Depuis quelques mois, les rapports sur l’état de l’IA s’accumulent, chacun annonçant l’avènement d’une rupture majeure dans la manière dont les entreprises travaillent, décident et créent de la valeur et deux publications d’acteurs majeurs du conseil en stratégie viennent de sortir coup sur coup. McKinsey y voit une diffusion rapide mais encore hésitante, le BCG une polarisation entre une minorité qui capture presque tous les gains et une majorité qui tourne en rond. Pris isolément, ces rapports éclairent une partie du sujet mais lus ensemble, ils disent surtout quelque chose de plus profond sur la manière dont les organisations abordent la transformation : avec beaucoup de technologie, beaucoup d’ambition affichée, et très peu de travail sur ce qui importe vraiment.
En effet, derrière les graphiques et les pourcentages, il y a une réalité qui s’impose : l’IA ne manque pas de capacités, ce sont les organisations qui manquent de structure pour les absorber. Les pilotes se multiplient mais ne changent rien, les gains restent marginaux, les agents apparaissent dans les discours plus qu’ils ne transforment les chaînes de valeur, et les écarts de performance se creusent pour des raisons qui n’ont, au fond, que peu à voir avec les modèles eux-mêmes.
Ce billet propose, en plus d’une synthèse, une lecture critique de ce que ces rapports montrent, de ce qu’ils évitent d’aborder, et surtout de ce qu’ils révèlent malgré eux sur l’état réel des entreprises face à l’IA. Parce que comprendre les chiffres ne suffit pas, encore faut-il comprendre les structures qui font qu’on les obtient
En bref :
- L’IA est largement adoptée dans les entreprises, mais elle génère peu de valeur faute de transformation structurelle : les usages se multiplient, mais les bénéfices économiques restent marginaux et concentrés chez une minorité.
- Les rapports de McKinsey et du BCG convergent sur les conditions de réussite : la création de valeur passe par un redesign profond des workflows et une gouvernance ambitieuse, non par des expérimentations isolées.
- La plupart des entreprises ne disposent pas des fondations organisationnelles pour tirer parti de l’IA, contrairement aux « future-built », une catégorie atypique et difficilement réplicable qui capte l’essentiel des gains.
- Les agents IA sont perçus comme un levier de valeur émergent mais leur adoption reste limitée, et leurs implications organisationnelles (réduction des tâches, reconfiguration des rôles, montée en complexité) sont peu analysées.
- Les rapports ignorent des facteurs clés comme la surcharge cognitive, les frictions internes et la fragmentation des pratiques qui freinent l’intégration de l’IA dans le travail quotidien et limitent son impact réel.
- Deux regards différents
- Des points de convergence
- Des divergences notables
- L’IA est massivement adopté mais marginalement productive
- Le redesign des workflows : oui, mais aucune réflexion réelle sur les conditions politiques et sociales
- Les « future-built » : une catégorie surestimée et difficile à répliquer
- Le rôle des agents est surévalué dans la communication et sous-estimé dans les implications
- Où sont l’économie de l’attention, les frictions organisationnelles, le coût cognitif
- Conclusion
- Pour répondre à vos questions…
Deux regards différents
McKinsey – State of AI 2025 : Agents, innovation, and transformation
On parle ici d’une enquête mondiale auprès d’environ 2 000 organisations sur l’usage réel de l’IA, avec accent sur l’adoption, la diffusion par fonction, les impacts mesurés (coûts, revenus, innovation) et l’émergence des agents (McKinsey – State of AI 2025 : Agents, innovation, and transformation)
C’est un baromètre descriptif qui cherche à répondre à des questions comme « Où en est l’IA dans l’entreprise ? » et « Pourquoi la valeur à grande échelle reste l’exception ? ».
Chiffres clé
- 88% des entreprises utilisent l’IA dans au moins une fonction (en hausse) mais seules 32% sont en phase de scaling et 7% entièrement à l’échelle.
- Agentic AI : 23% des entreprises en phase de scaling d’agents mais dans 1 ou 2 fonctions seulement
- 39% constatent un impact sur l’EBIT (souvent inférieur à 5%).
