Comment obtenir un ROI positif de l’IA : les trois priorités des entreprises

Le climat d’enthousiasme généralisé pour l’IA générative est officiellement terminé. Les entreprises ont dépassé le stade des projets pilotes et des annonces sensationnelles. Désormais, la question qui reste n’en est qu’une : quel est son réel retour économique ?

Cette question trouve une réponse précise dans les récentes recherches menées par Snowflake auprès de 2 050 organisations à travers le monde qui ont déjà mis en production des solutions GenAI. Les résultats démentent tout scepticisme : 92 % des entreprises enregistrent un retour sur investissement positif, avec un retour sur investissement moyen de 49 % (soit un bénéfice de 1,49 $ pour chaque dollar investi). Parmi les niveaux C, jusqu’à 75 % quantifient des rendements positifs, tandis que seulement 5 % font état de résultats stables.

L’évolution vers l’IA agentique

Cependant, les données les plus significatives de l’enquête concernent l’évolution vers l’IA agentique : des systèmes autonomes capables de prendre des décisions et d’exécuter des flux de travail complexes sans supervision humaine constante. 32 % des entreprises ont déjà des agents IA en production, avec un retour sur investissement attendu de 47 % dans les 12 prochains mois.

En Italie, la tendance est également accélérée, mais présente de fortes asymétries. Selon les données de l’Université Polytechnique de Milan, le marché national de l’IA atteindra 1,8 milliard d’euros en 2025 (+50 % par rapport à l’année précédente), dont près de la moitié sera tirée par GenAI. Un écart profond persiste cependant entre les grandes entreprises (71% avec des projets actifs) et les PME (stationnaires à 8%).

L’obstacle à une adoption généralisée et rentable n’est plus la technologie elle-même, mais la capacité des entreprises à l’intégrer structurellement au sein de leur organisation. Il nous faut désormais surmonter cette phase de transition et commencer à générer de la valeur concrète. Pour ce faire, les chefs d’entreprise doivent mettre en œuvre trois mesures stratégiques.

Arrêtez de courir après les modèles et suivez un « régime » de données.

Le véritable goulot d’étranglement de l’IA ne réside pas dans les algorithmes, mais dans les bases de l’information. L’étude Snowflake met en évidence une réalité critique : seulement 20 % des données non structurées d’entreprise sont réellement « prêtes pour l’IA » (propres, gouvernées et accessibles). Pour les données structurées, ce pourcentage s’élève à 33 %, encore insuffisant.

Le désalignement opérationnel est évident :

• 65 % des dirigeants trouvent difficile, voire très difficile, de briser les silos de données.
• 62 % ont du mal à surveiller la qualité des données et à les préparer pour les grands modèles linguistiques (LLM).

Les entreprises qui obtiennent les rendements financiers les plus élevés suivent une règle stricte : investir d’abord dans l’infrastructure de données, puis dans les modèles. Ce n’est pas un hasard si 94 % des personnes interrogées consolident activement leurs actifs de données et 89 % identifient les ingénierie des données la compétence clé pour le succès de l’IA.

En Italie, ce défi est crucial : seules 20 % des grandes entreprises adoptent l’IA de manière généralisée en raison de la fragmentation des systèmes existants.

Avant d’acheter le dernier LLM du marché, vous devez réaliser un audit rigoureux de votre patrimoine informationnel. A l’ère de l’IA, la devise historique « Déchets à l’intérieur, déchets à l’extérieur » (déchets entrants, déchets sortants) voit son effet multiplié de façon exponentielle.

Résoudre le problème de « l’IA fantôme »

Il existe un phénomène qui traverse tous les services de l’entreprise : plus de la moitié des salariés, dont 66 % des managers de niveau C, admettent utiliser régulièrement des outils d’IA non autorisés par l’entreprise. En Italie, ce phénomène s’élève à 68%, les profils seniors arrivant en tête de liste des utilisateurs non officiels.

Les raisons de l’omniprésence de IA de l’ombre sont purement opérationnels :

• 60 % des professionnels estiment que les outils approuvés par l’informatique manquent des fonctionnalités nécessaires.
• 53 % estiment que les processus d’approbation des entreprises sont trop lents.

