État de l'IA en 2025 : ce que révèle le rapport McKinsey sur le fossé entre les entreprises en matière d'IA

1. L'état de l'IA en 2025 : une adoption fulgurante qui masque des problèmes plus profonds

Le chiffre phare du rapport McKinsey AI 2025 est impossible à ignorer : 78 % des organisations utilisent désormais l'IA dans au moins une fonction métier, contre 72 % au début de l'année 2024. L'utilisation de l'IA générative a connu une croissance encore plus rapide : 71 % des organisations déploient régulièrement l'IA générative dans le marketing, le développement de produits, les opérations de service et l'informatique.

Mais ces chiffres peuvent être trompeurs si on s'arrête là. Comme le soulignent clairement les chercheurs de McKinsey Alex Singla, Alexander Sukharevsky et Lareina Yee, l'adoption n'est pas une fin en soi, l'objectif étant la création de valeur. Et sur ce plan, le tableau est radicalement différent.

Les deux tiers des organisations utilisent l'IA dans plusieurs fonctions. Environ la moitié l'utilisent dans trois fonctions ou plus. C'est ce qu'on appelle l'ubiquité. Mais l'ubiquité sans profondeur, sans discipline ni conception est ce que McKinsey appelle le problème du « théâtre de l'IA » : les organisations adoptent l'IA sans pour autant repenser leur modèle opérationnel afin d'en tirer une réelle valeur ajoutée.

Ce que révèlent les chiffres vs ce qu'ils cachent

La courbe d'adoption s'aplatit au sommet, ce qui signifie que l'avantage concurrentiel a changé. Il ne s'agit plus de savoir si vous utilisez l'IA, mais plutôt dans quelle mesure vous l'avez intégrée dans vos flux de travail, vos processus décisionnels et vos chaînes de valeur. C'est l'argument central du rapport sur l'état de l'IA en 2025, et c'est celui que la plupart des articles de synthèse omettent de souligner.

2. Le fossé de la mise à l'échelle : pourquoi 67 % des entreprises restent bloquées en mode pilote

La conclusion la plus importante du rapport McKinsey AI 2025 est peut-être celle concernant l'écart de mise à l'échelle. Bien que l'adoption soit généralisée, seul un tiers environ des organisations déclarent avoir mis en œuvre l'IA à l'échelle de l'entreprise. Les deux tiers restants sont pris au piège dans ce que les observateurs du secteur appellent le « purgatoire des projets pilotes », c'est-à-dire la réalisation d'expériences qui ne débouchent jamais sur une production à grande échelle.

Les obstacles sont les mêmes dans tous les secteurs et pour toutes les tailles d'entreprises :

• Qualité et architecture des données : la mise à l'échelle nécessite des données propres, intégrées et bien gérées, et non les feuilles de calcul cloisonnées et les bases de données héritées que la plupart des organisations utilisent actuellement.
• Rigidité des processus : intégrer l'IA à des processus non réformés ne produit au mieux que des gains marginaux.
• Inertie du modèle opérationnel : cloisonnement fonctionnel, responsabilité floue et incitations inadaptées empêchent le déploiement interorganisationnel de l'IA.
• Lacunes dans les mesures : sans indicateurs clés de performance clairement liés aux résultats commerciaux, les programmes pilotes ne peuvent justifier un investissement à l'échelle de l'entreprise.

Larger companies (revenue >$5B) are more likely to be scaling — nearly half are in the “scaling” phase — but even they cite workflow and operating-model challenges as primary blockers. Smaller firms (<$100M revenue) face even steeper odds, with only 29% reporting any scaling progress.

C'est là que l'impact commercial de l'IA générative devient nuancé. La technologie fonctionne. Le défi est d'ordre organisationnel. Comme l'indique le rapport : l'IA repose à 20 % sur des algorithmes et à 80 % sur une réorganisation structurelle.

3. Les 5,5 % — Ce qui distingue les entreprises très performantes en matière d'IA des autres

L'enquête de McKinsey a identifié un groupe particulièrement atypique. Sur près de 2 000 répondants, seuls 109 (soit environ 5,5 %) ont déclaré que plus de 5 % de l'EBIT de leur organisation était attribuable à l'IA. Il s'agit des « entreprises très performantes en matière d'IA », dont les pratiques divergent fortement de celles du grand public.

