Fini les factures en jours-homme sans fin.Achetez des résultats, pas des jours-homme.Nous proposons Implement à prix fixe, fondé sur le périmètre validé.

MindDX Blog

Passons les promesses de l’IA à la radiographie

ThèmesDu jour-homme à la valeurIntelligence artificielleERP

Couverture MindDX : visuel typographique avec le titre de l’article et quatre de ses sections, de « Pourquoi les chiffres sont-ils si discrets ? » à « Conclusion ».

Dans le monde de l’ERP, le discours le plus puissant de ces deux dernières années est clair : l’IA va enfin corriger des taux d’échec de projets qui n’ont pas bougé depuis des décennies. Présentations commerciales, lancements de produits et événements sectoriels répètent chaque jour cette promesse. Pourtant, les données publiées par les instituts de recherche dessinent un autre tableau : une part importante des projets ERP assistés par l’IA échouera, elle aussi. Cet article n’est pas un rejet de la technologie ; au contraire, il cherche à séparer une technologie réellement puissante de l’exagération. Car le problème abordé dans le premier article de la série — s’engager sans mesurer — ne disparaît pas avec l’étiquette IA, il prend simplement un nouvel emballage.

Pourquoi les chiffres sont-ils si discrets ?

Plus le marketing est bruyant, plus les données de recherche sont discrètes. Selon les prévisions de Gartner, plus de 40 % des projets d’agentic AI (IA à base d’agents) seront annulés d’ici fin 2027 ; les raisons avancées sont la hausse des coûts, une valeur métier incertaine et des contrôles des risques insuffisants. La prévision du même institut spécifique à l’ERP est encore plus frappante : selon le rapport « Predicts 2025: Revisit ERP Strategies », moins de 10 % des organisations qui mettent en œuvre l’agentic AI dans leur ERP en auront tiré une valeur mesurable d’ici 2027.

Le tableau n’est pas différent sur le terrain des pilotes. L’étude 2025 de Deloitte montre que 38 % des organisations testent des agents d’IA en phase pilote, mais que seulement 11 % environ parviennent à utiliser activement ces systèmes en production — le tableau que le secteur appelle « l’enfer des pilotes » : une démo spectaculaire, un projet qui ne passe pas en production.

Une remarque honnête : la plupart de ces chiffres sont des prévisions et des résultats d’enquête, non des faits mesurés — ce ne sont pas des résultats définitifs. Mais le fait qu’ils pointent tous dans la même direction ne doit pas être considéré comme un hasard : l’étiquette IA, à elle seule, ne change pas le taux de réussite.

Alors pourquoi échouent-ils ?

La réponse n’est pas que la technologie est mauvaise ; c’est qu’une bonne technologie est bâtie sur un mauvais terrain. Les trois causes profondes sur lesquelles butent les initiatives ERP assistées par l’IA forment une seule chaîne où chacune nourrit l’autre.

1. Une intelligence bâtie sur des données sales

L’IA ne peut pas dépasser la qualité des données dont elle se nourrit. Fiches tiers en double, codes articles incohérents, données de référence non mises à jour — le modèle bâti sur tout cela ne prend pas de décisions plus intelligentes ; il prend de mauvaises décisions plus vite. Dans le même rapport ERP, Gartner prévoit que 70 % des organisations manqueront de données ERP prêtes pour l’IA d’ici 2027. L’étude d’IDC montre aussi le revers de la médaille : à l’ère de l’IA, le véritable facteur de différenciation n’est pas l’algorithme mais la préparation des données et l’infrastructure — ce sont ceux qui disposent des données les plus propres qui se différencieront.

2. Une automatisation bâtie sur un terrain non mesuré

Dans la plupart des organisations, les processus sont connus « tels qu’ils devraient être » : le flux écrit dans le document de procédure, la chaîne d’approbation de l’organigramme. Or la version « telle qu’elle fonctionne réellement » — les commandes prises par téléphone, les approbations qui circulent dans Excel, les exceptions qui dépendent des personnes — n’a souvent jamais été mesurée. L’automatisation explose précisément sur cet écart : l’agent bâti sur le processus papier ne reconnaît pas le processus réel. Automatiser un processus défaillant n’élimine pas l’erreur ; cela la démultiplie.

