D'où viennent vraiment les chiffres de l'échec de l'IA

Un registre de provenance pour les statistiques que tout le monde cite

Vous êtes sur le point de mettre l'un de ces cinq chiffres dans une note au conseil, un support de comité de pilotage ou un dossier de décision. Chacun est repris si largement que l'utiliser paraît sans risque.

Trois des cinq n'ont aucune étude derrière eux. Un est une prévision dont l'échéance est passée sans jamais avoir été vérifiée. Le cinquième est un vrai document, qui dit considérablement moins que son titre — et la version que la plupart des gens citent se trompe jusque sur sa méthode.

Personne ne perd son poste pour une statistique douteuse. Mais si vous demandez un budget, « 95 % des pilotes échouent » arme celui qui veut dire non — et ce chiffre ne vient de nulle part.

Cette page existe pour que ça n'arrive pas. Pour chaque statistique : d'où elle vient réellement, ce qu'elle dit réellement, et par quoi la remplacer — avec les tailles d'échantillon, les méthodes et les dates, pour que le remplacement survive au même examen. Elle est datée, corrigée en public, et les sources primaires sont nommées afin que vous puissiez nous vérifier aussi facilement que nous les avons vérifiées.

S'il vous faut un seul paragraphe défendable, prenez celui-ci

Reprenez-le tel quel. Chaque chiffre provient d'une enquête à méthode et échantillon publiés, et chaque source est nommée en entier plus bas.

L'adoption est large chez les organisations qui répondent aux enquêtes sur l'IA, et mince à l'échelle de l'économie. 88 % des répondants déclarent un usage régulier de l'IA dans au moins une fonction, mais seulement un tiers environ passent à l'échelle, et parmi les 39 % qui attribuent un effet quelconque à l'IA sur leur EBIT, la plupart situent cet effet sous 5 % (McKinsey, The State of AI in 2025, 1 993 participants dans 105 pays). À mettre en regard de la statistique publique, établie sur une base obligatoire et non sur un panel de répondants : 18 % des entreprises françaises de dix salariés et plus ont utilisé au moins une technologie d'IA en 2025 (INSEE, enquête TIC, n=11 000), et 19,95 % dans l'UE27 (Eurostat, isoc_eb_ai). Les deux sont vrais, et l'écart entre eux est une différence de population, pas une contradiction : les panels de dirigeants décrivent les entreprises qui répondent aux enquêtes sur l'IA, les instituts statistiques décrivent toutes les entreprises. Des enquêtes indépendantes situent la distribution des résultats dans la même plage : 28 % des cas d'usage réussissent pleinement et 20 % échouent franchement (Gartner, n=782, répondants infrastructure et exploitation), tandis que 42 % des entreprises abandonnent désormais la plupart de leurs initiatives IA, contre 17 % un an plus tôt (S&P Global, n=1 006). Le schéma qui traverse les études mesurées est le suivant : environ 20 à 30 % des initiatives atteignent la production et tiennent leurs objectifs, près de 20 % échouent franchement, et la majorité se situe en réussite partielle. La contrainte qui bloque, telle qu'elle est rapportée, n'est pas la technologie mais l'attribution : moins d'une organisation sur cinq suit des indicateurs bien définis sur son travail d'IA générative (McKinsey).

Et si quelqu'un cite « 95 % des pilotes IA échouent » en réunion, la réponse exacte la plus courte est : ce chiffre vient d'un document auto-étiqueté préliminaire v0.1, sans bibliographie, fondé sur 52 entretiens et 153 dirigeants recrutés en conférence, et il définit le succès comme un impact que quelqu'un a signalé. Les enquêtes mesurées situent l'échec franc plutôt autour de 20 %.

Vous n'avez pas besoin du reste de cette page pour utiliser ces deux paragraphes. Le reste est la preuve qu'ils tiennent.

« 87 % des projets de data science n'atteignent jamais la production »

Ce que c'est : un article sponsorisé publié sur VentureBeat en juillet 2019, rapportant une remarque faite sur scène à VentureBeat Transform. L'intervenante, Deborah Leff d'IBM, a dit — et la formulation compte — « je crois que CIO Dive Magazine dit que seulement 13 %… ».

Le souvenir verbal d'une affirmation de presse professionnelle, à l'intérieur de contenu sponsorisé. Aucune étude, aucun jeu de données, aucune méthode, aucun échantillon. Ce chiffre a pourtant soutenu une décennie de marketing MLOps.

