Calipia : le blog

Depuis deux ans, l’intelligence artificielle occupe le devant de la scène dans les discours des directions générales et des fournisseurs technologiques. Pourtant, les chiffres récents du Census Bureau américain apportent une nuance intéressante : après un pic au printemps, l’usage de l’IA en entreprise connaît un reflux.

Les données bi-hebdomadaires issues de l’enquête auprès de milliers de sociétés montrent que les grandes structures – plus de 250 employés – sont celles qui ralentissent le plus. En juin, 15 % d’entre elles déclaraient utiliser l’IA pour produire biens et services. Fin août, elles n’étaient plus que 11 %. Même les PME emboîtent le pas. Seules les micro-entreprises (moins de quatre employés) progressent modestement, de 9 % à 10 %.

Faut-il pour autant y voir un rejet ? Pas vraiment. L’usage de l’IA reste deux fois plus élevé que l’an dernier, et certains secteurs – finance, technologie, services juridiques – continuent de monter en puissance. Ce recul ponctuel reflète surtout une désillusion grandissante face à l’écart entre promesses marketing et résultats opérationnels.

Un biais méthodologique existe : le panel change à chaque vague d’enquête et le taux de réponse plafonne à 15 %. Mais d’autres signaux concordants nourrissent la même lecture. Salesforce, lors de sa dernière présentation financière, a laissé transparaître une certaine prudence. Et un papier viral du MIT soulignait récemment les difficultés concrètes rencontrées par les entreprises pour industrialiser l’IA générative.

La question centrale est celle du retour sur investissement. Adopter une IA coûte cher : licences logicielles, puissance de calcul, ingénierie de données, conduite du changement… autant de postes budgétaires qui ne produisent pas forcément des bénéfices immédiats. Lane Shelton, VP chez SHI, rappelle que « certains projets mettent un an à livrer un premier gain tangible. Les plus patients sont récompensés, mais beaucoup d’entreprises préfèrent couper court avant d’atteindre ce point ».

Ce manque de patience explique aussi les résiliations observées pour des outils comme ChatGPT en version entreprise. OpenAI lui-même a revu ses projections : davantage de revenus attendus côté grand public, mais moins d’optimisme pour les API et agents destinés aux professionnels. La personnalisation – transformer un modèle générique en outil métier adapté aux données internes – reste le talon d’Achille. Sans équipes expertes ou prestataires spécialisés, la promesse se dilue rapidement.

À l’inverse, certains acteurs tirent leur épingle du jeu. Databricks revendique une croissance de 50 % sur son activité liée aux bases de données et services pour développeurs IA. Ses clients sont souvent techniquement aguerris, capables d’exploiter directement les briques mises à disposition. Pour séduire les autres, OpenAI et consorts investissent désormais dans des équipes de conseil capables de livrer du sur-mesure. Mais toutes les DSI n’ont pas le budget pour financer ces experts.

Pendant ce temps, l’IA cherche de nouveaux terrains de jeu. OpenAI annonce un partenariat avec un studio d’animation pour produire un film intégralement généré par IA, avec un budget dix fois inférieur à celui d’une production Pixar classique. L’objectif est clair : démontrer que la réduction drastique des coûts et délais est possible… et séduire Hollywood.

En résumé, nous assistons moins à un désamour qu’à un réalignement. L’IA n’est pas rejetée, mais les directions informatiques deviennent plus exigeantes. L’effet “waouh” des premières démonstrations laisse place à des questions terre-à-terre : combien ça coûte, combien ça rapporte, et combien de temps faut-il attendre ? Derrière la mode, la vraie bataille commence : transformer des preuves de concept en valeur durable 🙂