Pour Adrien Vasse Directeur Général & Co-Founder de Wivoo Data & AI : « deux ans après l’émergence de l’IA on constate dans les entreprises françaises qu’il y a beaucoup de POCs (Proof of Concept), mais seulement 30 % de passage à l’échelle ». Sur la base d’une étude réalisée auprès de 50 clients grands comptes (dont Allianz, Heineken, France TV, Pernod Ricard, Decathlon, PMU, Accor...) il remarque que « la plupart des entreprises restent encore dans une logique d’optimisation des process existants plutôt que d’invention de nouveaux modèles ». Un constat inquiétant alors que le récent Sommet pour l’Action pour l’IA a validé la création d’un écosystème IA français porteur pour l’innovation des entreprises françaises.
DigitalCMO – Vous venez de réaliser une étude sur la maturité des projets et organisations data & IA des grandes entreprises. Quel est votre constat ?
Adrien Vasse – Après plus de 50 entretiens avec des directeurs data & IA de grands groupes clients de Wivoo, un constat* clair émerge : il y a un décalage frappant entre l’ambition affichée et l’exécution réelle des projets IA. D’un côté, tout le monde veut accélérer sur l’IA générative, et les investissements s’intensifient. De l’autre, les modèles en production restent rares, et la majorité des entreprises sont encore en phase d’expérimentation. Pourquoi ? Trois freins principaux :
- Un déficit d’industrialisation – Beaucoup de POCs (Proof of Concept), mais peu de passage à l’échelle (30% seulement en 2024). Les architectures ne sont pas toujours prêtes, et la gouvernance de la donnée reste un défi.
- Un ROI difficile à quantifier – Les décideurs peinent à justifier les investissements IA car les bénéfices sont souvent indirects (amélioration de la qualité, réduction du temps de traitement, etc.).
- Une adoption qui reste limitée – Les utilisateurs finaux sont parfois réticents, soit par manque d’acculturation, soit parce que les outils IA ne s’intègrent pas bien dans leurs workflows existants.
En résumé, les COMEX des entreprises veulent avancer vite, mais les fondations ne sont pas toujours en place pour un passage à l’échelle efficace.
DigitalCMO – Dans le contexte actuel d’accélération sur l’IA, comment voyez-vous évoluer les organisations data & IA mises en place dans les entreprises ? Cela va-t-il les renforcer ou vont-elles devoir évoluer ?
Adrien Vasse – Elles vont forcément évoluer, et vite ! Jusqu’à présent, beaucoup d’organisations data & IA étaient construites comme des centres d’excellence, un peu en silo, avec une forte orientation technologique. Avec l’IA générative, cette approche ne suffit plus. Ce que l’on observe, c’est une évolution vers des modèles plus distribués et intégrés aux métiers. Concrètement, cela signifie en premier lieu une responsabilisation des métiers sur l’IA et la data : Les équipes business doivent être formées et outillées pour utiliser l’IA sans dépendre systématiquement d’une équipe tech centrale. Parallèlement la nécessité de développer l’hybridation des rôles : de plus en plus d’équipes produit intègrent des data scientists et des spécialistes IA, ce qui crée une approche plus agile et orientée usage. Enfin on assiste à un changement de posture pour les équipes data & IA : Elles passent d’un rôle de fournisseur de modèles à un rôle d’enableur, en créant des plateformes et des outils qui rendent l’IA accessible à toute l’entreprise.Les organisations IA vont donc se renforcer, mais sous une forme plus distribuée, avec une gouvernance plus souple et un focus beaucoup plus fort sur l’adoption et l’impact business.
DigitalCMO – On évoque beaucoup les apports de l’IA en termes de productivité. Quelle est votre analyse dans ce domaine ? Et pourquoi les entreprises n’ont pas réellement encore mis le cap sur les innovations d’usage avec l’IA ?
Adrien Vasse – L’IA booste déjà la productivité dans plein de domaines : automatisation des tâches répétitives, assistance à la rédaction, analyse avancée de données… Mais la vraie révolution IA ne viendra pas juste d’un gain de productivité, elle viendra de nouveaux usages qui transforment les métiers. Le problème, c’est que la plupart des entreprises restent encore dans une logique d’optimisation des process existants plutôt que d’invention de nouveaux modèles. Pourquoi ?
- L’IA est encore vue comme un outil, pas comme un levier stratégique – Beaucoup de projets sont lancés pour améliorer l’existant, mais peu avec l’ambition de redéfinir les expériences clients ou les modèles économiques.
- Une approche trop technologique et pas assez centrée sur l’usage – Les projets IA partent souvent d’un modèle disponible plutôt que d’un besoin métier clair. Résultat : des solutions qui peinent à s’intégrer dans le quotidien des équipes.
- Un manque de collaboration entre data, IA et produit – Les équipes IA développent des modèles impressionnants, mais sans toujours penser à leur adoption et leur intégration dans les outils business.
Les entreprises doivent donc passer d’une logique d’efficacité à une logique de créativité, où l’IA devient un moteur d’innovation produit et non juste un accélérateur de process.
*Les résultats de l’étude seront bientôt accessibles sur cette page.
