Les entreprises commencent à apporter des changements organisationnels destinés à générer de la valeur future à partir de l’IA générique, et les grandes entreprises montrent la voie.

Les dernières études mondiale sur l’IA révèle que les entreprises commencent à prendre des mesures qui ont un impact sur les résultats, par exemple en repensant les flux de travail lors du déploiement de l’IA générique et en confiant à des cadres supérieurs des rôles essentiels, tels que la supervision de la gouvernance de l’IA.
Les résultats montrent également que les entreprises s’efforcent d’atténuer un ensemble croissant de risques liés à l’IA générique et recrutent pour de nouveaux rôles liés à l’IA tout en formant les employés à participer au déploiement de l’IA. Les entreprises dont le chiffre d’affaires annuel est supérieur à 30 millions d’euros évoluent plus rapidement que les entreprises plus petites.
Dans l’ensemble, l’utilisation de l’IA – c’est-à-dire l’IA générique et l’IA analytique – continue de prendre de l’ampleur : Plus des trois quarts des personnes interrogées déclarent aujourd’hui que leur entreprise utilise l’IA dans au moins une fonction de l’entreprise. L’utilisation de l’IA générique en particulier augmente rapidement.

La valeur de l’IA provient de la refonte du mode de fonctionnement des entreprises, et la dernière enquête montre que pour des entreprises de toutes tailles, la refonte des flux de travail a les conséquences les plus importantes sur la capacité d’une entreprise à voir l’impact de son utilisation de l’IA générique sur le fonctionnement global. Les entreprises commencent à remodeler leurs flux de travail à mesure qu’elles déploient l’IA générique. 21% des personnes interrogées déclarant que leur entreprise utilise l’IA générique, affirment que leur entreprise a fondamentalement remanié au moins certains flux de travail.

Les critères d’analyse des études comprenaient les dirigeants qui supervisent la gouvernance de l’IA dans les entreprises, la manière dont les entreprises gèrent le temps gagné grâce au déploiement de l’IA générique (par exemple, en attribuant de toutes nouvelles activités et moins d’heures aux employés, en réduisant le nombre d’employés) si les entreprises ont fondamentalement repensé au moins certains de leurs flux de travail à la suite du déploiement de l’IA générique, et si elles ont adopté chacune des meilleures pratiques en matière d’adoption et de mise à l’échelle de l’IA générique, à savoir :

1) La mise en place d’une équipe dédiée à l’adoption de l’IA générique (par exemple, un bureau de gestion de projet, un bureau de transformation ou une équipe dédiée à l’adoption et à la mise à l’échelle) ;

2) Des communications internes régulières sur la valeur créée par leurs solutions d’IA générique afin de sensibiliser et de créer un élan ;

3) Des cadres supérieurs activement engagés dans l’adoption de l’IA générique, y compris la modélisation de l’utilisation de l’IA générique ;

4) L’intégration des solutions d’IA générique dans les processus de travail de l’entreprise ;

5) Intégrer efficacement les solutions d’IA générique dans les processus opérationnels (par exemple, modifier les processus des employés de première ligne, créer des interfaces utilisateur pour intégrer les solutions d’IA générique) ;

6) Mettre en place des cours de formation sur les capacités basés sur les rôles pour s’assurer que les employés à chaque niveau savent comment utiliser les capacités d’IA générique de manière appropriée ;

7) Créer une approche globale pour renforcer la confiance des employés dans l’utilisation de l’IA générique (par exemple, comprendre les sources primaires, atténuer les inexactitudes) ;

8) Disposer d’un mécanisme pour intégrer le retour d’information sur les performances des solutions d’IA générique et les améliorer au fil du temps ;

9) Établir une feuille de route clairement définie pour favoriser l’adoption des solutions d’IA générique (par exemple, avec des déploiements progressifs dans les équipes et les unités d’affaires) ;

10) Élaborer un argumentaire convaincant sur la nécessité d’adopter l’IA générique ;

11) Suivre des indicateurs clés de performance bien définis pour les solutions d’IA générique, ce qui permet de mieux comprendre leur adoption et leur retour sur investissement ;

12) Mettre en place des mesures incitatives pour les employés qui renforcent l’adoption de l’IA générique ; et …..Créer une approche globale pour renforcer la confiance des clients dans notre utilisation de l’IA générique (par exemple, la transparence sur la conformité réglementaire, l’utilisation des données des clients).

