42 % des entreprises abandonnent la majorité de leurs projets IA. Tant mieux.
L’article 42 % des entreprises abandonnent la majorité de leurs projets IA. Tant mieux.
En septembre 2026, une étude révèle que 42 % des entreprises abandonnent la majorité de leurs projets d'intelligence artificielle (IA). Cette statistique marque un tournant dans l'adoption de l'IA en entreprise. Après une phase d'enthousiasme et d'expérimentations massives, les organisations entrent dans une période de rationalisation. L'IA, souvent présentée comme une solution miracle, montre ses limites lorsqu'il s'agit de générer un retour sur investissement (ROI) concret. Les entreprises réalisent que lancer un projet d'IA ne suffit pas : il faut aussi prouver son utilité et son efficacité économique. Le terme ROI (Retour sur Investissement) désigne ici la capacité d'un projet à générer plus de valeur qu'il n'en coûte, un critère désormais central dans les décisions des dirigeants.
Geoffrey Harrazi, cofondateur de l'entreprise Idun, souligne que cette tendance reflète une évolution naturelle dans l'adoption de l'IA. Les entreprises passent d'une phase d'exploration, où l'innovation prime, à une phase d'évaluation, où la performance et la rentabilité deviennent prioritaires. Cette transition est comparable à celle observée dans l'histoire des technologies disruptives : après une phase d'adoption massive et parfois désordonnée, vient le temps de la sélection et de l'optimisation. L'auteur insiste sur l'importance de distinguer les projets utiles de ceux qui ne le sont pas, une tâche complexe qui nécessite des outils de mesure adaptés et une gestion rigoureuse.
Le véritable défi pour les entreprises n'est plus de lancer des projets d'IA, mais de mesurer leur valeur réelle. Geoffrey Harrazi explique que beaucoup de projets échouent non pas par manque de technologie, mais par manque de clarté sur leurs objectifs ou leur utilité. Par exemple, une entreprise peut déployer un outil d'IA pour automatiser une tâche, mais si cette automatisation ne réduit pas les coûts ou n'améliore pas la qualité, le projet sera abandonné. L'auteur cite des cas où des projets d'IA, bien que technologiquement avancés, n'ont pas été adoptés par les utilisateurs finaux, faute de répondre à un besoin concret. La mesure de la valeur repose donc sur des indicateurs précis, comme l'efficacité opérationnelle, la satisfaction client ou le gain de productivité.
Cette tendance à l'abandon des projets d'IA a des conséquences stratégiques pour les entreprises. D'une part, elle permet de recentrer les investissements sur des initiatives plus prometteuses, évitant ainsi le gaspillage de ressources. D'autre part, elle pousse les organisations à adopter une approche plus pragmatique, en privilégiant des solutions scalables et intégrées plutôt que des projets expérimentaux. Les entreprises qui réussissent cette transition sont celles qui parviennent à aligner leurs projets d'IA sur leurs objectifs business, en évitant l'effet de mode. Geoffrey Harrazi note que cette phase de sélection est saine, car elle permet de construire une base solide pour l'IA dans l'entreprise, plutôt que de se disperser dans des initiatives sans lendemain.
