Berfin Yağız
3 min de lecture
January 15, 2026
Le rapport State of AI in Business 2025 du MIT met au jour une vérité surprenante et dérangeante : malgré des milliards investis dans la GenAI, 95 % des pilotes en entreprise ne montrent aucun effet mesurable sur l’activité. Ce qui distingue les 5 % qui réussissent, ce n’est ni de meilleurs modèles, ni des budgets plus gros, ni une infrastructure plus avancée. Dans cet article, nous nous concentrons sur l’un des enseignements les plus importants du rapport : la lacune d’apprentissage derrière la fracture GenAI.
Le principal obstacle à l’adoption de la GenAI n’est pas la technologie, c’est le niveau de compétence dans toute l’entreprise. Le rapport montre que la plupart des utilisateurs apprécient les outils de GenAI pour un usage personnel et de petites tâches quotidiennes ; mais dès qu’il s’agit de travail critique, 90 % d’entre eux préfèrent qu’un humain s’en charge. Dès qu’il faut de la mémoire, de l’adaptation, de la réactivité et des boucles d’apprentissage, l’usage s’effondre.
Ce constat devrait parler à tout dirigeant qui pilote une transformation IA. Ce qui sépare les 5 % les plus avancés du reste, ce ne sont ni les budgets ni l’infrastructure, c’est la couche humaine : les compétences, l’assurance, les processus de travail et l’AI Literacy nécessaires pour transformer des outils d’IA en valeur réelle.
Les mêmes professionnels qui utilisent ChatGPT tous les jours pour leurs tâches personnelles attendent des capacités d’apprentissage et de mémoire dès que le travail devient critique. Beaucoup de salariés utilisent déjà des outils d’IA à titre privé et rapportent des gains de productivité, pendant que les initiatives officielles de leur entreprise s’enlisent.
Les outils ne s’intègrent pas aux processus réels : ils n’apprennent pas des saisies précédentes, ne s’adaptent pas d’une équipe à l’autre et oublient les corrections. Les salariés les abandonnent vite, car ils les trouvent rigides, lents et éloignés du travail quotidien. Souvent, les gens ne savent ni comment ni quand utiliser l’IA, manquent d’assurance pour évaluer les résultats et ne sont pas outillés pour juger quand le modèle se trompe. Les managers peinent à intégrer l’IA aux processus existants, et beaucoup d’équipes n’ont jamais repensé leurs façons de faire pour tirer parti de ses points forts.
En résumé, les organisations posent des outils avancés sur des fondations qui ne sont pas prêtes, et la maturité IA s’effondre à la couche humaine. D’où ce que le MIT appelle la montée du Shadow AI : des millions de salariés qui utilisent officieusement des outils grand public pour faire leur vrai travail. Les gens trouvent la valeur par eux-mêmes, mais les entreprises ne la captent pas de façon structurée, sûre et durable.
La conclusion est nette : les organisations qui investissent dans l’apprentissage, dans la refonte des processus et dans l'AI Literacy avancent. Celles qui se contentent de déployer des outils, non.
Chez Data Booster, notre mission est de donner aux organisations les compétences, la structure et l’assurance nécessaires pour utiliser la donnée et l’IA de façon utile. Que Jaarbeurs fasse passer 350 personnes par un programme structuré ou que PGGM prépare 400 professionnels à un avenir en Data Mesh, la leçon reste la même : dès que les gens acquièrent les compétences et l’assurance nécessaires pour utiliser l’IA à bon escient, la transformation suit. La technologie accélère le chemin, ce sont les personnes qui le parcourent.
Le 24 septembre, nous organisons à Utrecht la 10e Data & AI Literacy Round Table : responsables RH et data dans une même salle, autour des raisons pour lesquelles l’adoption s’enlise et de qui devrait s’en charger. Sur invitation, 30 à 40 places.
Membre de
Nominé
