Leadership et IA : pourquoi les deux chantiers échouent quand on les mène séparément
Déployer l'IA sans traiter la capacité de décision du dirigeant automatise le goulot d'étranglement. Pourquoi les deux chantiers n'en font qu'un en PME.
Il existe aujourd’hui deux marchés parfaitement étanches.
D’un côté, des coachs de dirigeants. Ils travaillent la posture, la décision, la relation au comité de direction. Ils ne touchent pas aux systèmes d’information, et c’est cohérent avec leur métier.
De l’autre, des prestataires en intelligence artificielle. Ils cartographient, déploient, intègrent. Ils ne travaillent pas le dirigeant, et c’est tout aussi cohérent.
Entre les deux, il y a un dirigeant de PME qui finance les deux chantiers, et qui constate au bout d’un an que ni l’un ni l’autre n’a produit ce qu’il espérait.
Ce n’est pas une question de qualité des intervenants. C’est une question de périmètre.
Le chiffre qui devrait clore le débat technique
Quand un projet d’IA échoue en entreprise, où se situe la cause ?
Le Boston Consulting Group a posé la question à 1 000 dirigeants dans 59 pays et plus de vingt secteurs. Sa conclusion, publiée le 24 octobre 2024, tient en une répartition : 70 % des difficultés viennent des personnes et des processus, 20 % de la technologie, 10 % des algorithmes. Le cabinet recommande d’ailleurs d’allouer les ressources dans la même proportion, ce que personne ne fait.
La même enquête relève que 74 % des entreprises n’ont pas encore démontré de valeur tangible de leur usage de l’IA, et que seules 26 % ont dépassé le stade de la preuve de concept.
Ce n’est pas un problème de modèle. Ce n’est pas un problème de fournisseur. C’est un problème d’organisation, et donc, dans une PME, un problème de dirigeant.
Les abandons ne ralentissent pas, ils accélèrent
Un chiffre circule depuis l’été 2025 : « 95 % des projets d’IA échouent ». Il vient d’un rapport du MIT Project NANDA et il est presque systématiquement mal cité. Le rapport décrit un entonnoir, dans lequel environ 5 % des organisations atteignent un déploiement à valeur mesurée, ce qui n’est pas la même chose que 95 % de projets échoués. Ses auteurs qualifient eux-mêmes leurs résultats de « directionnellement justes », et l’étude n’a pas été évaluée par les pairs.
Il existe une mesure plus sobre et plus solide. Dans son enquête Voice of the Enterprise de mars 2025, menée auprès de plus de mille répondants en Amérique du Nord et en Europe, S&P Global Market Intelligence mesure que 42 % des entreprises ont abandonné la majorité de leurs initiatives IA en 2025, contre 17 % l’année précédente. En moyenne, 46 % des preuves de concept n’atteignent jamais la production.
Le taux d’abandon a plus que doublé en un an, au moment précis où les outils devenaient meilleurs. Ce détail suffit à écarter l’hypothèse technique.
Beaucoup d’usage, peu d’effet
La photographie la plus récente vient de McKinsey, en août 2026, sur 1 719 répondants dans 97 pays.
Près de neuf organisations sur dix déclarent un usage régulier de l’IA dans au moins une fonction. 44 % déclarent un déploiement à l’échelle de l’entreprise. Et 37 % seulement constatent une contribution au résultat d’exploitation, un chiffre quasi inchangé par rapport à l’année précédente. Les entreprises obtenant un impact significatif, au-delà de 5 % d’effet sur le résultat, ne sont que 6 %.
Ce que McKinsey observe chez ces 6 %, c’est ce qui compte ici. Elles poursuivent la croissance et pas seulement l’efficacité. Elles refondent les processus au lieu d’insérer l’IA dans l’existant. Et leurs dirigeants s’engagent visiblement sur le sujet.
Une enquête antérieure du même cabinet, en mars 2025, est plus directe encore : parmi vingt-cinq attributs organisationnels testés, la supervision de la gouvernance de l’IA par le dirigeant lui-même est l’un des éléments les plus corrélés à un impact déclaré sur le résultat. C’est le cas dans 28 % des organisations interrogées.
Corrélation, pas causalité : il faut le dire. Un dirigeant qui supervise personnellement le sujet est probablement aussi celui qui l’a compris, arbitré et priorisé. Mais l’ordre de grandeur est là, et il ne désigne ni le fournisseur ni la direction informatique.
En France, le facteur discriminant, c’est le dirigeant
Les données françaises ferment le raisonnement.
L’Insee, dans une enquête auprès d’environ 11 000 entreprises publiée le 21 juillet 2026, mesure que 18 % des entreprises implantées en France déclarent utiliser au moins une technologie d’IA en 2025, un taux multiplié par trois en deux ans. La ventilation par taille est nette : 15 % pour les entreprises de 10 à 49 salariés, 31 % de 50 à 249, 58 % au-delà de 250. Le principal frein cité par les non-utilisatrices n’est pas le coût, c’est le manque d’utilité perçue, à 71 %.
C’est l’étude de Bpifrance Le Lab de juin 2025, menée auprès de 1 209 dirigeants de PME et ETI, qui tire la conclusion la plus utile. Elle établit que l’adoption dépend moins du secteur et de la taille que du profil du dirigeant, et distingue quatre archétypes : sceptiques 27 %, bloqués 26 %, expérimentateurs 28 %, innovateurs 19 %. Parmi les freins cités, deux sont strictement organisationnels : la difficulté à identifier les cas d’usage, pour 23 %, et la résistance des salariés, pour 22 %.
