Un lundi matin, un administrateur transfère un titre : « 95 % des pilotes d’IA échouent ». Le mercredi, quelqu’un en cite un autre : « plus de la moitié des start-up AI-native génèrent plus de 400 000 dollars par employé ». Ces deux chiffres ont été publiés par de vraies organisations. Les deux servent à décider combien votre entreprise doit investir dans l’IA, et aucun n’a été mesuré sur une entreprise comme la vôtre.
Cet article reprend les chiffres les plus cités dans les débats d’entreprise sur l’IA et pose à chacun trois questions : qui l’a mesuré, sur quelle population, et que laisse-t-il de côté. Si vous cherchez où l’IA a sa place dans vos opérations, notre travail de stratégie IA part de la même habitude : lire les preuves avant de dépenser.
Les statistiques optimistes et pessimistes sur l’IA décrivent des populations différentes, avec des définitions et des intérêts différents. Le dirigeant d’une PME devrait budgéter à partir de sa propre base mesurée, et d’aucun titre de presse.
Les 95 % du MIT : perception, pilotes et 52 organisations
Le chiffre provient de « The GenAI Divide: State of AI in Business 2025 », publié en juillet 2025 par le MIT NANDA. Le rapport décrit sa méthode comme l’examen de plus de 300 initiatives d’IA rendues publiques, des entretiens structurés avec 52 organisations et les réponses à une enquête de 153 dirigeants recueillies lors de quatre conférences sectorielles. Il couvre la période de janvier à juin 2025.
L’échantillon est petit et non aléatoire. Le rapport se dit préliminaire et indique que ses chiffres sont « directionnellement exacts » (directionally accurate), puisqu’ils reposent sur des entretiens individuels et non sur des données d’entreprise. Il ajoute que les définitions du succès peuvent varier d’une organisation à l’autre.
Ce qui compte comme un succès
Le rapport définit un outil spécialisé mis en œuvre avec succès comme un outil dont les utilisateurs ou les dirigeants ont signalé qu’il avait un impact marqué et durable sur la productivité ou le compte de résultat. Son annexe emploie une seconde définition, plus stricte (déploiement au-delà de la phase pilote avec des KPI mesurables et un ROI mesuré six mois plus tard) : le rapport n’applique donc pas un seul critère de bout en bout.
Le titre mélange aussi les unités. Le résumé exécutif parle d’organisations qui n’obtiennent aucun retour et de pilotes intégrés qui génèrent des millions de valeur. Une page plus loin, le chiffre devient un taux d’échec des solutions d’IA en entreprise. Celui qui cite « 95 % des projets d’IA échouent » a fondu trois dénominateurs différents en un seul.
Ce que dit aussi le même rapport
Un autre constat du document accompagne rarement le titre. Les collaborateurs de plus de 90 % des entreprises sondées déclaraient utiliser régulièrement des outils d’IA personnels pour leurs tâches professionnelles, alors qu’environ 40 % seulement des entreprises disaient avoir acheté un abonnement officiel à un LLM. Les gens tirent de la valeur de l’IA. Ce sont les programmes d’entreprise qui les entourent qui calent.
Là où le rapport se contredit
Le rapport affirme que les partenariats externes réussissent environ deux fois plus souvent que les développements internes, un indice utile pour une entreprise qui hésite entre acheter et construire, et il précise que ce constat repose sur des résultats auto-déclarés qui peuvent ne pas tenir compte de variables de confusion. Les auteurs décrivent par ailleurs leur propre travail comme préliminaire. Le lecteur gagne à aborder les 95 % avec la prudence que les auteurs s’appliquent eux-mêmes.
La lecture juste est étroite. Dans une étude du MIT NANDA de 2025 portant sur 52 organisations interrogées et 153 dirigeants sondés, la plupart des pilotes d’IA spécialisés ou intégrés n’avaient pas produit d’impact durable sur le compte de résultat, selon l’appréciation des dirigeants et des utilisateurs interrogés. Pour comprendre pourquoi des projets réels s’enlisent, lisez pourquoi les projets d’agents IA échouent.
