90% des projets IA échouent. Voici les 3 vraies raisons.
90% des projets IA échouent. Pas à cause de la technologie. Voici les 3 vraies raisons, et comment les éviter.
C'est le chiffre que tout le monde cite. 90%. Neuf projets IA sur dix échouent. Gartner, McKinsey, BCG — les sources varient, le constat reste.
Mais personne ne s'arrête sur le pourquoi. On invoque la technologie, la complexité, le manque de données. En réalité, les 3 causes sont beaucoup plus banales.
Cause 1 : pas de problème clairement défini
Le projet démarre par « on veut de l'IA ». Pas par « on veut réduire le temps de traitement des devis de 4 heures à 45 minutes ».
La différence est fondamentale. Dans le premier cas, le succès est indéfinissable. Comment savoir si le projet a réussi si personne n'a défini ce que « réussir » veut dire ?
Dans le second cas, le critère est limpide : est-ce que le devis prend 45 minutes ou pas ?
Un projet sans objectif mesurable n'est pas un projet. C'est une expérimentation. Et les expérimentations, par définition, échouent plus souvent qu'elles ne réussissent.
Cause 2 : le mauvais sponsor
L'IT lance le projet. Le métier n'est pas impliqué. Ou l'inverse : le métier veut un outil, mais l'IT n'a pas été consulté sur la faisabilité.
Un projet IA qui fonctionne a un sponsor au Comex qui comprend le problème métier ET qui peut débloquer les ressources techniques. Sans ce double ancrage, le projet meurt. Soit par manque d'adoption côté métier, soit par manque de support côté IT.
Cause 3 : 100% du budget sur l'outil, 0% sur le diagnostic
Un dirigeant achète une licence à 50 000 €/an. Il dédie 2 ETP à l'intégration. Il engage un prestataire pour le développement. Budget total : 150 000 €.
Budget diagnostic : 0 €.
Il a investi 150 000 € pour résoudre un problème qu'il n'a pas identifié. C'est comme acheter un scanner IRM sans avoir de médecin pour l'utiliser.
Le diagnostic, c'est 5 à 10% du budget total du projet. Mais c'est là que se décide si les 90% restants seront bien investis ou gaspillés.
Le point commun
Ces 3 causes ont un dénominateur commun : l'absence de diagnostic.
Pas de problème défini ? Le diagnostic le définit.
Mauvais sponsor ? Le diagnostic identifie le bon interlocuteur.
Budget mal réparti ? Le diagnostic chiffre le vrai besoin.
90% des projets IA échouent. Pas parce que l'IA ne fonctionne pas. Parce qu'on n'a pas posé le bon diagnostic.
Vous voulez faire partie des 10% qui réussissent ?