IA & stratégie
Paradoxe du ROI de l'IA : pourquoi l'adoption ne se voit pas encore dans les résultats
· 8 min de lecture

En 1987, l'économiste Robert Solow, lauréat du prix Nobel, écrivait que l'on voyait l'ère informatique partout, sauf dans les statistiques de productivité (Solow, 1987). Près de quarante ans plus tard, la formule s'applique presque mot pour mot à l'intelligence artificielle.
L'adoption est massive. Selon l'enquête annuelle de McKinsey publiée en août 2026, près de neuf répondants sur dix déclarent que leur organisation utilise régulièrement l'IA dans au moins une fonction (Tinkoff et al., 2026). Pourtant, la part des répondants qui attribuent à l'IA un effet, même modeste, sur le bénéfice d'exploitation (BAII) plafonne à 37 %, un niveau essentiellement inchangé depuis un an (Tinkoff et al., 2026).
Comment expliquer qu'une technologie aussi largement adoptée laisse si peu de traces dans les résultats? Et surtout, que font différemment les rares organisations qui en tirent un véritable rendement?
Ce que disent les données : un écart qui ne se résorbe pas
L'enquête de McKinsey, menée auprès de 1 719 répondants dans 97 pays entre mai et juin 2026, montre un mouvement réel : 44 % des répondants disent que l'IA se déploie à l'échelle de leur organisation, contre 38 % un an plus tôt (Tinkoff et al., 2026). Mais les organisations dites « très performantes », qui attribuent à l'IA au moins 5 % de leur BAII et en qualifient l'effet d'important, ne représentent qu'environ 6 % des répondants, une proportion inchangée depuis 2025 (Tinkoff et al., 2026).
D'autres études vont dans le même sens, avec des chiffres plus sévères. Un rapport de l'initiative NANDA du MIT, publié en 2025, conclut que seulement 5 % des projets pilotes d'IA générative intégrés produisent une valeur significative, la grande majorité restant sans effet mesurable sur les résultats (Challapally et al., 2025). Ce chiffre de 95 %, abondamment repris, doit toutefois être lu avec prudence : il repose sur 52 entrevues, 153 répondants à un sondage et l'analyse de 300 déploiements publics (Legal.io, 2025). C'est un signal, pas une mesure représentative.
Du côté de l'IA dite agentique, la société Gartner prévoit que plus de 40 % des projets seront annulés d'ici la fin de 2027, en raison de coûts croissants, d'une valeur d'affaires floue ou de contrôles de risque insuffisants (Gartner, 2025). Elle dénonce au passage le « agent washing », soit le fait de rebaptiser des assistants ou des robots conversationnels existants en agents, et estime que seulement 130 environ des milliers de fournisseurs se présentant comme agentiques le sont réellement (Gartner, 2025).
Le Canada n'échappe pas au phénomène, avec un décalage. La part des entreprises canadiennes qui ont utilisé l'IA pour produire des biens ou fournir des services est passée de 6,1 % au deuxième trimestre de 2024 à 12,2 % en 2025, puis à 19,2 % en 2026 (Do et al., 2026). L'adoption triple, mais 40 % des entreprises jugent encore l'IA non pertinente pour leurs activités (Do et al., 2026).
Premier constat : les gains individuels sont réels
Il serait faux d'en conclure que l'IA ne fonctionne pas. Les meilleures études expérimentales montrent des gains nets à l'échelle de la tâche. Dans une étude publiée dans le Quarterly Journal of Economics, Erik Brynjolfsson, Danielle Li et Lindsey Raymond ont suivi plus de 5 000 agents de soutien à la clientèle : l'accès à un assistant d'IA a augmenté de 14 % en moyenne le nombre de problèmes résolus par heure, avec des gains concentrés chez les employés novices et moins expérimentés (Brynjolfsson et al., 2025).
Le paradoxe ne se situe donc pas dans la technologie. Il se situe dans le passage de la tâche à l'organisation.
Deuxième constat : les gains se dissipent avant d'atteindre les résultats
L'étude la plus éclairante sur ce passage vient du Danemark. Anders Humlum et Emilie Vestergaard ont relié des enquêtes menées auprès de 25 000 travailleurs, dans 7 000 milieux de travail et 11 professions exposées, aux données administratives sur les salaires et les heures travaillées (Humlum et Vestergaard, 2025). Leur résultat : les utilisateurs déclarent un gain de temps moyen de seulement 2,8 % de leurs heures de travail, bien loin des gains de 15 % ou plus observés dans les expériences contrôlées, et l'effet sur les salaires et les heures est statistiquement nul (Humlum et Vestergaard, 2025).
Où passe le temps gagné? Selon les auteurs, plus de 80 % de ce temps est réaffecté à d'autres tâches professionnelles, y compris à de nouvelles tâches créées par l'IA elle-même, comme la révision de textes générés (Fortune, 2025). Le gain existe, mais il est absorbé par l'organisation sans être converti en résultat mesurable.
Les données canadiennes confirment ce piège de mesure. Une analyse de Statistique Canada observe que les entreprises utilisatrices de l'IA affichent une productivité du travail supérieure de 16,8 % à celle des autres (Li et Liu, 2026). Mais une fois prises en compte la productivité initiale des entreprises et leurs capacités complémentaires (analyse de données, infonuagique, formation), l'écart tombe à 5,1 % (Li et Liu, 2026). Autrement dit, une bonne partie de l'avantage préexistait : ce sont souvent les entreprises déjà performantes qui adoptent l'IA. Les auteurs ne relèvent d'ailleurs pas de relation significative à court terme, les gains dépendant de changements organisationnels qui prennent du temps (Li et Liu, 2026).