Les 40 % de Gartner : une prévision que personne n’a encore pu compter
Le 25 juin 2025, Gartner a prédit que plus de 40 % des projets d’agentic AI seraient annulés d’ici fin 2027. Reuters, reprise par The Star, a cité comme raisons des coûts en hausse et une valeur métier floue, et la presse spécialisée y ajoute des contrôles des risques insuffisants.
Lisez bien le verbe. « Seront annulés » est une prévision. Une annulation qui n’a pas encore eu lieu ne peut pas constituer un taux d’échec, et le seul élément chiffré du communiqué de Gartner est un sondage de janvier 2025 auprès de 3 412 participants à un webinaire sur l’investissement dans l’agentic AI, qui mesure des intentions de dépense et non des annulations. Certains commentaires reprennent pourtant les 40 % comme s’il s’agissait d’un taux mesuré.
L’agent washing
Gartner met aussi en garde contre l’« agent washing » : des fournisseurs qui rebaptisent assistants et chatbots en produits agentiques, et il estime que seuls environ 130 des milliers de fournisseurs d’agentic AI sont réels. Notre article sur l’agent washing montre comment vérifier la promesse d’un fournisseur avant de signer.
Les 55 % d’AWS : l’enquête d’un sponsor auprès de fondateurs
Le 30 juin 2026, AWS a publié un rapport sur les tendances des start-up. Le communiqué de presse indique que les start-up AI-native affichent une croissance annuelle moyenne du chiffre d’affaires de 156 %, contre 65 % pour l’ensemble des start-up, et que 55 % d’entre elles génèrent plus de 400 000 dollars de chiffre d’affaires par employé.
La population compte plus de 3 400 fondateurs et dirigeants dans 20 pays. Ce sont des personnes qui ont répondu à une enquête, et le communiqué ne dit ni comment elles ont été trouvées, ni combien ont refusé, ni si le chiffre d’affaires par employé désigne un revenu comptabilisé ou un taux annualisé. La méthodologie complète figure dans un rapport distinct.
AWS vend les services cloud et d’IA qu’achètent ces start-up. Cela ne rend pas les chiffres faux. Cela signifie que le sponsor a choisi de les publier et que la méthode n’est pas visible dans le communiqué. Par ailleurs, 55 % des répondants ne constituent pas un taux valable pour tout le marché, et une jeune start-up en dit peu sur une entreprise industrielle de 30 personnes en Argovie.
Le chiffre d’affaires par employé : le chiffre le plus cité et le moins vérifié
Les graphiques du chiffre d’affaires par employé des entreprises d’IA circulent partout, surtout via des newsletters, des sites de suivi et des publications sur les réseaux sociaux. Aucune des sources examinées ne décrit un jeu de données audité. Le numérateur peut être le chiffre d’affaires annuel, le revenu annualisé, l’ARR ou le revenu comptabilisé, et le dénominateur peut être le personnel à temps plein, les prestataires ou toute la masse salariale. La source précise rarement lequel.
La sélection ajoute une autre couche. Les classements mettent en avant les entreprises qui ont levé des fonds, fait la une ou fait le buzz. Une moyenne sur une telle liste décrit des cas exceptionnels et célèbres, où les survivants dominent.
Midjourney est l’exemple habituel. Les estimations publiées de son chiffre d’affaires par employé vont d’environ 3 à environ 5 millions de dollars, selon l’hypothèse de revenu et l’effectif (de quelque 40 à plus de 160 personnes) retenus par chaque site de suivi. Toutes sont non auditées, et la même entreprise varie de plusieurs dizaines de pour cent d’une source à l’autre. Un graphique de cinquante entreprises de ce type appelle à la prudence.
Le message pour une PME est simple. N’utilisez aucun de ces chiffres comme référence pour votre propre entreprise. Si un concurrent se vante d’un ratio fabuleux, demandez ce qui a été divisé par quoi.