- Des impact surtout qualitatifs : innovation (64%), satisfaction employés, différenciation concurrentielle.
- Causes du faible impact global : workflows non redessinés, difficulté de passer du pilote à l’échelle.
- Les « High performers » qui représentent 6% des organisations montrent. des ambitions plus fortes, des objectifs en termes de croissance et d’innovation, un redesign des workflows (3 fois plus probable qu’ailleurs.)
On a ici une photographie détaillée de la réalité : usage large, valeur limitée, agents qui montent en puissance mais de manière trop dispersés.
BCG – The Widening AI Value Gap (2025)
Ici on a une étude stratégique sur 1 250 entreprises, centrée sur la valeur créée et sur l’écart croissant entre entreprises « future-built » (top 5%) et les autres (The Widening AI Value Gap – Build for the Future 2025).
C’est une lecture volontairement plus normative : identification des capacités gagnantes et explication des échecs de la grande majorité.
Chiffres clé :
- 5% des entreprises tirent de la valeur à grande échelle, 60% n’en tirent aucune, 35% sont en scaling partiel.
- Les « future-built » affichent :
- 1,7× plus de croissance
- 1,6× plus de marge EBIT
- 3,6× plus de TSR (Total Shareholder Return) à 3 ans
- 70% de la valeur IA se concentre sur les fonctions cœur (vente, marketing, supply chain, manufacturing).
- Agents : ils représentent déjà 17% de la valeur de l’OA IA en 2025, attendus à 29% en 2028.
- Accélérateurs critiques : vision pluriannuelle sponsorisée par le CEO, AI-first operating model, workflow redesign, upskilling massif, architecture modulaire.
Ici on a une une lecture centrée sur la stratégie et l’écart de performance, prescriptive et orientée directions générales.
Des points de convergence
Sans surprise, les deux rapports convergent sur de nombreuses choses même si leurs chiffres diffèrent parfois de manière significative ou alors se complètent en raison d’angles complétementaires.
Une adoption large mais une valeur encore limitée
Pour McKinsey 88% utilisent l’IA dans au moins une fonction, mais seules 39% observent un impact sur l’EBIT, impact le plus souvent de moins de 5%.
Pour le BCG 60% ne génèrent aucune valeur matérielle malgré les investissements et 5% seulement créent de la valeur substantielle à l’échelle.
On peut donc s’accorder sur l’existence d’usages massifs mais qui ne se traduisent que par une valeur économique rare et polarisée.
Le redesign des workflows comme facteur déterminant
McKinsey nous dit que les high performers sont 3 fois plus susceptibles de redesigner les workflows en profondeur.
Même son de cloche au BCG : la valeur vient de la transformation des workflows end-to-end, non des pilotes isolés. Les « future-built » réinventent les processus plutôt qu’automatiser superficiellement.
Les deux s’accordent donc pour dire que sans transformation organisationnelle, la technologie seule ne génère rien.
Les agents : une tendance montante mais encore immature
Selon McKinsey 62% des entreprises expérimentent les agents mais moins 10 % les scalent dans une fonction donnée. 23% les déploient dans une fonction au moins.
Pour le BCG les agents représentent 17% de la valeur IA en 2025 avec une projection à 29 % en 2028. Ils sont adoptés surtout chez les « future-built ».
Dans les deux cas les agents sont perçus comme la prochaine source d’impact, mais les capacités et prérequis restent insuffisants chez la majorité.
La valeur se concentre dans quelques fonctions cœur
McKinsey nous dit en effet que les bénéfices se retrouvent surtout en marketing & sales, stratégie/finance, product development, IT, et manufacturing.
Même constat au BCG : 70% de la valeur IA provient des fonctions sales, marketing, supply chain, manufacturing et pricing.
Tout deux nous disent que la valeur est fonctionnelle, non transversale, et dépend de flux opérationnels bien définis.
Les leaders adoptent une posture ambitieuse en termes d’innovation et de croissance
Pour McKinsey les high performers s’appuient sur l’innovation et la croissance, pas seulement l’efficience et ils visent la transformation organisationnelle (3,6 fois plus souvent que les autres).