À utiliser à la place : Gartner, terrain T4 2023, n=644 — 48 % des projets d'IA atteignent la production, avec une médiane de huit mois du prototype à la production.

« 85 % des projets d'IA échouent »

Ce que c'est : une prévision Gartner de 2018, qui annonçait que d'ici 2022, 85 % des projets d'IA produiraient des résultats erronés en raison de biais dans les données, les algorithmes ou les équipes qui les pilotent.

Trois choses lui sont arrivées. « Résultats erronés » est devenu « échec ». L'échéance s'est refermée en 2022 sans jamais être vérifiée. Et une prévision sur la qualité des sorties est devenue, au fil des reprises, un taux d'échec mesuré.

À utiliser à la place : l'enquête I&O de Gartner, avril 2026, n=782 — 28 % des cas d'usage réussissent pleinement, 20 % échouent franchement, laissant un ventre d'environ 52 % en réussite partielle. ⚠️ Répondants infrastructure et exploitation uniquement ; ne pas généraliser à toute l'entreprise.

« RAND : plus de 80 % des projets d'IA échouent »

Ce que c'est : le rapport RAND RR-A2680-1 (2024) contient bien la phrase. Il contient aussi la note qui y est attachée — la note 13 — laquelle renvoie à Kahn, Jeremy, « Want Your Company's A.I. Project to Succeed ? … », Fortune, 26 juillet 2022 : une interview de presse professionnelle avec le dirigeant d'un fournisseur.

La précaution de RAND elle-même, « selon certaines estimations », saute chez pratiquement tous ceux qui la citent. Ce que RAND a réellement fait, c'est interroger 65 ingénieurs et data scientists pour comprendre pourquoi les projets échouent. Son résultat principal vaut mieux que le chiffre qu'on lui prend : la cause racine la plus citée, nommée par 84 % des personnes interrogées, est la mauvaise compréhension ou la mauvaise formulation du problème que l'IA est censée résoudre. Réserve de RAND elle-même : la plupart des interrogés n'étaient pas cadres dirigeants, le résultat penche donc peut-être vers la mise en cause de la direction.

À utiliser à la place : S&P Global (451 Research), terrain octobre-novembre 2024, n=1 006 — 42 % des entreprises abandonnent désormais la plupart de leurs initiatives IA, contre 17 % l'année précédente.

« MIT : 95 % des pilotes d'IA générative échouent »

Celui-ci est un vrai document, et il mérite l'entrée la plus longue, parce que c'est le plus cité et le plus mal lu.

La source est le MIT NANDA, The GenAI Divide: State of AI in Business 2025 (juillet 2025). Sa méthode : 52 entretiens structurés, plus 153 dirigeants interrogés « dans quatre grandes conférences professionnelles », plus une revue de 300 initiatives publiques.

Ce que le document dit de lui-même : il est étiqueté « résultats préliminaires », version 0.1. Il ne comporte aucune bibliographie. Son avertissement précise que les vues exprimées ne reflètent la position d'aucun employeur affilié — ce n'est donc pas un résultat institutionnel du MIT. Et le projet NANDA commercialise de l'infrastructure d'IA agentique tout en prescrivant des « systèmes capables d'apprendre » comme remède.

Comment le « succès » est défini, verbatim : des mises en œuvre « que des utilisateurs ou des dirigeants ont signalées comme ayant provoqué un impact marqué et durable sur la productivité et/ou le résultat ». Un propos, pas une mesure.

Ses propres chiffres se contredisent. Le résumé exécutif dit « seuls 2 secteurs majeurs sur 8 montrent un changement structurel significatif » ; le corps du texte dit, à trois reprises, « sept secteurs sur neuf montrent peu de changement structurel » ; le graphique en liste huit. Un intertitre annonce que 50 % des budgets d'IA générative vont aux ventes et au marketing ; le corps de la même section dit environ 70 %. Le chiffre de 30 à 40 milliards de dollars d'investissement est sans source, faute de section de références.

Et la version qui a fait le tour du monde s'est trompée sur la méthode. Fortune, le 18 août 2025, la décrit comme « 150 entretiens avec des dirigeants, une enquête auprès de 350 salariés et une analyse de 300 déploiements publics d'IA ». Le rapport dit 52 entretiens et 153 dirigeants interrogés. C'est cette version gonflée que la plupart des gens répètent.

