Passons les promesses de l'IA aux rayons X
Le récit le plus puissant de ces deux dernières années dans le monde de l'ERP est limpide : l'intelligence artificielle va enfin corriger des taux d'échec inchangés depuis des décennies. Présentations commerciales, lancements produits et salons répètent cette promesse chaque jour. Pourtant, les données publiées par les cabinets d'étude dessinent un autre tableau : une part importante des projets ERP « dopés à l'IA » échouera aussi. Ce texte n'est pas un procès de la technologie ; c'est au contraire une tentative de séparer une technologie réellement puissante de son battage. Car le problème examiné dans le premier article de cette série — s'engager sans mesurer — ne disparaît pas sous une étiquette IA ; il change simplement d'emballage.
Pourquoi les chiffres sont-ils si discrets ?
Plus le marketing est bruyant, plus les données de recherche sont silencieuses. Gartner prévoit que plus de 40 % des projets d'IA agentique seront annulés d'ici fin 2027 — en cause : coûts croissants, valeur métier floue et contrôles de risque insuffisants. La prévision du même cabinet spécifique à l'ERP est plus frappante encore : selon le rapport « Predicts 2025: Revisit ERP Strategies », moins de 10 % des organisations déployant de l'IA agentique dans leur ERP auront obtenu une valeur mesurable d'ici 2027.
Le terrain des pilotes ne dit pas autre chose. L'étude 2025 de Deloitte montre que 38 % des organisations pilotent des agents IA, mais que seulement 11 % environ les exploitent activement en production — ce que le secteur appelle le « purgatoire des pilotes » : démos impressionnantes, projets qui ne passent jamais en production.
Une note d'honnêteté : la plupart de ces chiffres sont des prévisions et des résultats d'enquête, pas des faits mesurés — pas des résultats définitifs. Mais qu'ils pointent tous dans la même direction ne relève pas du hasard : une 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 construite sur un mauvais terrain. Les trois causes racines des initiatives ERP-IA qui trébuchent forment une seule chaîne qui s'auto-alimente.
1. Une intelligence bâtie sur des données sales
L'IA ne peut pas dépasser la qualité des données qui la nourrissent. Fiches clients en double, codes articles incohérents, données de référence périmées — un modèle bâti là-dessus ne décide pas mieux ; 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. La recherche d'IDC montre l'autre face de la médaille : à l'ère de l'IA, le vrai différenciateur n'est pas l'algorithme mais la préparation des données et l'infrastructure — celui qui a les données les plus propres se démarquera.
2. Une automatisation posée sur un terrain non mesuré
Dans la plupart des organisations, les processus sont connus « tels qu'ils devraient être » : le flux du manuel de procédures, la chaîne d'approbation de l'organigramme. La façon dont le travail fonctionne réellement — commandes prises par téléphone, validations qui tournent dans Excel, exceptions dépendant des personnes — n'a le plus souvent jamais été mesurée. L'automatisation explose précisément sur cet écart : un agent construit sur le processus papier ne reconnaît pas le processus réel. Automatiser un processus défaillant ne supprime pas l'erreur ; cela la met à l'échelle.
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 la situation : chaque décision autonome doit être journalisable et défendable devant un auditeur — et ce coût est aujourd'hui élevé pour la plupart des organisations. Une décision introuvable n'inspire pas confiance ; sans confiance, pas d'adoption. Le remède s'appelle human-in-the-loop : où s'arrête l'IA et où l'humain intervient pour valider doit être une frontière tracée dès la conception — pas une option ajoutée après coup.
Les trois causes partagent la même racine : le problème n'est pas l'IA elle-même, mais le terrain sur lequel elle est construite.
Se ferait-on opérer sans radiographie ?
Une offre faite sans nous mesurer est une ordonnance rédigée sans diagnostic. Dans cette équation, l'IA est un remarquable appareil de radiographie : elle balaie vite, produit des images nettes, détecte des motifs que l'œil humain manque. Mais un appareil de radio ne guérit personne à lui seul — il faut le médecin qui lit le cliché, pose le diagnostic et valide le traitement. Une bonne partie des promesses « IA » d'aujourd'hui revient à vendre l'appareil de radio et à licencier le médecin. Le bon ordre n'a pas changé : d'abord la radiographie, puis le diagnostic, enfin le traitement — avec une décision humaine à chaque étape.
4 questions à poser à un prestataire qui dit « nous utilisons l'IA »
Quand « dopé à l'IA » s'invite à la table de négociation, ces quatre questions séparent le fond du battage. Des réponses nettes signalent une démarche sérieuse ; des réponses évasives, une étiquette qui n'est que de l'emballage.
- Nos données ont-elles la qualité qu'exige cette IA ? Sinon, comment les corrigeons-nous d'abord ? (Un « on peut démarrer tout de suite » sans mesure de la qualité des données est une invitation à la cause racine n° 1.)
- Connaissez-vous nos processus tels qu'ils devraient être, ou tels qu'ils fonctionnent réellement ? Sans mesure de l'existant, l'automatisation se construit sur le processus papier.
- Qui contrôlera les décisions de l'IA, et comment ? Journalisation, traçabilité et mécanisme d'audit sont-ils définis dès le départ ?
- Où s'arrête l'IA, où intervient l'humain — pouvez-vous le montrer ? Si la frontière human-in-the-loop n'est pas tracée, c'est vous qui paierez la taxe de confiance.
Conclusion : un accélérateur, pas un sauveur
L'IA n'est pas un sauveur mais un accélérateur : elle envoie plus vite dans le mur un projet mal cadré, et rend plus fort un projet bien cadré. Ce qui décide du résultat, ce n'est pas la technologie mais le terrain — des données propres, des processus mesurés, un contrôle prévu dès la conception. Le troisième article de cette série regardera l'autre face de la médaille : ce que l'IA change réellement dans les projets ERP, et par quel mécanisme — non pas en pourcentages, mais dans le fonctionnement du travail.
Ceci est le deuxième article d'une série de 4.
1. La fin du
conseil vendu au jour-homme ?
2. Les promesses de l'IA aux rayons X (cet article)
3. Ce
que l'IA a rendu moins cher dans l'ERP — et ce qu'elle a valorisé
4. ERP diagnostic-d'abord : à
quoi ressemble la nouvelle voie en pratique ?
Pour ne pas manquer la suite de la série et nos nouvelles analyses, abonnez-vous à la newsletter MindDX-Digital Excellence.