Le problème n’est pas l’IA, c’est le périmètre
D’après le BCG AI Radar 2026, 60% des entreprises qui investissent dans l’IA n’en tirent aucun ROI mesurable. Ce chiffre ne dit pas que l’IA ne marche pas. Il dit que la plupart des organisations la déploient au mauvais endroit, sur la mauvaise surface, avec la mauvaise unité de mesure.
Le problème n’est presque jamais technologique. Il est méthodologique. Et il se joue entièrement sur une notion : le périmètre.
1. Pourquoi 60% des initiatives IA ne produisent rien
Quand on regarde les programmes IA qui échouent, on retrouve presque toujours les mêmes schémas. Ce ne sont pas des problèmes d’intelligence artificielle. Ce sont des problèmes de cadrage.
ChatGPT pour tout le monde. L’entreprise signe une licence collective, envoie un e-mail d’onboarding, et considère le sujet traité. Six mois plus tard, l’usage est dispersé, chacun l’utilise un peu à sa sauce, aucun flux métier n’a été transformé. On mesure des prompts, pas de la valeur.
Copilot sur chaque poste. Déploiement massif, sans connexion à l’ERP ni aux données métier. Les collaborateurs écrivent des e-mails plus vite, mais les processus décisionnels restent inchangés. Et souvent, les données finissent hébergées hors de Suisse — ce qui pose un tout autre problème.
Le POC de six mois sans KPI. Budget consommé, présentations réussies, mais rien à mettre en production. Parce que personne n’avait défini, dès le départ, ce que « ça marche » voulait dire.
Les trois symptômes — outil pour tous, déploiement large, POC sans KPI — partagent la même cause : un périmètre trop vaste, trop vague, ou indéfini.
2. Le périmètre, c’est le vrai sujet
Le périmètre, c’est la surface exacte sur laquelle l’IA est supposée produire un résultat. Pas « améliorer la productivité ». Pas « transformer la relation client ». Un processus précis, une équipe précise, une métrique précise.
C’est ce que les 40% qui réussissent font différemment. Ils ne cherchent pas à « faire de l’IA » — ils cherchent à résoudre un problème spécifique. La différence paraît cosmétique. Elle est fondamentale.
« On veut déployer l’IA dans l’entreprise pour gagner en efficacité. »
« On veut réduire de 70% le temps de traitement des factures fournisseurs entrantes dans notre ERP Abacus, sur l’équipe comptabilité. »
Le premier projet ne finira jamais. Le second peut produire un résultat mesurable en deux semaines.
3. Ce qui fonctionne — trois conditions non négociables
Les projets IA qui produisent un ROI partagent trois caractéristiques. Elles ne sont pas accessoires. Elles sont la condition pour que le reste existe.
Un agent, un processus. Pas une plateforme universelle. Un agent dédié à une tâche précise — rapprochement de factures, qualification de leads, réponse aux tickets de niveau 1 — avec un résultat mesurable dès la première semaine de production.
Connecté à votre ERP. SAP, Abacus, Odoo, ou votre stack métier réelle. Zéro migration, zéro « data lake » à construire avant de commencer. L’agent travaille sur vos données, là où elles sont.
Hébergé en Suisse. Conforme nLPD, hors juridictions extraterritoriales, opérationnel en dix jours. Pas une option de conformité — un prérequis si vous traitez des données clients suisses.
Un bon projet IA se reconnaît à ceci : vous pouvez dire, en une phrase, quelle métrique va bouger, de combien, et sur quelle équipe.
4. Recadrer un projet IA qui stagne
Si vous avez déjà lancé une initiative IA et que vous peinez à en montrer le résultat, la réponse n’est probablement pas de rajouter une couche technologique. C’est de rétrécir le périmètre jusqu’à ce qu’il devienne mesurable.
Prenez le projet qui patine. Demandez : quelle est la seule équipe qui va changer de façon de travailler ? Quel est le seul flux qui va être automatisé ? Quel est le seul chiffre qui doit bouger ? Si vous ne pouvez pas répondre à ces trois questions en une phrase chacune, vous n’avez pas un projet IA — vous avez une ambition IA.
Et les ambitions IA ne produisent pas de ROI. Les périmètres nets, si.
Votre initiative IA actuelle peut-elle produire un résultat mesurable dans les dix jours qui viennent ? Si la réponse est non, ce n’est pas un problème de technologie. C’est un problème de périmètre.
L’IA fonctionne. Elle fonctionne même très bien — pour les 40% qui l’ont déployée sur le bon périmètre. La question n’est pas de savoir si l’IA est mature. Elle l’est. La question est de savoir si vous l’appliquez à un problème suffisamment précis pour que le résultat soit visible.
Vous avez un projet IA qui ne décolle pas, ou vous voulez cadrer le périmètre avant de lancer ?