3. Une confiance sans contrôle

La troisième cause n’est pas technique mais managériale. Le concept de « taxe de confiance » (trust tax) de Forrester résume clairement la situation : chaque décision autonome doit pouvoir être journalisée et défendue devant un auditeur — et aujourd’hui, ce coût est élevé pour la plupart des organisations. Sans traçabilité de la décision, pas de confiance ; sans confiance, pas d’usage. La solution porte un nom : human-in-the-loop — l’endroit où l’IA s’arrête et celui où l’humain intervient pour valider ne doivent pas être une fonctionnalité ajoutée après coup à l’architecture, mais une limite tracée dès le départ.

Le dénominateur commun des trois causes est le même : le problème n’est pas l’IA elle-même, mais le terrain sur lequel elle est bâtie.

Peut-on opérer sans radiographie ?

Une offre faite sans nous mesurer est une ordonnance rédigée sans diagnostic. Dans cette équation, l’IA est un formidable appareil de radiographie : elle balaie vite, donne une image nette, saisit le motif qui échappe à l’œil humain. Mais l’appareil de radiographie ne guérit personne à lui seul — il faut un médecin qui lit le cliché, pose le diagnostic et valide le traitement. Aujourd’hui, une part importante des promesses assistées par l’IA sur le marché propose de vendre l’appareil de radiographie et de licencier le médecin. Le bon ordre n’a pas changé : d’abord la radiographie, ensuite le diagnostic, enfin le traitement — et à chaque étape, la décision reste entre les mains de l’humain.

4 questions à poser à une entreprise qui dit « nous utilisons l’IA »

Lorsque vous entendez l’expression « assisté par l’IA » à la table de négociation, les quatre questions ci-dessous séparent réellement l’exagération du reste. Si les réponses sont claires, vous avez affaire à une approche sérieuse ; si elles sont évasives, l’étiquette n’est qu’un emballage.

  1. Nos données sont-elles d’une qualité suffisante pour nourrir cette IA ? Sinon, comment les corrigeons-nous d’abord ? (Une réponse « nous démarrons tout de suite » donnée sans mesurer la qualité des données est une invitation à la première cause profonde.)
  2. Connaissez-vous les processus tels qu’ils devraient être, ou tels qu’ils fonctionnent réellement ? Sans mesure de la situation actuelle, l’automatisation est bâtie sur le processus papier.
  3. Qui contrôlera les décisions de l’IA, et comment ? La journalisation, la traçabilité et le mécanisme de contrôle sont-ils définis dès le départ ?
  4. Pouvez-vous montrer où l’IA s’arrête et où l’humain intervient ? Si la limite human-in-the-loop n’a pas été tracée, c’est vous qui payez la taxe de confiance.

Conclusion : un accélérateur, pas un sauveur

L’IA n’est pas un sauveur, c’est un accélérateur : elle envoie plus vite dans le mur un projet mal conçu et rend plus solide un projet bien conçu. Ce qui est déterminant, ce n’est pas la technologie, mais le terrain sur lequel elle est bâtie — la propreté des données, le degré de mesure des processus et la conception du contrôle. Le troisième article de la série regardera le revers de la médaille : ce que l’IA change réellement dans les projets ERP, et par quel mécanisme — non pas en pourcentages, mais en fonctionnement.

Cet article est le deuxième de la série « Du jour-homme à la valeur », qui continue de s’enrichir.
1. Est-ce la fin du conseil vendu au jour-homme ?
2. Passons les promesses de l’IA à la radiographie (cet article)
3. L’IA dans l’ERP : qu’a-t-elle rendu bon marché, qu’a-t-elle rendu précieux ?
4. Le diagnostic d’abord : à quoi ressemble en pratique la nouvelle voie de l’ERP ?
5. La couche non mesurée de la transformation numérique : le leadership
6. Transformation numérique : pourquoi le rapport reste-t-il sur l’étagère ?
7. (bientôt)

Pour ne manquer ni la suite de la série ni les nouvelles analyses, abonnez-vous à la newsletter MindDX-Digital Excellence.

Échanger avec MindDXDemander à l’AssistantTous les articles du MindDX Blog

Commencez votre projet par une mesure, pas par une estimation.

Échanger avec MindDX