 

Ainsi la manière dont les entreprises contrôlent les résultats de l’IA générique varie considérablement……

Les entreprises ont des employés qui supervisent la qualité des résultats de l’IA générique, bien que l’étendue de cette supervision varie considérablement. 27% ,dont les entreprises utilisent l’IA générique, affirment que les employés examinent tout le contenu créé par l’IA générique avant qu’il ne soit utilisé – par exemple, avant qu’un client ne voie la réponse d’un chatbot ou avant qu’une image générée par l’IA ne soit utilisée dans des documents de marketing. Une part similaire déclare que 20 % ou moins du contenu produit par l’IA générique est vérifié avant d’être utilisé. Les répondants travaillant dans les services commerciaux, juridiques et autres services professionnels sont beaucoup plus susceptibles que ceux des autres secteurs d’affirmer que tous les résultats sont examinés.

 

Les entreprises s’attaquent à un plus grand nombre de risques liés à l’intelligence artificielle!

De nombreuses entreprises redoublent d’efforts pour atténuer les risques liés à l’IA générique. Les interrogés sont plus susceptibles qu’au début de 2024 d’affirmer que leur entreprise gère activement les risques liés à l’inexactitude, à la cybersécurité et à la violation de la propriété intellectuelle, trois des risques liés à l’IA générique qui, selon eux, ont le plus souvent eu des conséquences négatives pour leur entreprise.

En clair, on en est encore aux balbutiements : à peine un tiers des entreprises appliquent vraiment la plupart des 12 bonnes pratiques pour adopter et déployer l’IA générative, et moins de 20 % suivent des KPI pour mesurer leurs solutions. Les grands groupes tirent nettement leur épingle du jeu : ils ont souvent des feuilles de route précises, montent des équipes dédiées (PMO ou transformation), communiquent en interne sur la valeur créée, forment leurs collaborateurs selon les rôles, et rassurent leurs clients avec des démarches de confiance bien rodées. Les petites structures, elles, restent à la traîne sur tous ces fronts. Bref : la majorité découvre encore le terrain, mais ceux qui investissent d’emblée dans la structure (roadmap, équipe, formation, confiance) prennent déjà une longueur d’avance.

L’IA change la donne en matière de compétences.

Les entreprises qui l’utilisent recrutent dans ce sens, avec une tendance stable depuis début 2024. Seule exception : les spécialistes en data visualisation et design, moins recherchés qu’avant. On voit aussi émerger de nouveaux postes autour de la gestion des risques : 13 % des entreprises ont embauché des spécialistes de la conformité à l’IA, et 6 % des experts en éthique de l’IA. Là encore, les grandes entreprises prennent une longueur d’avance : elles recrutent bien plus massivement des profils techniques clés comme des data scientists, des ingénieurs en machine learning ou en data engineering. En résumé : les besoins en compétences évoluent rapidement, et les grandes structures mènent la danse.

On peut en déduire :

  • Que beaucoup d’entreprises ont déjà formé une partie de leurs équipes pour s’adapter à l’IA générative, et elles prévoient d’accélérer encore le mouvement dans les prochaines années.

Le temps libéré ?

  • Dans le scénario le plus fréquent : les salariés utilisent les heures gagnées pour lancer de nouvelles activités (innovation, projets pilotes, exploration de marchés).
  • Et juste derrière : ils approfondissent des tâches non automatisées (relation client, créativité, analyses poussées).
  • Pour les grands groupes, ils se distinguent et sont plus nombreux à déclarer avoir taillé dans les effectifs grâce au temps économisé…..!
  • Financièrement la réduction d’effectifs figure parmi les facteurs qui maximisent la valeur nette captée avec l’IA générative.

