Dans un entretien publié par La Tribune le 16 juin, Charleyne Biondi, autrice d'une note de l'Institut Montaigne, pose un constat qui circule beaucoup : l'adoption de l'IA par les entreprises françaises est passée de 33 % à 40 % en un an, mais « 95 % des projets d'IA ne produisent aucun gain mesurable ». De quoi alimenter les sceptiques. Nous lisons exactement l'inverse : c'est l'une des notes les plus optimistes parues cette année.
Pourquoi ? Parce que le titre dit tout : « le problème n'est pas la technologie mais l'organisation ». Si le blocage était technologique, il faudrait attendre la prochaine génération de modèles en espérant qu'elle suffise. Or le blocage est organisationnel - et ça, une entreprise peut agir dessus dès aujourd'hui, sans attendre personne.
« La technologie n'est jamais cette baguette magique qu'on applique comme une mousse au-dessus de l'existant : il faut repenser ses opérations à l'âge de l'IA. » - Charleyne Biondi
Les 95 %, ou la valeur qu'on ne sait pas mesurer
Premier point que la note remet à sa place : ces fameux 95 %. Comme le précise Charleyne Biondi, « ça ne veut pas dire que ça ne produit pas de valeur, mais plutôt une valeur qu'on n'arrive pas à quantifier ». Des collaborateurs qui gagnent du temps, montent en expertise, couvrent des sujets plus vastes - c'est réel, mais difficile à chiffrer, surtout sur du travail intellectuel à l'échelle individuelle.
Le revirement décrit est spectaculaire. Il y a six mois encore, beaucoup de dirigeants exigeaient un ROI garanti de 50 % avant d'investir. Aujourd'hui, « on voit des entreprises de toutes tailles qui se disent qu'il y a une dynamique de transformation de fond ». L'IA devient une force concurrentielle dont on ne peut plus se passer. La question n'est plus « faut-il y aller ? » mais « à quelles conditions ? ». C'est exactement la bonne question.
Où se joue vraiment la souveraineté
Le passage le plus important de l'entretien, à nos yeux, concerne la « dépendance captive ». La note alerte : à mesure que données, processus et mémoire décisionnelle s'imbriquent dans des plateformes majoritairement américaines, le rapport de force se déplace vers les fournisseurs. Mais - et c'est la nuance décisive - cette captivité ne se joue pas là où on l'attend :
« Il n'y a pas vraiment de dépendance aux modèles eux-mêmes : le socle est, en général, assez facilement substituable. Les couches dont on est captif, ce sont l'infrastructure stratégique du cloud, et surtout cette couche absolument essentielle entre le cœur d'activité de l'entreprise et le modèle de fondation. » - Charleyne Biondi
Autrement dit : la bataille des modèles de fondation n'est pas le sujet. Le sujet, c'est la couche d'orchestration - celle qui coordonne les agents, les tâches et les processus - et le moteur de contexte - celui qui gère les données, la mémoire et les dictionnaires métiers. « Si vous maîtrisez cette couche, vous pouvez changer de modèles, migrer d'une infrastructure à l'autre, sans perdre votre mémoire ni vos règles métier. »
Nous ne pourrions pas être plus d'accord. C'est, mot pour mot, le principe de conception qui nous guide chez Survol : ne jamais coder en dur ni le modèle, ni l'hébergeur, ni le fournisseur de code source. L'agent IA, le contrôle de code source, l'hébergement passent par des interfaces avec un adaptateur par fournisseur. On commence avec Claude et GitHub, mais l'abstraction existe dès le premier jour. La promesse est simple : la mémoire du produit vous appartient, et elle reste lisible quel que soit le modèle que vous brancherez demain.
Le test du « zéro enfermement » : une bonne couche d'orchestration doit pouvoir être débranchée. Si changer de modèle ou d'outil vous fait perdre votre mémoire produit et vos règles métier, ce n'est pas de l'orchestration, c'est un verrou. La portabilité n'est pas une option : c'est le critère.
La gouvernance, ce n'est pas regarder - c'est décider
La note tape juste sur un autre point : « les directions générales confondent souvent observabilité et gouvernance. Regarder ce que fait l'IA n'est pas la même chose que décider ce qu'elle a le droit de faire. » Il faut définir les garde-fous, et surtout « qui va être responsable de quoi, de quel résultat, et à quel moment on remet l'humain dans la chaîne ».
C'est exactement la frontière que nous traçons. Piloter une IA, ce n'est pas contempler un flux de logs ; c'est calibrer la délégation : décider ce qu'on confie à l'agent, fixer les seuils d'intervention humaine, organiser le contrôle qualité. Concrètement, cela veut dire des règles explicites à trois niveaux - impérative (jamais contournée), forte (l'agent peut la contester avec arguments, un humain tranche), préférence - injectées au début de chaque session et dont chaque application est journalisée. Et des décisions produit discutées avant de lancer la machine, pas constatées après.
Le vrai blocage : la sémantique
Dernier point, plus technique mais central : sans dictionnaires métiers, sans règles explicites, « les agents génèrent des réponses plausibles mais erronées », ce qui fait exploser les coûts d'intégration et d'audit. L'enseignement vaut aussi pour le développement agentique : un agent de code sans contexte métier produit du code plausible mais à côté. La parade n'est pas un prompt plus long, c'est un contexte structuré - la spécification de la fonctionnalité, les décisions déjà tranchées, les fichiers réellement concernés. C'est ce qui transforme un assistant impressionnant en collègue fiable.
Ce qu'on en retient
- « 95 % sans gain mesurable » n'est pas un verdict sur l'IA, c'est un problème de mesure et d'organisation - donc surmontable.
- La souveraineté ne se joue pas sur les modèles (substituables) mais sur la couche d'orchestration et le moteur de contexte. Maîtrisez-la, et vous gardez la main.
- Gouverner, c'est décider ce que l'IA a le droit de faire et où l'humain reprend la main - pas seulement regarder.
- Il existe une vraie carte à jouer pour des solutions européennes interopérables et non captives. Nous comptons bien en être.
La note de l'Institut Montaigne se lit comme un cahier des charges. Réorganisation, gouvernance explicite, portabilité, structuration sémantique : ce ne sont pas des contraintes, ce sont les conditions pour que l'IA tienne enfin ses promesses. Et la bonne nouvelle, c'est que rien là-dedans n'attend la prochaine génération de modèles.