Troisième constat : la courbe en J, ou le coût invisible de la transformation
L'histoire économique offre une clé de lecture. Brynjolfsson, Rock et Syverson ont montré que les technologies à usage général, comme l'électricité ou l'informatique, exigent d'importants investissements immatériels : réorganisation des processus, formation, nouvelles compétences, données (Brynjolfsson et al., 2021). Ces investissements sont mal mesurés par la comptabilité, si bien que la productivité mesurée commence par stagner, voire reculer, avant de remonter : c'est la courbe en J.
Cette lecture invite à la patience, mais pas à la complaisance. Daron Acemoglu, également lauréat du prix Nobel, estime que les gains de productivité globale de l'IA sur dix ans pourraient être bien plus modestes que ne le promettent les discours, de l'ordre de 0,7 % de productivité totale des facteurs, parce que seule une fraction des tâches est à la fois exposée à l'IA et rentable à automatiser (Acemoglu, 2024). Entre la promesse et le scepticisme, la question pertinente pour un dirigeant n'est pas « l'IA va-t-elle transformer l'économie? », mais « mon organisation fait-elle les investissements qui permettent de passer le creux de la courbe? ».
Ce que font différemment les organisations qui en tirent profit
Les données de McKinsey sont ici les plus utiles, car elles comparent directement les 6 % d'organisations très performantes aux autres (Tinkoff et al., 2026) :
- près des trois quarts d'entre elles ont fondamentalement redessiné leurs flux de travail autour de l'IA, contre environ un quart des autres;
- elles poursuivent la croissance et l'innovation, pas seulement la réduction des coûts;
- elles sont deux fois plus susceptibles d'avoir des processus définis pour mesurer l'effet de l'IA;
- elles sont deux fois plus susceptibles de voir leur haute direction s'engager visiblement dans les projets d'IA.
À l'inverse, les organisations qui se contentent d'insérer un assistant dans des processus inchangés obtiennent ce que mesurent Humlum et Vestergaard : un peu de temps gagné, dispersé dans l'organisation, invisible dans les résultats.
Cinq décisions pour sortir du paradoxe
À partir de ces données, cinq décisions semblent séparer les organisations qui obtiennent un rendement de celles qui accumulent les projets pilotes.
- Fixer le résultat avant de choisir l'outil. Définir un indicateur d'affaires précis (délai de traitement, coût par dossier, taux d'erreur) et mesurer son niveau de départ avant tout déploiement. Les organisations performantes sont deux fois plus nombreuses à le faire (Tinkoff et al., 2026).
- Redessiner le processus, pas seulement l'outiller. Le gain vient de la reconfiguration du flux de travail, pas de l'ajout d'une interface (Tinkoff et al., 2026).
- Décider à l'avance de l'usage du temps libéré. Sans décision explicite, le temps gagné se dissout dans d'autres tâches (Humlum et Vestergaard, 2025). Il faut le réaffecter délibérément : plus de volume, meilleur service ou nouvelle activité.
- Investir dans les capacités complémentaires. Données, infonuagique, formation : ce sont elles qui expliquent une grande partie de l'écart de productivité (Li et Liu, 2026). Au Canada, seulement 32 % des entreprises utilisatrices de l'IA ont formé leurs employés existants (Do et al., 2026).
- Réserver les agents aux cas où la valeur est claire. Gartner recommande de ne poursuivre l'IA agentique que là où elle produit une valeur ou un rendement démontrable, et de se méfier des produits rebaptisés (Gartner, 2025).
Conclusion : un problème de gestion, pas de technologie
Le paradoxe du ROI de l'IA n'est pas la preuve que la technologie échoue. C'est le symptôme d'organisations qui ont adopté un outil sans transformer leur façon de travailler. Les gains individuels sont documentés, les gains organisationnels restent rares, et l'écart entre les deux relève de la gestion : choix des cas d'usage, redessin des processus, mesure, formation.
Pour les entreprises et les organismes publics québécois, encore au début de leur adoption, c'est une bonne nouvelle. Ils peuvent apprendre des erreurs des pionniers et entrer dans l'IA par la bonne porte : celle du résultat à atteindre, et non celle de l'outil à déployer.
(L’auteur)

Consultant en stratégie, numérique et intelligence artificielle
Formé à la science politique (d’une licence d’excellence jusqu’à une maîtrise à l’Université de Montréal), je poursuis aujourd’hui un DESS en gestion des secteurs privé et public à HEC Montréal.
À lire aussi
AI Act reporté : ce que le recul européen enseigne au Canada
L'Union européenne repousse à 2027 et 2028 les règles de l'AI Act sur l'IA à haut risque. Analyse d'un recul calculé, et de ce qu'il signifie pour le Canada et le Québec, toujours sans loi sur l'IA.
12 novembre 2026 · 9 min
IA souveraine : ce que le Québec contrôle vraiment
Ententes avec Cohere et Mistral, CLOUD Act, pression commerciale américaine : ce que la souveraineté numérique du Québec en IA recouvre réellement, et ce qu'il reste à bâtir.
4 novembre 2026 · 11 min
Le Canada peut-il vraiment s'affranchir des États-Unis?
De la « rupture » annoncée à Davos à l'Alliance pour l'avenir conclue avec l'Union européenne, la doctrine canadienne des puissances moyennes confrontée à la théorie des relations internationales et à la réalité de l'interdépendance asymétrique.
14 novembre 2026 · 11 min