Enfin, les 95 % ne disent pas ce que le titre leur fait dire. L'affirmation du rapport porte sur 95 % des organisations n'obtenant aucun retour, et les 5 % ne concernent que les outils spécifiques, taillés pour une tâche — les outils fondés sur des modèles généralistes atteignent 40 % dans le même document.

« 10-20-70 : 70 % de la valeur de l'IA vient des hommes et des processus »

Ce que c'est : une règle de pouce issue d'une conférence TED@BCG de 2019 par Sylvain Duranton, publiée par le compte de BCG en septembre 2019, et reprise mot pour mot dans un communiqué de 2025. Elle n'a jamais été établie empiriquement, et elle ne sort pas de l'enquête auprès de 1 803 dirigeants à côté de laquelle elle figure aujourd'hui. La confirmation qu'on voit souvent — « le MIT Sloan a trouvé 70 % lui aussi » — ne renvoie à rien que nous ayons pu trouver, et semble être un artefact de contenu de référencement.

L'affirmation sous-jacente, selon laquelle l'organisation compte davantage que l'algorithme, est bien étayée. Le ratio, non.

À utiliser à la place : Bloom, Brynjolfsson, Foster, Jarmin, Patnaik, Saporta-Eksten et Van Reenen, American Economic Review 2019, 32 000 établissements américains via les données Census MOPS — les pratiques de management structurées expliquent environ 20 % de l'écart de productivité, soit à peu près le double de ce qu'explique l'informatique, et 40 % de cette variation se produit à l'intérieur d'une même entreprise. Même société, même technologie, même budget, pratiques différentes, production différente. C'est la version rigoureuse de ce que 10-20-70 laisse entendre.

Ce qui a réellement été mesuré

Chacun de ces résultats a une méthode publiée et un échantillon vérifiable.

Et un cran au-dessus de tout cela — statistique publique, base obligatoire, aucune auto-sélection :

Ces deux lignes comptent plus que tout ce qui les précède, et pas parce que les chiffres sont plus bas. Ce sont les seules entrées tirées d'une base qui inclut les entreprises qui ne répondraient jamais à une enquête sur l'IA. Toutes les autres décrivent des gens qui ont choisi de répondre.

Lues ensemble — et la phrase qui suit est notre synthèse de ces enquêtes, pas un chiffre publié : environ 20 à 30 % des initiatives d'IA en entreprise atteignent la production et tiennent leurs objectifs de retour, l'échec franc tourne autour de 20 %, et le large reste est en réussite partielle.

Moins spectaculaire que 95 %. Plus utile aussi, parce que ça désigne un endroit : l'écart n'est pas l'adoption, c'est l'attribution.

Jusqu'où voyagent réellement les mauvais chiffres

Tout ce qui précède porte sur l'origine de cinq statistiques. Cette section porte sur leur destination, et c'est la seule partie de cette page que nous avons pu mesurer plutôt que retracer.

Nous exploitons une chaîne d'ingestion sur la couverture médiatique de l'IA. À l'heure où nous écrivons, elle contient 81 319 articles. Nous y avons cherché les chiffres de ce registre :

Sur les 54 articles portant le chiffre du MIT, quatre contiennent une formulation qui le met en doute. Les cinquante autres le transmettent comme un fait établi — dans des résumés de podcasts, des billets de fournisseurs, une annonce de levée de fonds et du contenu sponsorisé.

Comment cela a été mesuré, et ses limites. Nous avons apparié des motifs sur le titre, le résumé et l'enseignement généré de chaque article, pas sur le corps du texte : chaque comptage est donc un plancher, pas un recensement. « Le contient » n'est pas « l'affirme » : nous avons séparé les deux par une détection de formulation sceptique, puis lu un échantillon à la main pour confirmer le partage. Et il s'agit d'un corpus de couverture anglophone centrée sur l'IA, pas de l'internet. Traitez le tableau comme un ordre de grandeur, et le rapport 54 contre 4 comme le résultat.

Ce rapport est la raison d'être de cette page. Une statistique sans étude derrière elle ne s'affaiblit pas en se diffusant. Elle gagne en crédibilité, parce que le cinquantième à la répéter répète quelque chose qu'il a désormais vu quarante-neuf fois.

L'un d'eux était le nôtre

Pendant des mois, nous avons cité « environ 6 % des entreprises attribuent plus de 5 % de leur EBIT à l'IA », en créditant le State of AI de McKinsey. C'était dans les textes de notre site, dans nos propres billets, et dans des commentaires où nous corrigions les chiffres des autres.

