IA générative : l’engouement retombe, tant mieux pour les DSI

Bien négocier le plateau de l’IA

Le plateau de l’IA ne marque pas l’échec de l’IA générative. Lors de la phase précédente, les entreprises ont été captivées par le potentiel de la GenAI, largement alimenté par l’engouement autour de ChatGPT.

À mesure que la technologie mûrit, elle se heurte à la complexité du passage à l’échelle, de l’intégration dans les processus et de l’atteinte d’objectifs business mesurables.

Cette nouvelle phase oblige les organisations à revoir leurs attentes. L’enjeu n’est plus de déployer l’IA pour déployer l’IA, mais de l’ancrer dans les processus de cœur de métier. Des difficultés liées à la qualité des données, à la gouvernance ou aux coûts apparaissent. Ce qui pousse les DSI à restreindre les cas d’usage et à renforcer le pilotage.

L’histoire montre que les technologies de rupture traversent souvent ce type de cycles, faits d’euphorie, de désillusion, puis de stabilisation. Selon une enquête de McKinsey de 2025, près des deux tiers des organisations n’auraient pas encore commencé à déployer l’IA à l’échelle. Pour autant, le potentiel à long terme de l’IA demeure intact.

Face à cette nouvelle phase, les démarches exploratoires trop larges doivent laisser place à des actions plus ciblées et plus stratégiques. Les DSI ont tout intérêt à concentrer leurs efforts sur des problématiques métier à fort impact, tout en arbitrant entre gains rapides et transformations de plus long terme.

Se concentrer sur les problèmes métier

« Faire de l’IA partout » n’a pas de sens. Dans de nombreuses entreprises, chaque département avait été invité à proposer des idées pour améliorer la productivité grâce à l’IA. Si cette approche a suscité un certain enthousiasme, elle a aussi entraîné une inflation du nombre de projets.

Arrivés au stade du plateau, les DSI deviennent plus sélectifs. Seuls sont retenus les cas d’usage clairement alignés sur les objectifs de l’entreprise et susceptibles de passer à l’échelle. La question n’est plus de savoir si une équipe peut utiliser l’IA, mais si elle le doit.

« Malheureusement, au tout début, le mot d’ordre était que chaque équipe devait explorer l’IA pour améliorer la productivité », raconte par exemple Graeme Thompson, DSI d’Informatica. « Mais la meilleure idée du service juridique n’est peut-être pas aussi pertinente que la dix-neuvième idée du marketing. Alors, pourquoi choisir celle-là ? »

Adopter une stratégie à deux vitesses

Le terrain montre qu’il est par ailleurs impossible de traiter tous les projets IA de la même manière. Certains projets sont tactiques, rapides à déployer et limités dans leur périmètre. D’autres touchent aux systèmes critiques. Ils exigent des données mieux structurées et une gouvernance renforcée.

Chercher à faire avancer l’ensemble au même rythme conduit souvent à des blocages.

Ce clivage devient encore plus visible lorsque les organisations tentent de généraliser des projets pilotes, explique Joe Locandro, DSI de Rimini Street. Les premières expérimentations fonctionnent souvent parce qu’elles reposent sur peu de données et un petit périmètre étroit. Les difficultés apparaissent quand apparaissent les enjeux d’intégration, d’automatisation et de gouvernance.

Pour y répondre, Joe Locandro confirme que la meilleure approche est celle à deux vitesses. « Il y a des projets tactiques, à court terme », explique-t-il. « Je mène des initiatives à 60 000 dollars, sur environ douze semaines, qui apportent un bénéfice immédiat. Et puis il y a des projets plus lourds, qui impliquent, par exemple, le système financier ERP ou de l’IA agentique sur une application Workday. »

Construire des MVP, puis itérer

Un autre défi consiste à éviter des cycles de planification trop longs qui chercheraient à tout résoudre d’un coup. Comme la technologie évolue très vite, des projets étalés sur plusieurs mois risquent d’aboutir à des solutions déjà dépassées à leur livraison.

Il est préférable de démarrer par des Minimum Viable Product (MVP) sur des besoins précis, puis de les améliorer progressivement. Cette approche itérative limite les risques de sur-ingénierie. On pourrait faire ici un parallèle avec les débuts d’Internet, lorsque certaines entreprises mettaient des mois à concevoir des plateformes trop ambitieuses.

Un nouveau cycle d’adoption plus responsable

L’entrée de l’IA générative dans cette phase de plateau marque aussi le début d’une ère d’adoption plus responsable. Pour les DSI, le succès ne repose plus sur l’effet de mode, mais sur l’application réfléchie de l’IA à des problématiques concrètes, en conciliant vitesse d’exécution et capacité à passer à l’échelle.

Ceux qui privilégient la création de valeur mesurable, la flexibilité et une gouvernance solide peuvent poser les bases d’une innovation et d’un avantage compétitif durable.

En attendant la prochaine phase de transformation avec l’IA agentique ?