Le BCG, quant à lui, nous dit que les « future-built » ont une vision pluriannuelle portée par le CEO avec des objectifs chiffrés ambitieux, un operating model AI-first et plus d’investissements (+26% en IT, +64% en budget IA).
Les deux rapports nous amènent donc à penser que la posture stratégique compte plus que la technologie en elle-même.
Des divergences notables
Mais les deux rapport ne peuvent être mis face à face car non seulement leur angle n’est pas le même mais de plus leur lecture même de certains phénomènes diverge
Objectif du rapport : descriptif vs prescriptif
McKinsey dresse un état des lieux factuel, photographique, basé sur l’adoption et impact réel là où le BCG opère une analyse stratégique prescriptive sur comment créer de la valeur et comment éviter de devenir un retardataire.
L’un mesure, l’autre prescrit donc les deux rapports sont plus à traiter conjointement si on veut en tirer quelque chose.
Focus sur l’ »usage » vs la « valeur »
McKinsey s’intéresse à l’usage, la diffusion, la maturité opérationnelle alors que le BCG s’intéresse à la valeur générée, l’écart entre leaders et suiveurs, les capacités gagnantes.
On a donc deux niveaux différents : l’un opérationnel (McKinsey) et l’autre stratégique/économique (BCG).
Poids relatif des agents
McKinsey fait preuve de la plus grande prudence en insistant sur le caractère aujourd’hui marginal des agents (moins de 10% en scaling par fonction).
Le BCG se montre plus convaincu puisque les agents sont présentés comme des accélérateur majeur de valeur : déjà 17% de la valeur en 2025, 29% en 2028.
De manière assez surprenante McKinsey voit des pilotes alors que le BCG voit un levier stratégique accélérateur, quoique les deux peuvent se compléter. C’est aussi une question d’horizons.
Analyse organisationnelle
McKinsey met en avant des éléments précis : workflow redesign, ambitions, objectifs IA, taille de l’entreprise alors que le BCG insiste sur un operating model AI-first, la co-responsabilité business-IT, le rôle du chief AI officer et les architectures modulaires.
Le BCG va donc beaucoup plus loin dans la prescription organisationnelle et l’architecture cible.
Lecture du paysage global
McKinsey nous montre progression large mais lente ainsi que des difficultés de scaling là où le BCG insiste sur un écart grandissant, une dynamique de « winners-take-most », et un risque de trappe à stagnation pour 60 % des entreprises.
McKinsey décrit donc plutôt un paysage évolutif et le BCG décrit un paysage polarisé et inégalitaire.
Livrons nous maintenant à une lecture critique.
L’IA est massivement adopté mais marginalement productive
Que ce soit chez McKinsey (88% d’usage, 32% seulement en phase descaling, 39% avec un impact EBIT faible) ou au BCG (60% ne génèrent aucune valeur, 5% seulement captent une valeur significative) on nous raconte la même histoire mais c’est une histoire qui n’a absolument rien de neuf et on peut même être déçu du temps qu’il a fallu pour constater des évidences si prévisibles.
Cette dynamique ressemble en effet à toutes les grandes vagues technologiques avec un usage expansif et une valeur significative mais qui n’est que capturée par un petit nombre. Il y a ici un effet de seuil très visible avec la plupart des entreprises ont adopté l’IA comme outil et pas comme levier de transformation.
Les rapports montrent donc surtout que l’IA amplifie les structures existantes. Si l’organisation est fragmentée, l’IA s’ajoute à la fragmentation alors si elle est intégrée, l’IA devient un multiplicateur (Si votre entreprise n’est pas conçue pour l’IA elle finira conçue par l’IA).
Mais en fait cela cache la vacuité d’un discours sur l’IA qui reste trop superficiel. Il nous dit en effet expliquent comment les entreprises utilisent l’IA mais pas pourquoi elles n’y arrivent pas. Et les vraies raisons sont rarement technologiques.