Ce résultat concorde parfaitement avec les conclusions d'une étude indépendante menée par le MIT, qui a révélé que seuls 5 % des programmes pilotes d'IA génèrent un impact mesurable sur le compte de résultat. La concordance entre ces deux études majeures en fait l'une des statistiques les plus fiables sur le retour sur investissement de l'IA produites par 2025.

Le guide du haut potentiel

En quoi ces 5,5 % se distinguent-ils ? McKinsey identifie six modèles cohérents :

1. Ils visent la transformation, pas seulement l'efficacité. Les entreprises très performantes sont 3,6 fois plus susceptibles de déclarer qu'elles ont l'intention d'utiliser l'IA pour opérer une transformation au cours des trois prochaines années. Alors que 80 % des répondants citent l'efficacité, les entreprises très performantes ajoutent la croissance du chiffre d'affaires et l'innovation comme objectifs explicites de l'IA.
2. Ils investissent massivement. Plus d'un tiers des entreprises très performantes consacrent plus de 20 % de leur budget numérique à l'IA, ce qui les rend cinq fois plus susceptibles de faire un pari financier important que les entreprises moyennes.
3. Les cadres supérieurs sont profondément impliqués. Les employés très performants sont trois fois plus susceptibles de déclarer que les cadres supérieurs font preuve d'appropriation et d'engagement envers les initiatives d'IA, non seulement en approuvant les budgets, mais aussi en donnant activement l'exemple dans l'utilisation de l'IA.
4. Ils repensent les flux de travail de bout en bout. La corrélation la plus forte avec l'impact sur l'EBIT est la refonte fondamentale des flux de travail (plus d'informations à ce sujet dans la section suivante).
5. Ils s'étendent à toutes les fonctions. Les entreprises très performantes déploient l'IA dans davantage de fonctions commerciales et sont trois fois plus susceptibles de déployer des agents IA à l'échelle de l'organisation.
6. Ils appliquent un guide de gestion complet couvrant six dimensions : stratégie, talents, modèle opérationnel, technologie, données et adoption/mise à l'échelle, basé sur l'analyse par McKinsey de plus de 200 transformations à grande échelle liées à l'IA.

Les implications sont claires : le fossé entre les entreprises en matière d'adoption de l'IA n'est pas un problème technologique, mais un problème de leadership et de modèle opérationnel. Pour le combler, il faut adopter une approche fondamentalement différente de la manière dont les organisations abordent l'IA.

4. Refonte des processus opérationnels : le facteur n° 1 de l'impact commercial de l'IA

S'il y a une conclusion qui mérite d'être affichée sur le mur de tous les directeurs techniques, c'est bien celle-ci : parmi tous les changements organisationnels liés au succès de l'IA générique, la refonte fondamentale des flux de travail est celle qui a le plus d'impact sur l'EBIT.

Pourtant, seulement 21 % des organisations utilisant l'IA générique ont repensé au moins certains de leurs flux de travail. La grande majorité (près de 80 %) superposent l'IA aux processus existants sans repenser la manière dont le travail s'effectue réellement.

C'est là le décalage fondamental que révèle le rapport « State of AI 2025 » : les organisations déploient des technologies puissantes dans des cadres opérationnels traditionnels. C'est comme installer un moteur à réaction sur une charrette tirée par des chevaux. Le moteur fonctionne très bien, mais le véhicule n'est tout simplement pas conçu pour cela.

À quoi ressemble réellement la refonte des processus de travail ?

Les employés les plus performants de McKinsey ne se contentent pas d'« ajouter l'IA » à un processus. Ils :

• Reconstruisez les guides de vente afin que l'IA se charge de la recherche, de la personnalisation et du suivi, tandis que les humains se concentrent sur l'établissement de relations et les décisions stratégiques.
• Repenser les manuels d'assistance à la clientèle afin que les agents IA gèrent la résolution de niveau 1 de bout en bout, en ne transmettant que les cas marginaux réels.
• Réorganiser les bases de connaissances et les référentiels de contenu afin que l'IA puisse récupérer, synthétiser et exploiter les connaissances institutionnelles.
• Restructurez le cycle de vie du développement logiciel grâce à la génération de code native IA, aux tests et aux pipelines de déploiement.

