L’IA c’est fatiguant !

Suivre le rythme, faire les bons choix et en tirer un vrai résultat devient un sport à part entière

Je me suis sérieusement demandé si j’étais idiot ou incompétent. Voilà la question que je me suis posée en regardant les résultats que j’obtenais avec l’IA, comparés au temps que j’y consacrais. Pourtant, j’ai suivi des formations récentes sur le sujet, j’ai un vrai goût pour l’informatique, et une longue expérience dans le développement de logiciels derrière moi. Si même avec ce bagage-là le rapport temps investi / résultat obtenu reste aussi décevant, quelque chose ne colle pas, et ce n’est peut-être pas que moi !

J’utilise quatre IA génératives au quotidien : Claude, ChatGPT, Vibe et Copilot. Mon intention est de n’en garder qu’une ou deux dans un avenir proche. À côté de ça, une bonne partie de mes outils habituels, Odoo, Dicte, Acrobat Reader, ont ajouté de l’IA sans que je ne leur demande rien. Et de nombreux outils comme Shaarp, Humanlinker, 2050 analytics ou Magileads, utilisent eux-mêmes des IA pour faire tourner leurs applications. Résultat : je passe un temps non négligeable à choisir, tester, comparer, sans que le résultat concret sur mon activité soit à la hauteur de l’énergie investie. Je ne suis clairement pas le seul dans ce cas, et les chiffres le confirment.

Un rythme de sorties devenu intenable

Entre février et août 2026, une douzaine de modèles majeurs sont sortis. On est passé d’une sortie annuelle, jusqu’en 2023, à une cadence de deux à quatre semaines aujourd’hui. Un dirigeant de PME qui choisit un modèle en janvier a de bonnes chances de le trouver dépassé en avril.

Le plus révélateur : une partie du secteur lui-même s’inquiète de ce rythme. Fin juillet 2026, près d’un millier d’employés de grands laboratoires d’IA ont signé un appel à ralentir la cadence des sorties, jugeant qu’elle dépasse la capacité à tester correctement les modèles. Si les gens qui les fabriquent trouvent que ça va trop vite, il n’y a aucune raison qu’un dirigeant de PME se sente obligé de courir derrière.

On n’est pas en retard, on est dans la norme

Selon Bpifrance Le Lab (enquête janvier 2026, plus de 4 700 dirigeants de TPE-PME interrogés), 58 % des dirigeants jugent l’IA importante pour la pérennité de leur entreprise à moyen terme. 43 % en ont fait une stratégie formalisée. Seulement 26 % l’utilisent concrètement au quotidien.

Ce n’est pas un problème de conviction, tout le monde est à peu près convaincu. C’est un problème de passage à l’acte, et cet écart touche l’immense majorité des dirigeants, pas une minorité mal organisée.

Le vrai coût caché : jongler entre les outils

Une étude Microsoft France / YouGov de janvier 2026 (657 cadres et dirigeants) montre que 61 % des utilisateurs d’IA en entreprise passent par leurs comptes personnels au moins une fois par semaine, en dehors de tout cadre défini par l’entreprise. Chacun a fini par construire sa propre relation avec un outil, sans coordination avec les autres.

Le problème, ce n’est pas seulement d’en avoir plusieurs, ce n’est qu’aucun ne se souvient de rien d’un outil à l’autre. Les modèles de langage restent, par construction, sans mémoire persistante d’une session ou d’une plateforme à l’autre : l’historique, le contexte métier, les habitudes qu’on a fini par établir avec un outil ne se transfèrent pas quand on en change. Changer de crémerie veut dire reprendre quasi de zéro. C’est exactement ce qu’on ressent en pratique : passer d’une IA à l’autre, ce n’est jamais gratuit.

Un échec qui est devenu la norme statistique, pas l’exception

Voilà peut-être le chiffre le plus rassurant, si on le lit correctement : une enquête McKinsey publiée fin août 2026, menée auprès de 1 719 dirigeants dans 97 pays, montre que seuls 6 % des organisations parviennent à attribuer un impact financier significatif à l’IA. 80 % des salariés disent individuellement gagner en productivité, mais ce gain ne se traduit pratiquement jamais en résultat mesurable au niveau de l’entreprise. Ce n’est pas un accident isolé ni un chiffre daté : une étude MIT de l’an dernier arrivait déjà à une conclusion quasi identique, et les enquêtes BCG et KPMG menées au premier semestre 2026 situent, elles aussi, la part d’entreprises avec un retour mesurable entre 5 et 8 %. La situation n’a donc pas bougé d’un pouce en un an, malgré l’explosion des investissements.

