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

Le registre

1. « 87 % des projets de data science n'atteignent jamais la production »

   Ne repose sur rien

   Un article sponsorisé de VentureBeat (juillet 2019) rapportant une phrase dite en table ronde. Sur scène, Deborah Leff (IBM) déclare « je crois que CIO Dive Magazine dit que seulement 13 %… » — le souvenir verbal d'une affirmation de presse professionnelle, dans du contenu sponsorisé. Aucune étude, aucun jeu de données, aucune méthode. C'est le socle marketing d'une bonne partie de la catégorie MLOps.

   Ouvrir la source →

2. « 85 % des projets d'IA échouent »

   Une prévision, pas une mesure

   Une prévision Gartner de 2018 : d'ici 2022, 85 % des projets d'IA produiraient des résultats erronés, par biais dans les données, les algorithmes ou les équipes. « Résultats erronés » n'est pas « échec ». L'échéance est passée en 2022 et n'a jamais été évaluée.

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

   Ne repose sur rien

   Rapport RAND RR-A2680-1 (2024). La phrase porte la note 13, qui renvoie à une interview de Fortune avec le dirigeant d'un fournisseur — pas à des données. La précaution de RAND elle-même, « selon certaines estimations », saute à chaque citation. RAND a étudié les causes ; l'institut n'a jamais mesuré de taux.

   Ouvrir la source →

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

   Préliminaire, et mal rapporté

   MIT NANDA, The GenAI Divide, juillet 2025 : 52 entretiens et 153 dirigeants recrutés lors de quatre conférences professionnelles. Le document se présente lui-même comme des « résultats préliminaires », en version 0.1, sans la moindre bibliographie. « Mis en œuvre avec succès » y est défini comme ce que des utilisateurs ou des dirigeants ont « signalé comme » ayant eu un impact — une impression, pas une mesure. Son avertissement précise que les vues exprimées n'engagent aucun employeur : ce n'est donc pas un résultat institutionnel du MIT.

5. « BCG : 10-20-70 — 70 % de la valeur de l'IA tient aux hommes et aux processus »

   Ne repose sur rien

   Une règle de pouce issue d'une conférence TED@BCG de 2019, reprise plus tard dans un communiqué comme s'il s'agissait d'un résultat d'enquête. Elle n'a jamais été établie empiriquement, et ne sort pas de l'enquête auprès de 1 803 dirigeants à côté de laquelle elle apparaît. La confirmation « MIT Sloan a trouvé 70 %… » qui circule avec elle semble avoir été inventée par du contenu de référencement.

6. « 42 % des entreprises n'obtiennent aucun retour ; les 58 % rentables ont défini des indicateurs d'abord »

   Ne repose sur rien

   Un billet de blog d'éditeur. Aucune enquête, aucune méthode, aucun échantillon communiqué. Nous signalons celui-ci en particulier parce que c'est l'affirmation que nous aimerions le plus voir vraie — elle plaide exactement pour ce que nous vendons — et que c'est la plus faible du registre.

7. « D'ici 2028, un achat de logiciel d'entreprise sur quatre sera effectué par un agent d'IA »

   Introuvable

   Attribuée à Gartner partout où elle apparaît. Nous n'avons pu la rattacher à aucun communiqué Gartner d'origine.

8. « Gartner : 41 % des prototypes atteignent la production »

   Introuvable

   N'apparaît que dans un document Gartner réservé aux clients. Personne parmi ceux qui la citent n'a pu la vérifier, et nous non plus.

9. « 82 % des banques ne mesurent le retour d'aucun investissement technologique »

   Introuvable

   Attribuée à une enquête Bank Director 2025 auprès de 141 répondants, mais accessible seulement via un blog secondaire. Nous n'avons pas pu ouvrir la source d'origine.

Ce qui tient

Démolir est la moitié facile. Sur les enquêtes qui publient leur méthode — Gartner (n=644 et n=782), S&P Global (n=1 006), IBM (n=2 000), Deloitte (n=3 235) — le tableau est cohérent, et beaucoup moins spectaculaire que les titres :

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 %. Entre les deux se trouve un large ventre de réussites partielles qu'aucun chiffre-titre ne décrit.

Les travaux les mieux construits que nous ayons trouvés : l'étude mondiale de l'université de Melbourne avec KPMG sur l'usage et la confiance en l'IA (n=48 340, 47 pays, échantillon représentatif), et le rapport DORA de Google Cloud sur le développement assisté par IA (environ 5 000 professionnels, modèles bayésiens avec intervalles de crédibilité). Aucun des deux ne produit de titre effrayant, ce qui explique probablement qu'aucun des deux ne circule.

Et le résultat que personne ne cite, tiré du rapport du MIT lui-même : les outils fondés sur des modèles généralistes atteignent 40 % de mise en œuvre réussie. Les 5 % ne concernent que les développements spécifiques, taillés pour une tâche.

Comment en vérifier un vous-même

1. Trouvez la source d'origine. Pas l'article qui la cite — le communiqué, le PDF, le rapport. Si trois clics ne mènent à aucun document, vous avez déjà la réponse.
2. Lisez le temps du verbe. « Sera » est une prévision. Une prévision dont l'échéance est passée sans que personne ne la vérifie ne prouve rien.
3. Cherchez le n, et qui a été interrogé. Des participants à un webinaire ou des recrues de conférence sont auto-sélectionnés. Un échantillon probabiliste est un objet entièrement différent.
4. Lisez la définition derrière le chiffre. « Échec » et « succès » sont définis dans la méthode, et la définition est souvent bien plus faible que ne le laisse croire le titre.
5. Suivez la note de bas de page. Plus d'une fois ici, elle mène à une interview de magazine avec quelqu'un qui vend le remède.