C'est cette même idée qui motive le passage des PDF statiques aux documents interactifs. La technologie permettant de rendre le contenu attrayant, adaptatif et intelligent existe, mais il faut repenser le modèle de diffusion, et pas seulement ajouter des fonctionnalités d'IA à un lecteur de PDF.

5. L'essor de l'IA agentique : des chatbots aux flux de travail autonomes

L'un des aspects les plus novateurs du rapport McKinsey AI 2025 est son analyse des agents IA, des systèmes capables de planifier, d'utiliser des outils et d'exécuter de manière autonome des workflows en plusieurs étapes.

Les données montrent une trajectoire d'adoption claire :

• 62 % des organisations testent actuellement des agents IA.
• 23 % développent activement des agents IA dans au moins une fonction.
• Mais dans n'importe quelle fonction, seuls 10 % maximum déclarent avoir véritablement déployé des agents à grande échelle.
• Dans le domaine spécifique du développement de produits, 73 % n'utilisent pas du tout d'agents IA.

Les secteurs qui sont à la pointe de l'adoption des agents sont la technologie, les médias, les télécommunications et la santé. Dans le domaine de la fabrication de pointe (aérospatiale, automobile, semi-conducteurs), les principaux cas d'utilisation des agents IA à grande échelle sont les suivants :

1. Génie logiciel (10 %)
2. Opérations informatiques (9 %)
3. Développement de produits (6 %)
4. Gestion des connaissances (5 %)
5. Ventes et marketing (5 %)

La fracture agentique

Les entreprises très performantes sont près de trois fois plus susceptibles d'avoir déployé des agents IA à l'échelle de l'entreprise. Cela crée ce que l'analyste Brian Solis appelle le « darwinisme agentique », c'est-à-dire un fossé grandissant entre les organisations qui considèrent l'IA comme un outil et celles qui la considèrent comme un nouveau système d'exploitation.

L'idée essentielle : il est impossible de repenser les flux de travail (le levier de valeur n° 1) si chaque étape doit être orchestrée par des humains. Les agents IA permettent une véritable automatisation de bout en bout, mais leur déploiement nécessite des cadres politiques, des systèmes de récupération, des pistes d'audit et une infrastructure de gouvernance que la plupart des organisations n'ont pas encore mis en place.

C'est précisément pour cette raison que des outils tels que la plateforme de transformation de documents basée sur l'IA de Libertify sont importants : ils représentent une approche proactive du contenu, en transformant de manière autonome un document statique en une expérience interactive avec vidéo, chatbot IA et analyse de l'engagement.

6. Leadership et gouvernance : les cadres supérieurs doivent montrer l'exemple (mais la plupart ne le font pas)

Les données de McKinsey démontrent de manière convaincante que la gouvernance de l'IA n'est pas une simple case à cocher en matière de conformité, mais un facteur direct de résultats financiers.

Les conclusions concernant l'engagement des dirigeants sont sans appel :

• Seules 28 % des entreprises déclarent que leur PDG supervise directement la gouvernance de l'IA.
• Seuls 17 % participent à la stratégie en matière d'IA au niveau du conseil d'administration.
• Pourtant, la supervision par le PDG est fortement corrélée à un impact plus important de l'IA sur l'EBIT.
• Les entreprises très performantes sont trois fois plus susceptibles de déclarer que leurs dirigeants encouragent, soutiennent et donnent l'exemple en matière d'utilisation de l'IA.

Le schéma est constant : les organisations où l'IA est un « projet de l'équipe technique » obtiennent des résultats inférieurs à celles où elle constitue une priorité stratégique au niveau de la direction. Il ne s'agit pas ici d'apprendre aux cadres à coder, mais plutôt de définir une vision, d'éliminer les obstacles, de repenser les incitations et de faire de l'adoption de l'IA une attente culturelle plutôt qu'une expérience facultative.

