Mesurer l’utilisation de l’IA devient une exigence commerciale
Les équipes d’entreprise utilisent déjà des dizaines d’outils d’IA dans leur travail quotidien. L’utilisation s’étend de la génération de code et de l’analyse au soutien à la clientèle et à la recherche interne. Cependant, la supervision reste inégale à travers les rôles, les fonctions et les secteurs. Un nouveau sondage place la mesure et la gouvernance au centre de cet environnement opérationnel.
Les dirigeants expriment souvent leur confiance dans leur compréhension de l’activité d’IA au sein de l’organisation. Cependant, les directeurs et les managers, plus proches des opérations quotidiennes, décrivent une condition différente. La confiance diminue à mesure que l’on se rapproche de l’exécution, créant un écart de 16 points entre les points de vue des exécutifs et des directeurs concernant la visibilité de l’IA. Cet écart persiste à travers les secteurs et les tailles d’entreprises.
L’utilisation d’IA non officielle contribue à ce décalage. Plus d’un cinquième des dirigeants identifient l’utilisation par les employés d’outils d’IA personnels ou non sanctionnés comme un obstacle au succès, même si la plupart de ce même groupe rapporte une forte confiance dans la visibilité. L’achat d’outils offre un aperçu des licences acquises, mais fournit des informations limitées sur les modèles d’utilisation quotidiens au niveau du bureau et du navigateur.
La confiance au sommet, mais des angles morts sur le terrain
La plupart des entreprises s’appuient sur plus d’un produit d’IA. Les organisations rapportant des retours plus forts utilisent en moyenne 2,7 outils, contre 1,1 pour leurs pairs moins performants. Les outils spécialisés soutiennent des flux de travail distincts tels que le développement de logiciels, l’automatisation, l’analyse et la génération de contenu. Les plates-formes centralisées ne représentent qu’une partie de l’activité quotidienne.
Cette diversification introduit une redondance. Certains dirigeants estiment que les outils qui se chevauchent sont une source de gaspillage budgétaire. Les fonctionnalités intégrées d’IA au sein des plates-formes SaaS augmentent également le nombre total d’outils. En moyenne, une grande entreprise utilise désormais 23 outils d’IA, avec 45 % des adoptions se produisant en dehors des canaux d’approvisionnement informatique formels.
Seulement 38 % des organisations maintiennent un inventaire complet des applications d’IA en cours d’utilisation. Les lacunes d’inventaire compliquent la gouvernance, le budget et la gestion des risques, surtout alors que des cadres réglementaires exigent une sensibilisation continue aux systèmes déployés.
Plus d’outils, moins de visibilité
Le retour sur investissement varie considérablement selon le secteur. Les organisations de détail, de logiciels, de fabrication et de télécommunications rapportent une forte probabilité de réaliser un retour sur investissement dans les six mois. L’hôtellerie, la restauration et les soins de santé rapportent des attentes plus faibles.
La structure des flux de travail explique en grande partie la différence. Les secteurs qui décomposent le travail de connaissance en tâches distinctes et automatisables obtiennent des résultats plus rapides. Les industries ancrées dans des opérations physiques ou des processus fortement réglementés signalent des progrès plus lents. Le secteur de la santé se distingue par une forte confiance des exécutifs en visibilité, mais avec les attentes de retour sur investissement les plus faibles, reflétant des frictions de gouvernance et des contraintes de conformité.
Le contexte sectoriel façonne les retours de l’IA
Les résultats diffèrent également selon la fonction. Les équipes informatiques rapportent les meilleurs résultats et la plus forte confiance tant en visibilité qu’en retour sur investissement. Ces équipes utilisent l’IA pour générer du code, automatiser l’infrastructure et accélérer la livraison, produisant des résultats mesurables tels que la fréquence de déploiement et le temps de fonctionnement des systèmes.
Le soutien à la clientèle et la logistique rapportent une confiance plus faible. L’utilisation de l’IA dans ces fonctions se concentre sur la rédaction, la synthèse et les tâches de coordination qui offrent des gains incrémentiels. La mesure reste limitée et l’attribution de valeur s’avère difficile. Les rôles de soutien à la clientèle rapportent la plus faible confiance en retour sur investissement parmi toutes les fonctions, malgré des investissements élevés dans les chatbots et les outils d’assistance aux agents.
Pourquoi l’IT avance tandis que le soutien accuse du retard
La plupart des travailleurs rapportent des économies de temps modestes grâce à l’IA. Plus de 85 % d’entre eux économisent moins de 10 heures par mois. Un petit groupe d’utilisateurs avancés, soit environ six pour cent de la main-d’œuvre, rapporte des économies dépassant 20 heures par mois. Ces utilisateurs s’engagent sur plusieurs outils et capacités avancées.
La formation est fortement corrélée à la compétence. Les organisations disposant de programmes de formation formels en IA rapportent des niveaux de compétence, de satisfaction et de gains de productivité plus élevés. Les métriques d’utilisation à elles seules ne capturent pas cette différence. Les comptes de connexion et l’adoption des licences offrent un aperçu limité de l’efficacité ou de la création de valeur.
Le fossé de productivité au sein de la main-d’œuvre
Des problèmes structurels limitent la mesure dans l’entreprise. Trente pour cent des répondants signalent des lacunes de responsabilité pour la mesure de l’IA. La fragmentation de la propriété entre les équipes suit de près. Les limitations techniques sont moins citées.
Des politiques de gouvernance existent dans la plupart des organisations, bien que l’exécution varie. Soixante-neuf pour cent rapportent avoir des politiques de risque et de conformité en matière d’IA, et plus de 80 % expriment leur satisfaction quant aux garde-fous. En même temps, beaucoup manquent de visibilité sur les taux d’adoption par la main-d’œuvre, l’exposition aux risques et les métriques de valeur. Les organisations disposant d’une gouvernance formalisée démontrent une plus forte probabilité de retour sur investissement, reflétant l’alignement entre les équipes de direction, de sécurité et opérationnelles.
Les métriques suivies mettent l’accent sur la facilité de collecte. Les économies réalisées, le pourcentage d’utilisateurs et le temps économisé par semaine figurent en tête de liste. Moins d’organisations suivent l’investissement par outil, la maturité par fonction ou les améliorations de la vitesse de livraison. Ces lacunes limitent la capacité à relier l’utilisation de l’IA aux résultats commerciaux.