METR : un résultat révisé par ses propres auteurs
L’étude METR de 2025 est un essai contrôlé randomisé : 16 développeurs open source expérimentés, 246 tâches réelles sur leurs propres dépôts, avec des outils d’IA autorisés sur certaines tâches et pas sur d’autres. Les tâches avec IA autorisée ont pris 19 % de temps en plus. Les développeurs avaient prévu un gain de vitesse avant l’étude et, après coup, croyaient encore que l’IA les avait rendus environ 20 % plus rapides, ce que METR qualifie d’erreur.
Ce résultat enseigne deux choses. Perception et mesure peuvent diverger fortement, ce qui fait d’une enquête sur le sentiment de productivité une preuve faible. Et l’échantillon comptait 16 personnes utilisant des outils du début de 2025 : le résultat décrit ce moment et ce groupe.
La mise à jour de 2026 complique le tableau
En février 2026, METR a publié une mise à jour portant sur une étude ultérieure. Les estimations ponctuelles des données plus récentes penchent vers un gain de vitesse, mais les intervalles de confiance incluent zéro : ils ne permettent d’exclure ni l’absence d’effet ni un ralentissement. METR qualifie les nouveaux chiffres de signal peu fiable de l’effet actuel.
L’explication est concrète. Les développeurs ont de plus en plus souvent refusé de participer parce qu’ils ne veulent pas travailler sans IA, ce qui biaise probablement l’estimation du gain de vitesse à la baisse. METR indique que 30 % à 50 % des développeurs ont déclaré avoir gardé certaines tâches pour eux, que la rémunération de la participation est passée de 150 à 50 dollars de l’heure, et que le suivi du temps devient peu fiable quand les développeurs font tourner plusieurs agents à la fois.
Citée seule, la phrase « l’IA ralentit les développeurs de 19 % » est périmée. Citée seule, « l’IA rend les développeurs plus rapides » n’est pas encore étayée par les données de METR elles-mêmes. La position honnête est que la question reste ouverte, et que l’étude la mieux conçue du domaine le dit elle-même.
McKinsey 2026 : une attribution déclarée par les répondants
L’enquête State of AI de McKinsey est la plus transparente des grandes sources de données d’entreprise, même si les chiffres ci-dessous proviennent de sources secondaires et non du rapport original. Selon Digital Strategy AI, l’édition 2026 a interrogé 1 719 répondants entre le 4 mai et le 8 juin 2026, et HPCwire l’a relayée le 26 août.
D’après FM Magazine, environ 37 % ont déclaré un certain impact de l’IA sur l’EBIT, à peu près comme l’année précédente. Environ 6 % étaient considérés comme des high performers. Digital Strategy AI rapporte ces 6 % à une base de 1 521 utilisateurs d’IA (92 organisations), ce qui représenterait une part légèrement plus faible de l’ensemble des 1 719 répondants.
Ce que signifie « un certain impact sur l’EBIT »
Ce sont des réponses à une question d’attribution. Un répondant qui affirme que l’IA a contribué à l’EBIT n’a pas présenté de comptabilité. Et un répondant qui ne déclare aucun impact n’a pas démontré un impact nul. Il a dit ne pas pouvoir en attribuer, ce qui peut signifier que rien ne s’est passé ou que personne n’a mesuré. L’enquête n’est pas conçue pour décrire les PME suisses ou européennes.
Deux autres enquêtes auprès de grandes entreprises
Deux autres sources méritent une brève mention. Un document de travail du NBER a interrogé près de 9 000 dirigeants dans sept pays : ils déclarent que l’IA a relevé de 0,2 % la croissance annuelle de la productivité du travail au cours des trois dernières années, et en attendent environ 0,6 % par an sur les trois prochaines. Ce sont des perceptions et des attentes de dirigeants.