Le déficit de gouvernance

McKinsey présente 12 bonnes pratiques pour le déploiement et l'adoption de l'IA, allant du suivi des indicateurs clés de performance à l'établissement de feuilles de route claires. Cependant, moins d'un tiers des organisations ont mis en œuvre la plupart d'entre elles. Les grandes entreprises sont en tête en matière de création d'équipes dédiées à l'adoption de l'IA générique, de mise en place de formations pour les employés et d'élaboration de cadres de confiance, mais même elles présentent des lacunes importantes.

La gestion des risques devient de plus en plus sophistiquée, avec des investissements croissants dans la réduction des inexactitudes, des menaces liées à la cybersécurité, des violations de la propriété intellectuelle et des préoccupations en matière de confidentialité depuis 2024. Mais le chemin à parcourir est encore long, en particulier en ce qui concerne l'explicabilité et l'équité, domaines dans lesquels la plupart des organisations restent peu matures.

7. Risques, talents et facteur humain dans l'adoption de l'IA

Le rapport « State of AI 2025 » révèle une conclusion qui devrait retenir l'attention de tous les DRH : 47 % des organisations déclarent avoir déjà subi au moins une conséquence négative liée à l'IA générative.

Les risques les plus fréquemment signalés sont les suivants :

• Inexactitudes et hallucinations — des déclarations qui semblent faire autorité, mais qui sont factuellement erronées.
• Fuite de données et violations de la vie privée — informations sensibles exposées lors d'interactions avec l'IA
• Problèmes liés à la propriété intellectuelle et aux droits d'auteur — incertitude quant à la propriété des contenus générés par l'IA
• Vulnérabilités en matière de cybersécurité — nouvelles surfaces d'attaque créées par les intégrations d'IA
• Fatigue liée au changement — employés submergés par le rythme d'adoption des outils d'IA

L'équation du talent

Bien que le recrutement de spécialistes en IA (data scientists, ingénieurs en apprentissage automatique) reste difficile, la difficulté a diminué par rapport aux années précédentes, signe d'une offre croissante de talents. De nouveaux rôles apparaissent, notamment ceux de spécialistes en conformité IA et de responsables de l'éthique IA.

McKinsey a notamment constaté que les employés utilisent souvent l'IA plus que ne le pensent leurs dirigeants, soulignant ainsi la nécessité de mettre en place des mesures d'accompagnement et des politiques plutôt que des interdictions générales. Les organisations les plus efficaces canalisent cette adoption par la base à travers des formations officielles, des garde-fous de gouvernance et des directives claires sur les cas d'utilisation plutôt que d'essayer de la réprimer.

La reconversion professionnelle s'accélère : de nombreuses entreprises ont déjà recyclé jusqu'à 10 % de leur main-d'œuvre en raison de l'IA, et ce chiffre devrait augmenter au cours des trois prochaines années. Il est important de noter que la plupart des organisations réaffectent le temps gagné grâce à l'IA à de nouvelles tâches plutôt que de réduire leurs effectifs, ce qui suggère que l'impact de l'IA sur la main-d'œuvre relève davantage de la transformation que de la suppression d'emplois.

8. Statistiques sur le retour sur investissement de l'IA en 2025 : la question à 4 400 milliards de dollars

Les estimations économiques de base de McKinsey pour l'IA générative restent stupéfiantes : un potentiel annuel de 2,6 à 4,4 billions de dollars pour 63 cas d'utilisation identifiés. Les plus grandes sources de valeur se concentrent dans quatre domaines :

1. Opérations clients — résolution assistée, mise en avant des connaissances, meilleure action suivante
2. Marketing et ventes — messages personnalisés, élaboration de propositions, optimisation du pipeline
3. Ingénierie logicielle — génération de code, rédaction de relations publiques, automatisation des tests, analyse des incidents
4. Recherche et développement — cycles de conception accélérés, synthèse de la littérature, génération d'hypothèses

Mais la réalité sur le terrain est décevante. Seules 39 % des organisations peuvent établir un lien entre l'IA et leur résultat d'exploitation, et pour la plupart d'entre elles, cet impact est inférieur à 5 %. Plus de 80 % ne voient toujours pas d'effet clair à l'échelle de l'entreprise sur leur résultat net.