Cette utilisation incontrôlée expose les entreprises à des risques systémiques : violations de la propriété intellectuelle, fuites de données sensibles et amendes liées au RGPD (qui pour une PME italienne peuvent varier entre 1 et 3 millions d’euros par incident). Une vulnérabilité accentuée par la pleine applicabilité du European AI Act en 2026 à tous les systèmes d’IA et secteurs à haut risque, face à une gouvernance d’entreprise italienne encore largement déstructurée.

Cependant, au sein de ce phénomène, une opportunité émerge également : les gens veulent utiliser l’IA et perçoivent sa valeur pour leur productivité. L’interdire est une stratégie qui a échoué.

Les DSI et RSSI doivent cartographier les besoins réels des collaborateurs au moyen d’enquêtes anonymes. L’objectif n’est pas de réprimer l’initiative, mais de la canaliser, en proposant aux entreprises des alternatives gouvernées, sécurisées et qualitativement meilleures que les outils grand public.

Repensez les flux de travail, ne coupez pas les têtes

Le débat sur l’impact de l’IA sur l’emploi oscille souvent entre visions apocalyptiques et optimisme naïf. La réalité mesurée sur le terrain montre un scénario de transformation professionnelle profonde : près de 80% des entreprises enregistrent une création nette d’emplois (création d’emplois), tandis que 11 % seulement ont connu exclusivement des réductions de personnel.

L’IA n’élimine pas le travail, elle change son anatomie :

• on constate une contraction des postes purement exécutifs ou de premier échelon (63 %).
• Les postes à forte spécialisation technique sont en croissance : cybersécurité (+20% de probabilité d’augmentation organique), opérations informatiques (+16%) et développement de logiciels (+12%).

Jusqu’à 90 mille emplois en Italie

En Italie, on estime que l’IA pourrait générer jusqu’à 900 000 nouveaux emplois au cours des prochaines années, tandis qu’environ 3,8 millions de postes seront automatisés d’ici 2033, nécessitant de nouvelles qualifications et générant des opportunités de reconversion. La demande de compétences spécifiques a déjà doublé sur les portails de recrutement.

Les organisations plus matures n’utilisent pas l’IA pour remplacer les collaborateurs, mais pour les soulager de tâches répétitives à faible valeur ajoutée en repensant les processus et en investissant massivement dans le perfectionnement des compétences. En outre, les données montrent que les entreprises dotées d’une stratégie d’IA mature attirent et retiennent les talents plus facilement que celles bloquées dans la phase pilote. Une tendance favorable pour l’Italie, qui arrive au premier rang européen pour les salariés qui choisissent de se former à l’IA de manière indépendante (64 %).

Pour chaque nouveau projet technologique, la question que vous devez vous poser ne doit pas nécessairement être « Combien de ressources puis-je supprimer ? »mais plutôt « Comment puis-je repenser ce processus afin que les gens puissent exprimer pleinement leurs capacités grâce à l’IA ? ».

La nouvelle frontière de l’autonomie : l’IA agentique

L’évolution vers des systèmes d’agents est déjà en cours : les 32 % d’entreprises qui disposent déjà de solutions actives les utilisent principalement pour le support client 24 heures sur 24 (61 %), pour guider les utilisateurs vers des ressources d’auto-assistance (59 %) et pour la classification automatique des tickets (50 %).

Le véritable défi pour l’adoption à grande échelle de l’IA agentique n’est pas technologique, mais psychologique : c’est la confiance. 29 % des entreprises expriment de fortes inquiétudes quant à leur capacité à maintenir une surveillance humaine (humain dans la boucle) et, à l’échelle mondiale, plus des deux tiers des managers déclarent qu’ils ne font toujours pas entièrement confiance aux agents autonomes pour les processus métier critiques.

C’est précisément dans cet espace que les trois évolutions décrites – une infrastructure de données solide, permettant la gouvernance et la refonte du travail humain – deviennent cruciales. Plus l’IA devient autonome, plus l’architecture de données qui l’anime et l’encadrement éthique et professionnel des humains deviennent les véritables éléments différenciants sur le marché.

Conclusions

L’IA générative et agentique ne sont pas des technologies à « acheter », mais un moteur à construire au sein de votre écosystème organisationnel. Les entreprises qui veulent commencer à mesurer leurs profits doivent fonder ce moteur sur des données solides, une gouvernance intelligente et la valorisation du capital humain.