L’enquête de BCG auprès de 1 250 dirigeants a réparti les entreprises en 5 % de future-built, 35 % de scalers et 60 % de laggards, à l’aide de son propre indice de 41 capacités. Cette répartition reflète la notation de BCG, et BCG vend des services de transformation.
Les titres en un coup d’œil
| Statistique | Éditeur | Population | Ce qu’elle ne montre pas |
|---|---|---|---|
| 95 % des initiatives d’IA sans impact durable sur le compte de résultat | MIT NANDA, 2025 | 52 organisations interrogées, 153 dirigeants sondés, plus de 300 initiatives publiques | Un taux d’échec des projets d’IA, ni aucun retour financier mesuré |
| Plus de 40 % des projets agentiques annulés d’ici fin 2027 | Gartner, juin 2025 | Sondage de janvier 2025 auprès de 3 412 participants à un webinaire, sur les intentions de dépense | Quoi que ce soit qui se soit déjà produit |
| 55 % des start-up AI-native au-dessus de 400 000 dollars par employé | AWS, juin 2026 | Plus de 3 400 fondateurs et dirigeants, 20 pays | La méthode, ni aucun résultat pour des PME établies |
| Chiffre d’affaires par employé des entreprises d’IA | Sites de suivi et newsletters | Entreprises célèbres ou financées | Un chiffre audité, ni une moyenne sectorielle |
| 19 % de temps en plus avec l’IA, révisé depuis | METR, 2025 et 2026 | 16 développeurs en 2025 | L’effet de l’IA sur les développeurs en général, ni sur le travail hors code |
| Environ 37 % déclarent un certain impact sur l’EBIT | McKinsey, 2026 | 1 719 répondants d’organisations variées | L’EBIT mesuré, ni les résultats des PME |
Aucun de ces échantillons n’est un échantillon aléatoire de PME suisses ou européennes. Les données locales les plus proches, comme l’enquête d’AXA et de Sotomo auprès de 336 PME suisses présentée dans AI-native ou AI-enabled, portent sur l’adoption et ne mesurent ni le chiffre d’affaires ni l’EBIT.
Que mesurer dans votre propre entreprise
Un titre vous dit ce qui est arrivé à quelqu’un d’autre. Votre propre base de référence vous dit ce qui arrive à votre argent. La méthode tient en quelques semaines et un tableur.
- Choisissez un processus. Prenez une tâche récurrente dont un retard ou une erreur a un coût visible, comme les devis, la saisie comptable des factures, le tri des demandes au support ou la saisie des commandes.
- Relevez la base de référence avant de changer quoi que ce soit. Mesurez le délai de traitement du début à la fin, le taux d’erreur (reprises, corrections, réclamations) et le coût par dossier (temps du personnel au taux horaire complet, plus les coûts de l’outil). Deux à quatre semaines de données suffisent pour commencer.
- Appliquez le changement à un périmètre défini. Déployez l’outil d’IA auprès d’une équipe ou d’une ligne de produits afin de pouvoir la comparer au reste.
- Comptez le coût complet. Incluez les licences, le travail d’intégration, le temps que le personnel consacre à relire les résultats et le coût des erreurs que l’outil introduit.
- Mesurez à nouveau les trois mêmes valeurs. Comparez ce qui est comparable, sur une période similaire, et notez ce qui a changé par ailleurs.
Un petit exemple illustratif. Supposons que la saisie manuelle d’une facture fournisseur prenne 12 minutes et que 8 % des factures nécessitent une correction. Après un pilote, la saisie prend 5 minutes plus 2 minutes de relecture, et 5 % nécessitent une correction. Ces chiffres sont inventés : utilisez les vôtres. Seule compte la structure : l’économie par dossier est visible, l’évolution de la qualité l’est aussi, et le responsable financier peut la vérifier.
Pour choisir les indicateurs à suivre, consultez les KPI des agents IA et, pour transformer les résultats en calcul de retour, le ROI des agents IA.
