L'IA ne bute pas sur la technologie. Elle bute sur l'exécution.
Notre lecture des travaux 2025 de McKinsey et du BCG, appliquée à la réalité des PME et des institutions financières romandes.
L’adoption de l’IA est désormais massive. La création de valeur, elle, reste rare. Cet écart n’est pas un problème de modèles, de puissance de calcul ou de maturité technologique. Il est organisationnel, méthodologique et culturel.
C’est précisément dans cet espace que nous intervenons.
Ce que disent réellement les chiffres
Deux enquêtes de référence publiées en 2025 convergent, avec des méthodologies différentes, vers le même constat.
McKinsey, The State of AI in 2025 (près de 2 000 organisations interrogées) :
- 88 % des organisations utilisent régulièrement l’IA dans au moins une fonction.
- 39 % seulement attribuent un effet quelconque à l’IA sur leur résultat opérationnel, et pour la plupart d’entre elles cet effet reste inférieur à 5 %.
- Environ 6 % des répondants se qualifient comme « AI high performers ».
- 21 % des organisations utilisant l’IA générative ont réellement repensé au moins une partie de leurs processus. Ce facteur est celui qui corrèle le plus fortement avec l’impact financier.
BCG, Build for the Future 2025 et AI Radar (plus de 1 250 entreprises, 1 800 dirigeants) :
- 5 % des entreprises génèrent de la valeur à l’échelle.
- 35 % passent à l’échelle sans encore mesurer d’impact significatif.
- 60 % ne constatent que peu ou pas de valeur.
- 75 % des dirigeants placent l’IA dans leurs trois priorités, mais 25 % seulement estiment en tirer une valeur significative.
La lecture est sans ambiguïté : l’écart ne se creuse pas entre ceux qui utilisent l’IA et ceux qui ne l’utilisent pas. Il se creuse entre ceux qui l’intègrent à leur manière de travailler et ceux qui la juxtaposent à l’existant.
Sept obstacles, trois familles
Les deux cabinets identifient les mêmes points de rupture. Nous les regroupons ici selon la logique dans laquelle ils se traitent réellement sur le terrain.
Le socle : ce qui conditionne la fiabilité
- La qualité et la gouvernance des données.Données dispersées entre le SI métier, les partages de fichiers et les boîtes mail, référentiels non maîtrisés, absence de propriétaire désigné. Une IA appliquée à une donnée non gouvernée produit des réponses plausibles et fausses, ce qui est le pire des deux mondes.
Notre lecture : attendre un patrimoine de données irréprochable avant de démarrer est une erreur de séquence. La donnée se traite comme un chantier parallèle, périmètre par périmètre, en commençant par ceux qui portent les cas d’usage prioritaires.
- Les systèmes existants.Applications métier anciennes, faiblement interfacées, parfois maintenues par un fournisseur unique. Elles ne bloquent pas l’expérimentation, elles bloquent l’industrialisation.
Notre lecture : la question n’est pas de moderniser tout le SI, mais d’identifier les deux ou trois points d’intégration qui conditionnent le passage à l’échelle, et de les traiter en priorité.
- La gouvernance, la conformité et le risque.nLPD, secret professionnel, exigences FINMA pour les gérants de fortune et les établissements financiers, AI Act européen pour les organisations exposées au marché de l’UE. À cela s’ajoutent la traçabilité des traitements, la gestion des hallucinations et la maîtrise de la localisation des données.
Notre lecture : en Suisse romande, et particulièrement dans le secteur financier, la conformité n’est pas un frein à l’adoption. Elle en est la condition d’entrée. Un cadre clair, posé tôt, accélère les projets au lieu de les ralentir, parce qu’il supprime les blocages en fin de parcours.
L’organisation : ce qui conditionne l’adoption
- L’absence de stratégie et de priorisation.Multiplication de preuves de concept sans arbitrage, sans propriétaire métier, sans critère de succès. L’énergie se disperse, les budgets se consomment, la valeur ne se matérialise pas.
Notre lecture : mieux vaut trois cas d’usage instruits, mesurés et tenus qu’une dizaine d’initiatives ouvertes en parallèle. La discipline de priorisation est le premier levier de rentabilité.
- Les compétences.La rareté des profils techniques est réelle, mais elle n’est pas le vrai sujet pour une organisation de taille moyenne. Le sujet, c’est la montée en compétence des équipes métier, celles qui utiliseront l’outil chaque jour.
Notre lecture : la compétence critique n’est pas de savoir manier un outil. C’est de savoir quand lui faire confiance et quand ne pas lui faire confiance. Cela s’apprend, cela s’encadre, cela se documente.
- Le changement organisationnel.Résistance, méfiance envers les résultats produits, habitudes ancrées, crainte sur les rôles. Ces réactions sont légitimes et ne se traitent pas par la communication descendante.
Notre lecture : l’adoption se gagne par les pratiques quotidiennes, avec des utilisateurs référents, des gains visibles à court terme et un droit à l’ajustement. Pas par le déploiement d’une licence à toute l’entreprise.
L’exécution : ce qui conditionne la valeur
- Le passage de l’expérimentation à l’impact mesurable.C’est le point de rupture le plus fréquent. Les pilotes réussissent, puis rien ne se passe. Faute d’un propriétaire, d’un budget de mise en production, d’indicateurs définis avant le lancement.
Notre lecture : un cas d’usage sans mesure définie en amont ne pourra jamais être défendu en comité de direction. La question n’est pas « est-ce que cela fonctionne », mais « qu’est-ce que cela change, pour qui, et de combien ».
Sur la trajectoire de maturité
Les modèles d’organisation de la donnée décrits par les deux cabinets, du dispositif centralisé jusqu’aux architectures décentralisées de type data mesh, décrivent une trajectoire pertinente pour de grands groupes.
Nous formulons ici une réserve utile : pour une PME romande ou un gérant de fortune indépendant, viser le dernier stade de ce continuum n’a pas de sens. Un dispositif centralisé bien tenu, avec un propriétaire clairement identifié et une gouvernance simple, produit davantage de valeur qu’une architecture sophistiquée sans les ressources pour la faire vivre.
La maturité utile est celle que l’organisation est capable de soutenir dans la durée.
Ce que nous en retenons
Aucun des sept obstacles n’est technologique. Tous relèvent de la méthode, de la gouvernance et de l’accompagnement humain.
C’est la conviction qui structure notre approche : l’humain augmenté par un jugement rigoureux, et non l’inverse. L’IA élargit la capacité d’analyse et d’exécution des équipes. Elle ne remplace ni l’arbitrage, ni la responsabilité, ni la connaissance du métier.
Notre offre d’accompagnement IAgérance repose sur cette logique et sur une séquence courte, volontairement peu spectaculaire :
Diagnostic → Ateliers → Feuille de route → Déploiement → Optimisation
Des étapes courtes, des périmètres restreints, des résultats vérifiables à chaque itération. C’est ce qui distingue les 5 % d’entreprises qui créent de la valeur des 60 % qui n’en constatent aucune.
Le prochain pas
Si vous vous reconnaissez dans l’un des sept obstacles, le premier pas est rarement un projet. C’est une conversation structurée sur votre situation réelle : vos données, vos contraintes réglementaires, vos priorités métier et le niveau de maturité de vos équipes.
Nous proposons ce cadrage sous la forme d’un diagnostic court, à l’issue duquel vous disposez d’une lecture claire de vos cas d’usage prioritaires et des conditions à réunir pour les tenir.