Pourquoi vous allez échouer à rentabiliser l’intelligence artificielle au profit de la concurrence

Les entreprises ont dépensé des dizaines de milliards de dollars pour mettre l’intelligence artificielle au travail, et la plupart n’ont rien récolté. Une étude du MIT publiée en 2025 a fait les comptes : sur l’ensemble des projets d’IA générative en entreprise, 95 % ne produisent aucun retour mesurable. Cinq pour cent, eux, y parviennent, distancent tous les autres, et transforment chaque usage en un avantage qui se compose dans le temps. Entre les deux, un fossé qui se creuse plutôt qu’il ne se comble, car dans une course où le premier apprend le plus vite, le retard ne se rattrape pas, il s’aggrave.

On accuse d’ordinaire la technologie, les modèles trop faibles, la donnée trop sale, les compétences trop rares. C’est le mauvais procès. La même étude est formelle : la cause de l’échec n’est pas technique, elle est organisationnelle. Vous n’échouerez pas à cause de l’intelligence artificielle, vous échouerez parce que votre entreprise est restée une ligne quand il fallait devenir une boucle. Ce dossier explique cette phrase, et ce qui sépare vraiment les 5 % des 95 %. Il commence par une carte que presque tout dirigeant a en tête, et que presque personne n’a mise à jour.

la cause de l’échec n’est pas technique, elle est organisationnelle

La carte que vous suivez encore

En 1985, dans Competitive Advantage, Michael Porter dessine une figure qui va devenir l’outil de pensée de toute une génération de dirigeants : la chaîne de valeur. Une entreprise y est vue comme une suite d’activités qui ajoutent de la valeur les unes après les autres, de la logistique d’entrée jusqu’au marketing et à la vente, avec le service après-vente tout au bout, en dernière activité primaire. La valeur s’ajoute en marchant le long de la ligne, et la marge se récolte à la sortie. C’est net, c’est linéaire, et c’est resté quarante ans dans la tête des directions.

En 2014, dans la Harvard Business Review, le même Porter écrit, avec James Heppelmann, que cette ligne ne tient plus. Les produits devenus intelligents et connectés, dit-il, bouleversent les chaînes de valeur et forcent les entreprises à repenser presque tout, de la conception jusqu’au service. Le maître révise sa propre carte. Et il pose, à la fin, la question que Levitt posait déjà en 1960 : au fond, dans quel métier suis-je ? Voilà le premier signe de l’échec qui vient : quand l’auteur d’un modèle corrige lui-même sa carte, et que tant d’entreprises la suivent pourtant encore, inchangée.

Reprenons la ligne de Porter dans sa logique d’origine. On achète des composants, on les transforme, on les distribue, on les vend, et le service n’intervient qu’après, comme une réparation ou une garantie, une queue de comète accrochée à l’objet livré. La vente est le terminus. C’est là que la valeur se fige, que la marge se compte, que la relation, souvent, s’arrête. Tout le modèle est orienté vers ce point de sortie.

Le produit dont nous parlons dans cet article inverse ce sens de marche. Quand le bien devient une plateforme qui reçoit des mises à jour, quand le client paie un abonnement qui doit être remérité chaque mois, comme nous l’avons montré dans le volet sur l’abonnement, la vente cesse d’être le terminus pour devenir le point de départ. On ne livre plus un produit fini au bout d’une ligne, on ouvre une relation qui se nourrit ensuite de l’usage, de la donnée, des tests menés sur les utilisateurs. La chaîne se referme sur elle-même. La ligne devient une boucle.

Ce n’est pas une métaphore commode, c’est ce que Porter et Heppelmann décrivent noir sur blanc dans leur article compagnon de 2015. Les produits connectés, écrivent-ils, exigent une infrastructure technologique entièrement nouvelle, un cloud produit, du logiciel qui tourne sur des serveurs distants et continue de faire évoluer l’objet après l’achat. Et surtout, la capacité à rester connecté au produit et à suivre son usage déplace le centre de la relation client, de la vente ponctuelle vers une relation continue. Traduit dans le vocabulaire de cet article : la vente n’est plus la fin de la chaîne, c’est le début de la commande permanente passée à l’usine.

Du produit qui marche au produit qui sert

Cette boucle ne serait qu’une curiosité d’ingénieur si elle ne répondait pas à un changement plus profond, celui de ce qu’on attend d’un produit. Ceux qui échouent s’arrêtent à la première définition d’un bon produit, celle qui marche. Longtemps, un bon produit fut un produit conforme : il faisait ce que la fiche technique promettait, il ne tombait pas en panne, il passait les tests. Le professeur David Garvin, dans la Sloan Management Review de 1984, appelait cela la qualité vue du côté de la fabrication, la conformité aux spécifications, une mesure interne prise dans l’usine avant même que le client ne s’en serve. À côté, il plaçait une autre définition, la qualité vue du côté de l’usage : un produit est bon s’il rend le service attendu par celui qui l’emploie et le satisfait dans sa vie réelle. Joseph Juran l’avait résumée d’une formule restée célèbre, la qualité, c’est l’aptitude à l’usage.

Ce que décrit notre dernière série d’articles (article 1, article 2 et celui-ci), c’est le basculement du premier vers le second. On ne juge plus d’abord un produit à ce qu’il est, un objet qui marche, mais à ce qu’il produit chez son utilisateur, un impact. Et cet impact, contrairement à la conformité, ne se constate pas une fois pour toutes à la sortie de l’usine : il se mesure dans la durée, au fil de l’usage, ce qui oblige précisément à refermer la ligne en boucle pour aller le chercher. La performance interrogeait l’objet ; l’impact interroge la vie de celui qui s’en sert. C’est là, très exactement, ce que veut dire le nom d’usine à impact.