Les organisations qui obtiennent les meilleurs résultats sont celles qui fixent des objectifs de croissance et d'innovation parallèlement à la réduction des coûts. Les stratégies d'IA axées uniquement sur l'efficacité produisent des gains marginaux. Les stratégies axées sur la croissance, qui visent la satisfaction des clients, la différenciation concurrentielle et l'augmentation des revenus, ont un impact nettement plus important sur la rentabilité, la part de marché et l'expérience client.

Où se concentrent les réductions de coûts ? Dans l'ingénierie logicielle, la fabrication et l'informatique. Où se concentrent les gains de revenus ? Dans le marketing et les ventes, la stratégie et la finance d'entreprise, ainsi que le développement de produits. Il est essentiel de comprendre cette carte pour hiérarchiser les investissements dans l'IA.

9. Ce que cela signifie pour votre organisation — et comment agir

Le rapport McKinsey State of AI 2025 est clair : l'IA ne créera pas de valeur pour l'entreprise à elle seule. La valeur apparaît lorsque les dirigeants fixent des objectifs de croissance, réorganisent les flux de travail, adoptent une infrastructure prête pour les agents et mesurent rigoureusement les résultats. Si vos projets pilotes n'ont pas d'impact sur l'EBIT, le problème réside très certainement dans le modèle opérationnel et les mesures utilisées, et non dans le modèle lui-même.

Cinq mesures à prendre dès maintenant

1. Définissez des objectifs IA basés sur les résultats. Ne vous contentez pas de « déployer l'IA », mais visez plutôt « améliorer la fidélisation des clients de X % » ou « réduire le délai de mise sur le marché de Y jours ». Alignez chaque initiative IA sur un indicateur clé de performance (KPI) commercial.
2. Choisissez un processus et repensez-le de bout en bout. Ne dispersez pas l'IA dans 20 processus différents. Choisissez votre processus le plus rentable (par exemple, le transfert du support client L1 vers L2 ou le transfert des ventes SDR vers AE) et repensez-le en plaçant l'IA au cœur du processus.
3. Construisez votre pile prête pour les agents. Investissez dans la génération augmentée par la récupération (RAG), l'infrastructure d'appel d'outils, les garde-fous politiques et les pistes d'audit. Connectez les agents IA à votre CRM, vos bases de connaissances, vos systèmes de tickets et vos pipelines CI.
4. Assurez-vous d'avoir un leadership dans ce domaine. Si votre PDG ne défend pas personnellement la stratégie et la gouvernance en matière d'IA, vous avez statistiquement moins de chances d'en voir l'impact sur l'EBIT. Faites de l'IA un sujet à traiter au niveau du conseil d'administration, et non une simple note de bas de page dans les réunions du comité technique.
5. Mesurez ce qui compte. Suivez l'adoption (utilisateurs actifs, tâches automatisées), la qualité (taux d'hallucination, efficacité des garde-fous) et les résultats commerciaux (augmentation de l'EBIT, chiffre d'affaires par employé). Élaborez un modèle financier pour chaque cas d'utilisation.

Commencez par vos documents les plus importants

Voici une première mesure pratique que la plupart des organisations négligent : transformez vos documents les plus importants en expériences interactives. Chaque entreprise dispose d'une bibliothèque de rapports, de documents d'intégration, de guides de conformité et de documents destinés aux clients qui sont denses, peu lus et peu performants.

C'est exactement le problème que Libertify résout. Notre plateforme transforme les PDF et les documents complexes en expériences interactives, avec des vidéos explicatives générées par l'IA, des chatbots conversationnels qui répondent aux questions sur le contenu et des analyses qui vous montrent exactement comment votre public interagit. C'est le type de refonte du flux de travail qui, selon les données de McKinsey, génère une réelle valeur ajoutée, appliquée aux documents dont dépend votre entreprise.

Si vous souhaitez voir à quoi cela ressemble concrètement, remontez en haut de la page et découvrez l'expérience interactive Libertify offerte par ce rapport. C'est là toute la différence entre un document qui est téléchargé et un document qui est compris.

Sources et lectures complémentaires

• McKinsey — L'état de l'IA (QuantumBlack)
• McKinsey — Le potentiel économique de l'IA générative
• Blog Libertify AI Insights