Pourquoi votre propre chiffre vaut mieux que n’importe quel titre
La raison de mesurer chez soi va plus loin que la défiance envers les statistiques. Chaque chiffre ci-dessus répond à une question posée à un groupe différent : des dirigeants qui ont parlé à des chercheurs, des fondateurs qui ont répondu à l’enquête d’un sponsor, 16 développeurs sur leurs propres bases de code. Leurs définitions diffèrent et leurs intérêts aussi. Un conseil qui en fait la moyenne additionne des choses dissemblables.
Une base de référence sur un processus n’a aucun de ces défauts. Elle utilise votre définition du succès, votre coût du travail et votre tolérance à l’erreur. Elle peut se tromper en votre faveur ou à votre détriment, et dans les deux cas c’est un chiffre que vous pouvez auditer et défendre. Pour deux études qui décrivent ce que les organisations ont changé plutôt que la fréquence des réussites de l’IA, voyez ce que 51 déploiements d’IA réussis ont changé et comment les entreprises réorganisent le travail autour de l’IA.
Elle change aussi la conversation avec les fournisseurs. Un prestataire qui sait que vous mesurerez le délai de traitement, le taux d’erreur et le coût par dossier sur un processus avant de signer un contrat plus important doit promettre quelque chose de vérifiable. Le résumé fidèle des statistiques est que l’adoption est large, la mesure rare, et que les entreprises qui apprendront le plus seront celles qui comptent leur propre travail.
Questions fréquentes
Est-il vrai que 95 % des projets d'IA échouent ?
Non, ce n'est pas ce que le rapport du MIT NANDA a mesuré. Ses 95 % regroupent des pilotes, des outils intégrés et des organisations, et le succès y signifie que des dirigeants ou des utilisateurs ont signalé un impact marqué et durable sur la productivité ou le compte de résultat. L'échantillon comptait 52 organisations interrogées et 153 dirigeants sondés lors de conférences, et le rapport décrit lui-même ses chiffres comme indicatifs plutôt que précis.
Gartner affirme-t-il que 40 % des projets d'agents IA échouent ?
Gartner prévoit que plus de 40 % des projets d'agentic AI seront annulés d'ici fin 2027, en invoquant des coûts en hausse et une valeur métier floue. C'est une prévision de juin 2025 et non un taux d'échec mesuré. Le seul élément chiffré du communiqué de Gartner est un sondage de janvier 2025 auprès de 3 412 participants à un webinaire, portant sur des intentions de dépense : il faut donc voir dans ces 40 % une mise en garde d'analystes sur le risque.
Pourquoi les études sur la productivité de l'IA se contredisent-elles ?
Parce qu'elles mesurent des personnes, des tâches et des définitions différentes. METR a testé 16 développeurs open source expérimentés sur leurs propres bases de code, alors que d'autres études interrogent des dirigeants sur les gains perçus. Perception et mesure divergent : selon METR, les développeurs se croyaient environ 20 % plus rapides alors qu'ils mettaient 19 % de temps en plus. Les outils, la période et les intérêts du commanditaire font aussi varier les résultats.
Une PME suisse peut-elle s'appuyer sur ces statistiques pour son budget ?
Seulement comme toile de fond. Aucun des grands échantillons n'est un échantillon aléatoire de PME suisses ou européennes, et la plupart décrivent de grandes entreprises, des start-up, des dirigeants ou des développeurs. Un budget défendable part de votre propre base de référence sur un processus, avec le délai de traitement, le taux d'erreur et le coût par dossier mesurés avant et après. Vous obtenez ainsi un chiffre que votre responsable financier peut auditer.
Comment mesurer le retour sur investissement d'un projet d'IA ?
Choisissez un processus, relevez son délai de traitement, son taux d'erreur et son coût par dossier pendant quelques semaines avant le changement, puis mesurez les trois mêmes valeurs après. Comparez-les au coût complet de l'outil, du travail d'intégration et du temps de relecture du personnel. Les enquêtes de perception et les chiffres d'utilisation des licences sont de faibles indicateurs pour cette comparaison.