La RAND Corporation, sur une méthodologie différente (entretiens avec 65 data scientists et ingénieurs), arrive à une conclusion voisine côté projets individuels : plus de 80 % des projets IA échouent, deux fois le taux d’échec des projets informatiques classiques. Et ce n’est presque jamais un problème de technologie. C’est un problème de données mal préparées, d’objectifs flous ou de manque d’accompagnement du changement.

Autrement dit, si votre projet IA n’a pas donné le résultat espéré, vous êtes très largement dans la majorité, pas dans l’exception qui a raté quelque chose.

Même les éditeurs n’ont pas stabilisé leur modèle.

Dernier point, et pas des moindres : l’industrie qui nous vend tout ça n’a elle-même pas fini de trouver son équilibre économique. Au deuxième trimestre 2026, Anthropic a dégagé un léger bénéfice opérationnel pour la première fois, tandis qu’OpenAI a vu sa perte se creuser à 12,3 milliards de dollars sur le seul trimestre, avec un seuil de rentabilité qui n’est plus attendu avant 2030.

Concrètement pour l’utilisateur, ça se traduit par des changements de règles en cours de route, et l’exemple le plus parlant vient de Microsoft lui-même. Fin 2025, l’entreprise avait déployé en interne, sur plusieurs milliers de ses propres salariés, un assistant IA d’un concurrent (Anthropic) plutôt que son propre outil maison. L’outil a très bien fonctionné, tellement bien qu’il a fait de l’ombre à la solution interne de Microsoft. Sauf que la facture a explosé bien au-delà du budget prévu. Au printemps 2026, Microsoft a coupé l’accès à cet outil, avec une justification officielle de « rationalisation autour de l’offre maison », mais des sources internes citées par la presse racontent une autre histoire : le budget de la division concernée a été pulvérisé par la facture IA avant même la fin de l’exercice.

Quand l’éditeur qui nous vend de l’IA découvre, en l’utilisant lui-même en interne, que la facture dépasse ce qu’il avait prévu au point d’en couper l’utilisation, ça en dit long sur la fragilité générale du modèle économique actuel.

Difficile de reprocher à un dirigeant de PME sa prudence sur les engagements longs, quand les fournisseurs eux-mêmes changent les règles en plein match.

Ce qu’on en retient :

Aucun de ces points, pris isolément, n’est un scandale. Mis bout à bout, ils dessinent un tableau cohérent : un rythme technique que personne ne peut vraiment suivre, une adoption réelle qui reste minoritaire malgré l’adhésion de principe, un temps perdu à jongler entre des outils qui ne se parlent pas, un taux d’échec qui est la norme plutôt que l’exception, et un marché fournisseur qui n’a pas fini de se stabiliser.

La fatigue que beaucoup de dirigeants ressentent face à l’IA n’est donc pas un défaut de volonté ou de compétence. C’est une réponse assez logique à une technologie qui bouge plus vite que les organisations qui doivent l’adopter. Ce constat n’appelle pas forcément à investir plus ou à courir plus vite. Il invite plutôt à choisir peu d’outils, à les maîtriser vraiment, et à accepter que la stabilisation du marché prendra le temps qu’il faudra, sans qu’on ait à la précéder.

J’ai, bien évidemment, fais travailler mes IA pour écrire cet article. J’ai commencé par un exercice simple, je leur ai donné la même série de prompts avec les mêmes itérations au même moment. Résultat, 3 textes différents évidemment, rien de choquant, le plus surprenant c’est le choix des angles de traitement du sujet. Je leur ai posé la question au final :

Si tu devais faire une phrase courte pour dire quel angle tu as choisi pour traiter ma demande ?

Réponse IA 1 : Un constat personnel et documenté sur l’écart entre la promesse de l’IA, le temps qu’elle demande réellement et la valeur qu’elle crée concrètement pour l’entreprise.

Réponse IA 2 : J’ai pris l’angle du témoignage crédible : un praticien qui doute légitimement de sa propre compétence, puis découvre que les chiffres (adoption, ROI, rythme, économie du secteur) lui donnent raison à grande échelle, plutôt que de l’IA en général.

Réponse IA 3 : J’aborde le sujet sous l’angle d’un constat personnel et lucide : celui d’un dirigeant averti qui, malgré sa compétence technique et sa position d’expert, ne parvient pas à transformer l’accumulation d’outils IA en valeur concrète pour son entreprise et ses clients.

Je vous laisse trouver celle que j’ai choisie pour construire cet article.

Bref ! Je ne partage pas ce constat en simple spectateur agacé. Le sujet m’intéresse de près, et ma position de délégué national à la prospective, en charge du DCF Lab pour les Dirigeants Commerciaux de France, me permet d’être au contact de nombreux spécialistes, d’utilisateurs et de dirigeants. Si le constat reste aussi mitigé de ce poste d’observation, c’est qu’il mérite d’être pris au sérieux, sans dramatiser, mais sans se voiler la face non plus.