Gartner a publié le 1er septembre 2026 les résultats d'une enquête menée de janvier à avril auprès de 1 303 responsables d'organisations dont le chiffre d'affaires annuel dépasse 50 millions de dollars. Le titre du communiqué retient le constat d'échec : seules 22% des organisations ont réussi à déployer l'IA à l'échelle de plusieurs métiers, ou à adopter une approche AI-first. Le reste du texte décrit pourtant tout sauf un recul : 85% des responsables de fonction prévoient d'augmenter leurs dépenses en 2026, après y avoir consacré en moyenne 12% de leur budget en 2025.
Le chiffre qui circulera est ailleurs. Gartner isole un groupe de high performers, et ce groupe obtient un retour positif sur 81% de ses initiatives d'IA. Le chiffre est spectaculaire, il est exact, et il repose sur une construction qu'il vaut mieux connaître avant de le citer.
Ce que vaut l'enquête
Commençons par la mesure elle-même. C'est une enquête déclarative, conduite auprès de responsables de fonction dans des organisations de taille significative. Le communiqué ne détaille ni la répartition par secteur ni la formulation exacte des questions. Et Gartner vend du conseil sur le pilotage de la valeur de l'IA : une étude qui conclut que ceux qui mesurent réussissent mieux sert son activité. Ça ne rend pas les chiffres faux. Ça invite à séparer ce que l'enquête établit de ce qu'elle recommande.
Les 81% sont en partie dans la définition
Voici comment Gartner définit ses high performers : des entreprises qui suivent en continu le retour sur investissement de leurs initiatives d'IA, qui les gèrent comme un portefeuille de valeur, et qui évaluent régulièrement la performance de leurs projets pour réallouer ou arrêter ceux qui sous-performent.
Relisez la dernière clause. Un groupe défini par le fait qu'il arrête ses projets décevants aura, parmi les projets qu'il conserve, une forte proportion de projets qui rapportent. Les échecs sortent du dénominateur par construction. C'est un biais du survivant, inscrit dans la définition même du groupe.
Le communiqué ne dit pas si les projets arrêtés entrent dans le calcul. S'ils n'y entrent pas, les 81% mesurent au moins autant la qualité du tri que la qualité des projets.
Ce n'est pas une raison de balayer le chiffre. C'est une raison de lui faire dire ce qu'il dit vraiment. Il ne démontre pas que mesurer fait réussir les projets. Il suggère que mesurer permet de savoir lesquels arrêter, ce qui est une affirmation plus modeste, et probablement plus utile.
Une comparaison qui n'en est pas une
Le communiqué met les deux groupes en regard, et c'est là que la lecture rapide se trompe. Les plus performants obtiennent un retour positif sur 81% de leurs initiatives ; les moins performants ignorent le taux de retour de 29% des leurs.
Ce ne sont pas deux valeurs de la même mesure. La première est une part de réussites, la seconde une part d'inconnues. Le communiqué ne donne pas le taux de retours positifs des moins performants : l'écart que le lecteur croit voir entre 81 et 29 n'existe pas dans les données publiées. Ce que la comparaison montre vraiment, c'est que la frontière entre les deux groupes passe par le fait de savoir, pas par le fait de gagner.
Le chiffre le plus simple est le plus inquiétant
Un chiffre du communiqué ne demande aucune précaution de lecture : environ 11% des organisations ignorent totalement ce que leur fonction a dépensé en IA en 2025. Pas le retour : la dépense.
Et l'ensemble accélère, puisque 85% des responsables prévoient d'augmenter leurs budgets. Tina Nunno, vice-présidente chez Gartner, le résume en une phrase : ce manque de visibilité financière augmente le risque à mesure que les dépenses s'accélèrent. On ne peut ni réallouer ni arrêter ce qu'on ne voit pas. La discipline que Gartner décrit chez les plus performants commence donc bien avant le calcul d'un ROI, par une question comptable élémentaire : combien, et pour quoi.
Nous avions traité l'autre face du même problème à propos des projets IA qu'on coupe sans savoir pourquoi. Les données de Gartner confirment ce diagnostic par l'autre bout : arrêter n'est pas le problème, les plus performants arrêtent aussi. Ils savent simplement ce qu'ils arrêtent.
La génération de code, seul cas d'usage populaire qui rapporte
La seconde moitié du communiqué compare, pour l'informatique, les cas d'usage les plus poursuivis et ceux qui produisent le plus souvent un retour positif. Les deux listes ne se ressemblent presque pas.
Les plus poursuivis sont la détection et la réponse aux menaces de cybersécurité (54%), l'automatisation du support informatique (54%) et la génération et le refactoring automatisés de code (44%). Ceux qui produisent le plus souvent un retour positif sont l'optimisation des actifs et des coûts informatiques (40%), la génération de données synthétiques (28%) et, de nouveau, la génération et le refactoring de code (23%).
La génération de code est le seul cas d'usage présent dans les deux classements. Les deux autres favoris n'apparaissent pas parmi ceux qui rapportent. C'est le constat que Gartner met en avant : les cas les plus répandus sont rarement les plus rentables, et la valeur vient plutôt de cas moins courants, choisis parce qu'ils collent à un besoin précis.
Pour qui construit du logiciel avec des agents, figurer dans les deux listes ne veut pas dire que ça marche partout. Ça veut dire que ça peut marcher, et qu'une partie seulement de ceux qui s'y lancent déclarent un retour positif. Les deux pourcentages ne répondent pas à la même question, et je ne les divise pas l'un par l'autre. Mais l'écart pose une question pratique : qu'est-ce qui distingue ceux qui en tirent un retour des autres ?
Ce que nous en faisons
La réponse de Gartner tient en trois gestes : suivre le retour, gérer un portefeuille, arrêter ce qui sous-performe. Pour la génération de code, le premier suppose de rattacher la dépense à quelque chose qu'on peut juger. Un montant mensuel par compte ne permet de rien arrêter, puisqu'on ne sait pas quoi. C'était déjà la leçon d'Uber, qui avait épuisé son budget IA annuel en quatre mois. Un coût rattaché à une fonctionnalité et à sa version, lui, se juge.
C'est précisément ce que Survol trace, puisque nous pilotons des produits construits par des agents : le coût de chaque session est rattaché à la fonctionnalité et à la version qu'elle sert. Mais la question se pose avec ou sans nous, et les 11% qui ignorent leur propre dépense disent qu'elle ne se pose pas encore partout.
À retenir
Le communiqué sera cité pour ses 81%. Une lecture honnête en retient autre chose : la différence entre les organisations qui réussissent avec l'IA et les autres ne se voit pas d'abord dans leurs résultats, elle se voit dans ce qu'elles savent de leurs résultats. C'est moins spectaculaire qu'un taux de réussite. C'est aussi la seule partie du chiffre qu'on peut copier.
Sources
- Gartner, « Gartner Survey Finds Only 22% of Organizations Have Successfully Scaled AI Across Multiple Business Units », communiqué de presse, Stamford, 1er septembre 2026. Enquête menée de janvier à avril 2026 auprès de 1 303 répondants d'organisations réalisant au moins 50 millions de dollars de chiffre d'affaires annuel sur l'exercice 2025. Tous les chiffres de cet article en proviennent. Gartner commercialise du conseil sur le pilotage de la valeur de l'IA.
