaires, soumis à une révision humaine approfondie.
