5%.
C’est, selon The GenAI Divide: State of AI in Business 2025 du NANDA initiative du MIT, la part des projets GenAI intégrés qui génèrent une valeur mesurable en production.
Les 95% restants restent bloqués quelque part entre l’expérimentation, la démonstration et la bonne intention.
- Pas d’impact structurel.
- Pas d’amélioration mesurable sur le P&L.
- Pas d’intégration durable dans les processus quotidiens.
Et dans la plupart des cas, ce n’est pas parce que le modèle n’est pas assez performant.
C’est parce que l’organisation autour du modèle n’est pas prête. Le rapport décrit une réalité très claire :
- 60% des organisations ont évalué une solution GenAI d’entreprise
- 20% sont arrivées au stade du pilote
- 5% ont atteint la production avec une valeur mesurable
Entre ces 60% et ces 5%, beaucoup de budgets disparaissent. Mais aussi beaucoup de confiance dans l’IA.
La vraie question n’est donc plus : “Devons-nous faire quelque chose avec l’IA ?”
La vraie question est : “Sommes-nous en train de construire une expérience isolée, ou un système capable de fonctionner en production ?”
Le sujet n’est pas la technologie. Le sujet, c’est la mémoire de l’organisation.
Le MIT pointe un problème fondamental : le learning gap. Autrement dit, des outils qui ne savent pas apprendre du contexte de l’entreprise, qui s’intègrent mal aux workflows et qui restent trop éloignés du travail réel.
C’est exactement ce que nous observons sur le terrain.
Beaucoup de projets IA sont encore conçus comme une couche séparée. Un chatbot à côté de l’organisation. Une interface impressionnante, mais déconnectée des dossiers, des droits d’accès, des métadonnées, des versions et de l’historique des décisions.
L’outil peut répondre. Mais il ne comprend pas vraiment le contexte métier.
- Il ne sait pas toujours quel document est la version correcte.
- Il ne sait pas toujours qui peut voir quoi.
- Il ne connaît pas la logique du dossier.
- Il ne sait pas toujours pourquoi une décision a été prise.
Et à chaque nouvelle interaction, l’utilisateur doit souvent reconstruire le contexte manuellement.
C’est acceptable pour une démonstration.
Ce n’est pas suffisant pour des processus où la conformité, la traçabilité et la fiabilité sont essentielles. Une IA ne peut créer de la valeur durable que si elle travaille sur l’information qui pilote réellement l’organisation : documents, dossiers, métadonnées, droits, workflows, validations et décisions.
Sans cette base, on ne construit pas un processus.
On construit une expérimentation.
Pendant ce temps, la shadow IA avance déjà
Le rapport met également en évidence une tension importante : l’écart entre la stratégie IA officielle et l’usage réel par les collaborateurs.
Dans beaucoup d’organisations, les solutions IA validées avancent lentement.
Mais les collaborateurs, eux, utilisent déjà des outils personnels d’IA pour résumer, reformuler, analyser ou préparer leur travail. Cela signifie que l’IA est déjà présente dans l’entreprise.
- Mais souvent en dehors de la gouvernance.
- En dehors de l’audit.
- En dehors du contrôle documentaire.
- En dehors des règles d’accès.
- Des documents sont copiés.
- Du contexte métier est partagé.
Des informations sensibles peuvent être introduites dans des outils qui ne font pas partie de l’architecture d’information de l’entreprise. Le risque n’est donc pas seulement que l’IA ne soit pas adoptée.
Le risque, c’est qu’elle soit adoptée sans cadre. Et dans ce cas, l’entreprise perd précisément ce dont elle a le plus besoin : contrôle, traçabilité et confiance.
Ce que les 5% font différemment
Les organisations qui réussissent ne se contentent pas d’ajouter une IA générique au-dessus de leurs processus existants. Elles intègrent l’IA dans le travail lui-même.
Pas comme une expérience isolée.
Pas comme un copilote déconnecté.
Mais comme une solution spécifique à un domaine, intégrée dans le workflow, alimentée par une information fiable et encadrée par une gouvernance claire.
C’est là que se trouve la différence. Pour être utile en production, l’IA doit savoir :
- quels documents sont pertinents
- quelle version est valide
- quelles métadonnées donnent le contexte
- quel utilisateur peut accéder à quelle information
- quelle action a été effectuée
- quelle décision nécessite une validation humaine
C’est seulement à ce moment-là que l’IA devient exploitable dans un environnement professionnel.
Pas une boîte noire. Pas un outil en dehors du dossier.
Mais un agent contrôlé, traçable et intégré dans le système de vérité de l’organisation.
De l’expérimentation IA au processus fiable
C’est la position que SoftAdvice défend.
L’IA ne crée une valeur réelle que lorsque la base informationnelle est solide. Lorsque les documents ne sont plus dispersés entre les boîtes mail, SharePoint, les répertoires personnels et les applications isolées. Lorsque les droits, les métadonnées, les versions et les workflows ne sont pas des détails techniques, mais le fondement du système.
Avec M-Files et les Aino Custom Agents, cette approche devient concrète. L’agent IA ne travaille pas sur une information aléatoire. Il travaille dans le système de record. Il respecte la structure des droits. Il utilise les métadonnées disponibles. Il opère sur des documents contrôlés. Et il laisse à l’humain la validation là où elle est nécessaire.
C’est la différence entre une démonstration IA et un processus en production.
Une démonstration montre ce qui est possible.
Un processus montre ce qui fonctionne de manière fiable.
La vraie question pour votre direction
Votre organisation utilise-t-elle l’IA comme une initiative isolée pour montrer qu’elle innove ?
Ou l’IA est-elle intégrée dans votre architecture d’information, avec une gouvernance claire, des droits contrôlés et un résultat mesurable ?
La plupart des projets pilotes ne s’arrêtent pas parce que le modèle est insuffisant.
Ils s’arrêtent parce que l’organisation n’a pas encore construit la base nécessaire.
Les 95% ajoutent l’IA au-dessus du chaos.
Les 5% construisent d’abord le fondement.
Et c’est précisément là que commence la différence.