Autrement dit : dans une PME française, la variable qui détermine la réussite d’un projet d’IA se trouve dans le bureau du dirigeant, pas dans son infrastructure.
Ce qui se passe quand on automatise autour d’un dirigeant saturé
Voilà pour les données. Voici le mécanisme.
Une entreprise déploie un outil qui accélère la production d’informations : synthèses, propositions commerciales, analyses, tableaux de bord. Ces productions arrivent quelque part. Dans une PME, elles arrivent presque toutes au même endroit.
Le dirigeant qui recevait dix notes par semaine en reçoit vingt-cinq, mieux écrites, plus difficiles à trier parce qu’une note médiocre est désormais bien rédigée. Le débit de décision, lui, n’a pas bougé. Il a même baissé, puisqu’il faut désormais évaluer davantage de matière.
L’IA n’a pas créé le goulot d’étranglement. Elle l’a rendu visible, en augmentant la pression en amont. C’est exactement ce que veut dire l’observation de McKinsey sur les processus refondus par opposition à l’IA insérée dans l’existant : insérer un accélérateur dans une chaîne dont le point de blocage est en aval revient à faire monter la pression sur ce point précis.
Et l’inverse est tout aussi vrai. Un dirigeant qui travaille sa charge décisionnelle sans toucher aux flux d’information de son entreprise obtient un résultat réel, mais qui ne tient pas : il décide mieux dans un système qui continue de produire au même rythme des sujets qui remontent au même endroit. Six mois plus tard, la charge est revenue.
Un ordre de bataille en trois temps
La séquence qui fonctionne est toujours la même, et elle est contre-intuitive parce qu’elle place l’outil en dernier.
Un : la décision. Identifier les deux ou trois décisions dont dépend le reste de l’entreprise, et pour chacune, qui la prend réellement, sur quelles informations, à quelle fréquence. C’est un travail d’une demi-journée et il se fait sans logiciel.
Deux : le flux. Regarder ce qui alimente ces décisions. D’où vient l’information, combien de temps elle met à arriver, combien de personnes la manipulent avant d’être exploitable. C’est là que se trouvent les cas d’usage qui comptent, et ils ne ressemblent presque jamais à ceux d’un catalogue de prestataire.
Trois : l’outil. Et seulement là. Sur un périmètre restreint, avec une mesure définie avant le démarrage, et un responsable nommé.
Cet ordre explique pourquoi tant de projets techniquement réussis n’ont aucun effet mesurable : ils ont commencé au point trois.
Ce qu’il faut exiger d’un intervenant qui prétend couvrir les deux
Le croisement entre accompagnement du dirigeant et IA opérationnelle est devenu un argument commercial. Il mérite d’être vérifié, et cela se fait en trois questions.
Quels livrables produisez-vous dans chacun des deux registres ? Un intervenant qui couvre réellement les deux produit des livrables des deux natures : des notes de cadrage sur la décision du dirigeant, et une cartographie de données, des cas d’usage chiffrés, un calendrier de déploiement. S’il n’y a de livrable que d’un côté, l’autre est un argument, pas une prestation.
Que se passe-t-il si vous concluez que le projet IA ne vaut pas la peine ? C’est la question qui trie. Un prestataire dont le chiffre d’affaires dépend du déploiement ne conclura jamais qu’il ne faut pas déployer. Un intervenant dont l’engagement est annuel et global peut le dire, et doit pouvoir citer un cas où il l’a fait.
Qui arbitre entre les deux chantiers quand ils entrent en conflit ? Ils entrent toujours en conflit, en général sur le temps du comité de direction. S’il n’y a personne pour arbitrer, les deux avancent en parallèle, se gênent, et finissent au même endroit que les 42 % d’initiatives abandonnées en 2025.
Ce n’est pas l’IA qui transforme une PME. C’est un dirigeant dont la capacité de décision a été dégagée, dans une entreprise dont les flux ont été redessinés, et qui s’est ensuite donné les outils correspondants. Dans cet ordre.
Questions fréquentes
Faut-il commencer par l'IA ou par le dirigeant ?
Par la décision, ce qui n'est pas exactement la même chose que par le dirigeant. Concrètement : identifier les deux ou trois décisions qui conditionnent le reste de l'entreprise, regarder quelles informations les alimentent et à quel rythme, puis seulement décider ce qu'un outil peut prendre en charge dans cette chaîne. Commencer par l'outil revient à accélérer une chaîne dont on n'a pas vérifié qu'elle menait quelque part.
Un prestataire en intelligence artificielle peut-il traiter la question de la décision ?
Ce n'est pas son métier, et ce n'est pas un reproche. Un prestataire IA est évalué sur un déploiement réussi, pas sur la qualité des arbitrages du dirigeant, qu'il n'a d'ailleurs aucune légitimité à discuter. Le problème n'est pas la compétence de l'intervenant, c'est le périmètre du contrat : personne, dans le dispositif habituel, n'est mandaté pour dire que le projet ne vaut pas l'énergie qu'il consomme.
Combien de temps avant de voir un effet mesurable en PME ?
Sur un cas d'usage bien cadré, comptez un trimestre pour un effet mesurable sur le temps passé, et deux à trois pour un effet sur la marge ou le délai client. Ce qui allonge ce délai n'est presque jamais la technique : c'est le temps qu'il faut pour que les personnes concernées cessent de maintenir en parallèle l'ancienne façon de faire. C'est cette bascule-là qui se prépare en amont, pas après la mise en service.