Le 8 août 2026, nous avons ouvert le PDF au lieu des résultats de recherche. Le chiffre n'est pas dans le rapport. Le seuil de 5 % n'apparaît qu'à l'intérieur de la définition composite des « champions de l'IA » — les répondants déclarant plus de 5 % d'EBIT et une « valeur significative » attribuables à l'IA — et le rapport ne dit jamais quelle proportion des répondants cela représente. Ce qu'il dit, c'est que 39 % attribuent un effet quelconque à l'EBIT, et que la plupart d'entre eux le situent sous 5 %.

Notre chiffre était plausible, sans doute proche, et sans source. C'est ce dernier mot qui compte, parce que c'est exactement le défaut documenté plus haut. Les textes du site ont été corrigés le jour même, à treize endroits, en anglais et en français.

Et un second, trouvé en écrivant cette page. Notre propre document de stratégie portait « c'est pour ça que 40 % des projets d'agents IA sont abandonnés (Gartner) ». La phrase réelle de Gartner est une prévision : « plus de 40 % des projets d'IA agentique seront annulés d'ici fin 2027 » (communiqué du 25 juin 2025), et la seule donnée en dessous est un sondage de janvier 2025 auprès de 3 412 participants à un webinaire. Nous avions mis une prévision au présent — la règle numéro trois de la liste ci-dessous, que nous avons nous-mêmes écrite — et pire, nous lui avions fait porter une cause que Gartner n'énonce jamais : ses raisons déclarées sont l'envolée des coûts, une valeur métier floue et des contrôles du risque insuffisants, pas le modèle opérant que nous défendions. La phrase a disparu. Nous citons désormais l'enquête mesurée de Gartner (n=782) : « le retour sur l'IA n'est pas déterminé par la sophistication du modèle, mais par la qualité de son intégration, de sa gouvernance et de son alignement sur des besoins opérationnels réels. »

Deux en une seule page, les deux de notre fait, les deux trouvés en ouvrant la source primaire. C'est le taux honnête auquel cela arrive à des gens qui essaient.

Comment vérifier un chiffre vous-même, en quatre minutes

1. Trouvez la phrase dans le document d'origine, pas dans un article qui en parle. Si la source primaire est introuvable, vous avez votre réponse.
2. Lisez la note de bas de page. Le chiffre de RAND survit à tout, sauf à la sienne.
3. Vérifiez si c'est une prévision. Les prévisions s'écrivent au futur et sont rarement vérifiées ensuite. Deux des cinq ci-dessus sont des prévisions habillées en mesures.
4. Vérifiez la définition du « succès » ou de l'« échec ». « Signalé comme ayant eu un impact » et « mesuré contre une base antérieure » ne sont pas la même affirmation, et la différence fait généralement toute l'histoire.

Ce que nous n'avons pas pu vérifier

Conservé ici à dessein, parce qu'un registre qui ne consigne que ses succès est une page marketing.

• « D'ici 2028, un achat de logiciel d'entreprise sur quatre sera effectué par un agent IA sans intervention humaine. » Impossible à rattacher à un communiqué Gartner d'origine.
• « Gartner : 41 %/42 % des prototypes atteignent la production. » N'apparaît que dans un document réservé aux clients.
• « 42 % n'obtiennent aucun retour ; les 58 % rentables ont défini des indicateurs d'abord. » Un blog d'éditeur, sans enquête, sans méthode, sans échantillon. C'est aussi l'affirmation que nous aimerions le plus voir vraie, ce qui est précisément pourquoi nous ne l'utilisons pas.
• « 82 % des banques ne mesurent le retour d'aucun investissement technologique. » Attribuée à une enquête sectorielle de 2025, accessible seulement via un blog secondaire.
• « 30 à 50 % des projets RPA échouent. » EY Financial Services Ireland, 2016, verbatim dans son contexte : « on nous appelle souvent à l'aide quand la première tentative a échoué… nous avons vu jusqu'à 30 à 50 % des premiers projets RPA échouer. » Aucun échantillon, aucun dénominateur — et la population décrite est le portefeuille de remédiation d'EY lui-même.

Corrections

Cette page est un registre vivant. Si vous pouvez démontrer qu'une chose y est fausse — y compris une source primaire que nous aurions mal lue — envoyez-la et nous la corrigerons, datée, en public. C'est la seule façon qu'une page comme celle-ci vaille quelque chose.

Dernière mise à jour : 25 août 2026.