De manière générale on peut aussi regretter que les organisations pensent « outil » et pas « système de production de valeur ».
Le redesign des workflows : oui, mais aucune réflexion réelle sur les conditions politiques et sociales
Les deux rapports martèlent que le redesign des workflows est le facteur décisif. Pour McKinsey les high performers sont 3 fois plus nombreux à redessiner les workflows et pour le BCG la valeur vient de la réinvention end-to-end, pas des pilotes.
Techniquement parlant ils ont raison car sans refonte des chaînes d’activité, l’IA reste accrochée à des processus obsolètes mais ils omettent la réalité opérationnelle : un workflow n’est pas un qu’un schéma mais c’est aussi un territoire politique, avec des acteurs, des règles, des routines, des rapports de pouvoir.
Ce qui est omis c’est que redessiner les workflows implique des renégociations de périmètres, de rôles et de frontières hiérarchiques. Cela remet également en cause les middle managers, les cycles de décision et les modèles historiques de contrôle.
Au final, et cela n’a rien de neuf, beaucoup d’organisations échouent non par manque de technologie, mais par incapacité à réallouer l’autorité.
Les rapports parlent d’ambition, de gouvernance et de vision mais jamais des jeux de pouvoir internes qui bloquent 80% des transformations.
Les « future-built » : une catégorie surestimée et difficile à répliquer
Le BCG se concentre sur une élite composée de moins de 5% des organisations.
Ces entreprises disposent déjà d’une maturité digitale élevée, de leadership stable, d’architectures technologiques avancées et de marges financières pour investir de manière continue mais elles se situent statistiquement dans une zone très atypique : grandes organisations mondiales, souvent tech-native ou déjà transformées.
Ce discours est critiquable car il généralise à tort ce qui n’est en réalité possible que pour une minorité sous-estime le coût important, le temps nécessaire, la culture technique et la qualité organisationnelle de ces entreprises et il omet surtout de dire que la plupart des entreprises n’ont pas la structure d’un future-built et ne l’auront jamais.
En clair : l’écart se creuse non parce que certains vont trop vite, mais parce que la majorité n’a pas les fondations structurelles pour suivre.
Le rôle des agents est surévalué dans la communication et sous-estimé dans les implications
Pour le BCG les agents représentent déjà 17% de la valeur IA ce qui est un narratif fort, voire optimiste. Mais l’attente de 29 % d’ici 2028 suppose une adoption rapide malgré les contraintes lourdes (données, sécurité, architectures).
Le rapport omet par contre de nous dire que la plupart des entreprises n’ont ni la qualité de données, ni la gouvernance, ni les compétences internes pour des agents fiables.
De manière plus général, il promeut une vision « platform-centric » très éloignée de la réalité moyenne.
Mais McKinsey n’est pas exempt de reproches sur ce sujet non plus. Les agents sont décrits de façon lucide (usage limité, exploratoire, peu scalé) mais la réflexion sur l’impact organisationnel (compétences, répartition des rôles, automatisation partielle des décisions, etc.) n’est que survolé.
Les deux rapports passent rapidement sur un point clé : les agents réduisent la granularité du travail, en fusionnant des tâches auparavant réparties entre plusieurs rôles. On est face à une bombe organisationnelle mais rien n’est dit là-dessus.
Où sont l’économie de l’attention, les frictions organisationnelles, le coût cognitif
De manière surprenant certains sujets clé ne sont pas abordés.
L’introduction massive de nouveaux outils, IA comprise, brouille en effet encore davantage un paysage numérique déjà chargé. La multiplication des interfaces, des notifications et des workflows pèse directement sur la capacité d’attention des équipes, qui doivent gérer une surcharge cognitive croissante alors même qu’on leur promet des gains de simplicité. A mesure que chacun adopte ses propres usages, ses propres raccourcis et parfois ses propres outils, les pratiques se fragmentent et la cohérence opérationnelle se délite. L’IA n’évolue alors plus dans un environnement stabilisé mais dans un assemblage de processus fragiles, de données imparfaites et de routines hétérogènes, qu’elle tend à amplifier plutôt qu’à corriger. Cet écart se renforce encore avec la diversité des usages individuels : certains collaborateurs exploitent intensivement les capacités de l’IA, d’autres la contournent ou l’ignorent, ce qui crée des écarts de performance difficilement gérables et complique toute tentative de standardisation.