Autrement dit : former les équipes reste la réponse la plus répandue, mais les grandes structures n’hésitent pas à transformer ces gains de productivité en économies de masse salariale – un levier puissant à court termes…., mais qui exige une gestion fine des talents pour ne pas perdre l’avantage concurrentiel demain…

Globalement,

38 % des entreprises utilisant l’IA pensent que cela ne changera pas grand-chose à leurs effectifs d’ici trois ans. Autrement dit, la majorité reste prudente et table sur un statu quo. Seul le secteur financier anticipe clairement une réduction des effectifs.

Les postes de direction les plus hauts placés dans une entreprise, ne sont pas plus alarmistes que les autres : leurs prévisions sur l’impact de l’IA générative sont similaires à celles des cadres supérieurs et intermédiaires. En revanche, lorsqu’on prend en compte toute l’IA (générative + analytique), les cadres supérieurs occupant des postes stratégiques tels que CEO, CFO, CTO, jouant un rôle central dans la gouvernance, la stratégie et la performance globale de l’entreprise sont un peu plus optimistes que les managers : ils envisagent même une croissance des effectifs.

Par fonction, le tableau est contrasté :

  • Baisse prévue dans les services clients, les interventions terrain, la supply chain et la gestion des stocks.
  • Hausse attendue dans l’informatique et le développement produit, où l’IA semble au contraire créer de nouvelles opportunités.

En fait ! pas de tsunami RH à court terme pour la majorité, mais des ajustements ciblés selon les métiers… avec des poches de création de valeur (et d’emploi) là où l’IA devient moteur d’innovation !

L’adoption de l’IA continue de grimper :
En 2024, 78 % des entreprises interrogées utilisent l’IA dans au moins une fonction – contre 72 % en début d’année, et seulement 55 % en 2023. Le mouvement s’accélère clairement.

Les usages se concentrent toujours en priorité sur : l’informatique, le marketing et les ventes, services opérationnels.

L’informatique explose particulièrement : en six mois, l’usage de l’IA dans cette fonction est passé de 27 % à 36 % des entreprises.

Autre fait marquant : pour la première fois, la majorité des entreprises utilise l’IA dans plusieurs fonctions à la fois. On est désormais en moyenne à trois fonctions par organisation, signe d’une adoption plus transversale… même si on reste encore loin d’une diffusion à grande échelle dans toutes les strates de l’entreprise.

En résumé : l’IA progresse vite, s’installe plus largement, et commence à tisser sa toile dans l’organisation – fonction par fonction.

L’IA générative connaît un vrai coup d’accélérateur : Début 2024, 65 % des organisations l’utilisaient. Elles sont désormais 71 % à s’en servir régulièrement dans au moins une fonction.

Les usages les plus courants ?

  • Marketing & ventes,
  • Développement de produits et services,
  • Opérations de service,
  • Ingénierie logicielle,
  • et IT.
    Ce n’est pas un hasard : ce sont les domaines identifiés comme les plus prometteurs en termes de création de valeur  !

Des différences sectorielles nettes :

  • Médias et télécoms : priorité aux opérations de service,
  • Tech : focus sur l’ingénierie logicielle,
  • Services pro : cap sur la gestion des connaissances.

Bref, les entreprises déploient l’IA là où elle rapporte le plus dans leur cœur de métier.

Les grandes entreprises en tête :
Celles qui dépassent les 30M€ de chiffre d’affaires utilisent l’IA générative de manière plus étendue que les structures plus modestes.

En résumé : l’IA générative s’impose rapidement, avec une adoption ciblée par fonction, adaptée à chaque secteur, et portée par les plus grosses organisations qui capitalisent déjà à grande échelle sur son potentiel !

OdisData Mai 2025