Ces rapports restent focalisés sur la chaîne de valeur formelle, jamais sur l’informelle qui est pourtant critique dans l’adoption.
En réalité on peut craindre que l’IA exacerbera les frictions existantes autant qu’elle créera des gains.
Conclusion
Les deux rapports montrent que l’IA n’est pas un enjeu technologique mais un problème de design organisationnel.
L’adoption massive sans redesign produit en effet peu de valeur.
L’écart entre leaders et suiveurs vient de la capacité à redéfinir le travail, les rôles, les systèmes décisionnels et les architectures internes, pas de la technologie en elle-même.
Pour répondre à vos questions…
Malgré une adoption massive, l’impact économique reste limité car l’IA est souvent intégrée comme un outil additionnel plutôt que comme un levier de transformation. Les pilotes se multiplient sans modifier les chaînes de valeur, ce qui réduit les gains potentiels. Les organisations fragmentées voient leurs dysfonctionnements amplifiés, tandis que les plus structurées bénéficient réellement de l’IA. Le frein principal est organisationnel : sans modèle de travail adapté, la valeur ne se matérialise pas. Pour les décideurs, l’enjeu est de traiter l’IA comme un changement de système, pas comme une simple technologie.
Les entreprises qui redessinent leurs workflows capturent beaucoup plus de valeur, car elles réorganisent les activités plutôt que d’ajouter des outils à des processus obsolètes. Toutefois, modifier un workflow signifie toucher aux rôles, aux responsabilités et aux modes de décision, ce qui crée des tensions internes souvent sous-estimées. La difficulté provient moins de la technologie que de la renégociation de l’autorité et des périmètres. Pour les dirigeants, anticiper et piloter ces ajustements est indispensable pour réussir l’intégration de l’IA.
Les organisations qualifiées de « future-built » ne représentent qu’une minorité déjà très avancée : maturité digitale élevée, leadership stable, architectures solides et capacités d’investissement importantes. Leur modèle est peu transposable car la majorité des entreprises ne dispose pas de ces fondations. L’écart de performance vient autant de leur avance que des limites structurelles des autres. Pour les dirigeants, la priorité consiste à renforcer les bases organisationnelles avant d’espérer reproduire ces modèles.
Les agents sont présentés à la fois comme une source de valeur croissante et comme une technologie encore très peu scalée. Leur véritable impact réside dans la transformation des tâches et la redéfinition des rôles, un aspect largement ignoré. Beaucoup d’organisations manquent encore de données fiables, de gouvernance et de compétences pour les déployer efficacement. Pour les dirigeants, leur adoption doit être envisagée comme une refonte du travail, pas comme une simple automatisation supplémentaire.
Plusieurs dimensions essentielles sont rarement abordées : la surcharge cognitive causée par la multiplication des outils, la fragmentation des pratiques et l’importance de la chaîne de valeur informelle. L’IA s’insère dans un environnement déjà instable, ce qui peut renforcer les frictions plutôt que les réduire. Les écarts d’usage entre collaborateurs rendent également la standardisation difficile. Pour les dirigeants, prendre en compte ces réalités quotidiennes est crucial pour éviter que l’IA n’aggrave les désordres organisationnels au lieu d’améliorer la performance.
Crédit visuel : Image générée par intelligence artificielle via ChatGPT (OpenAI)
Articles similaires:
L’IA générative dans l’environnement de travail : révolution ou illusion ?
IA générative : votre organisation vaut plus que vos outils
L’IA ne va pas tuer le conseil mais le forcer à grandir
Qui s’occupe de vos projets d’intelligence artificielle ? Probablement pas les bonnes personnes.
Entreprise 2.0 : prière de ne pas faire dans la demi-mesure
IA et emploi : pourquoi je ne crois pas au « grand remplacement » de l’Homme par la machine