Quand la carte se met à trembler

Croire que la carte n’a pas bougé, c’est déjà se ranger du côté des 95 %. Porter n’a pas été le premier à sentir la ligne vaciller. Dès 1993, dans la Harvard Business Review, Richard Normann et Rafael Ramírez publiaient « De la chaîne de valeur à la constellation de valeur ». Leur thèse : dans un environnement qui bouge vite, la stratégie n’est plus de positionner un jeu fixe d’activités le long du vieux modèle industriel, mais de reconfigurer les rôles et les relations d’une constellation d’acteurs. Leur exemple est resté célèbre, IKEA, qui ne se contente pas d’ajouter de la valeur mais la réinvente en confiant au client une part du travail, le transport et le montage, et en transformant ainsi l’acheteur en co-producteur. Le client entre dans la fabrique. La ligne devient un réseau.

Vingt ans plus tard, une autre fissure, plus radicale encore. En 2016, toujours dans la HBR, Marshall Van Alstyne, Geoffrey Parker et Sangeet Choudary opposent frontalement deux mondes, le pipeline et la plateforme. Le pipeline, disent-ils, c’est exactement la chaîne de valeur : il réussit en optimisant des activités qu’il possède et contrôle. La plateforme, elle, tient sa valeur d’un actif qu’elle ne possède pas, la communauté de ses membres, et son travail n’est plus de contrôler des ressources mais de les orchestrer. Uber n’a pas de voitures, Airbnb pas de chambres, et pourtant ils captent la valeur en animant les interactions entre des tiers. Leur formule est un coup de canif dans Porter : à l’ère des plateformes, l’échelle l’emporte sur la différenciation. Là, on ne prolonge plus la chaîne, on la range à côté d’un autre modèle.

Et sous ces deux fissures court une même eau souterraine, celle que nous avons déjà rencontrée avec la logique à dominante service de Vargo et Lusch : la valeur n’est pas contenue dans le bien puis remise au client, elle se co-crée dans l’usage. Or une chaîne de valeur suppose exactement le contraire, une valeur fabriquée à l’intérieur de la firme et transférée à la sortie. Trois cadres, une même conclusion : la valeur a débordé du tuyau.

Les métiers changent radicalement

Voici ce que les 5 % ont refait, et que les 95 % ont laissé intact. Un modèle stratégique qui change, ce serait affaire de théoriciens s’il ne redescendait pas dans le quotidien des équipes. Or c’est là que le basculement se voit le mieux : chaque grand métier de l’entreprise a vu changer non pas ses outils, mais la question à laquelle il répond.

Le product management répondait à la question « avons-nous livré ce qui était prévu ? ». Il répond désormais à « cela a-t-il changé quelque chose pour l’utilisateur ? ». Mik Kersten a nommé ce glissement dans Project to Product en 2018 : un projet se juge à des jalons et s’arrête quand les tâches sont finies, un produit ne se termine que le jour où il quitte le marché. Entre les deux, tout change, le budget, les équipes, la définition du succès. Et Teresa Torres, dans Continuous Discovery Habits, a transformé la découverte du besoin en pratique continue, des points de contact au moins hebdomadaires avec les clients, menés par l’équipe qui construit le produit. Le chef de produit ne livre plus un plan, il tient une conversation qui ne s’arrête jamais.

La vente demandait « allez-vous signer ? ». Elle demande maintenant « êtes-vous en train de réussir ? ». Le changement a été si profond qu’il a fait naître un métier entier. Le terme de customer success a été forgé par Salesforce au début des années 2000, en réponse à l’attrition des premiers logiciels vendus par abonnement : quand la licence a cédé la place à l’abonnement, le revenu est passé d’une transaction unique à un engagement à remériter sans cesse. La conséquence est chiffrée, et brutale pour qui pense encore en coup de vente. Selon Forrester, environ 75 % du revenu d’un éditeur vient en moyenne des renouvellements et des expansions, pas des nouveaux clients. Et acquérir un euro de revenu neuf coûte de l’ordre du double de ce que coûte l’étendre chez un client déjà là. D’où ce déplacement d’organigramme révélateur, le customer success qui passe sous la direction des revenus plutôt que sous le support : la réussite du client est devenue le moteur du chiffre d’affaires. On le voit à un détail qui dit tout : le vendeur d’hier signait son contrat puis passait au client suivant, quand celui qui lui succède ouvre chaque matin un tableau de bord d’usage, repère la courbe qui fléchit sur un compte, et décroche son téléphone non pour vendre mais pour empêcher un départ. Le carnet de commandes a cédé la place au tableau de bord.

Le marketing demandait « comment les faire venir ? ». Il demande de plus en plus « comment faire pour qu’ils restent et paient encore le mois prochain ? ». L’entonnoir d’acquisition n’a pas disparu, mais il a cédé le premier rôle à la rétention. C’est le prolongement direct du marché de l’acheteur : quand l’offre dépasse la demande et que le client peut partir d’un clic, l’indicateur roi n’est plus le nombre de prospects captés, c’est la part de revenu que l’on conserve et fait croître chez les clients existants. Le tableau de bord du marketing s’est déplacé de l’avant-vente vers l’après-vente.

La R&D, enfin, demandait « quand est-ce fini ? ». Elle a appris à répondre « ce n’est jamais fini ». Le développement est passé d’un cycle qui se clôt à une livraison continue, où l’on déploie sans cesse et où la donnée d’usage réalimente la conception. Le laboratoire a quitté sa salle fermée pour s’installer sur le produit vivant, comme nous le décrivions à propos des dizaines de milliers d’expériences menées chaque année, en production, sur les utilisateurs eux-mêmes. Le prototype n’est plus une étape avant le marché, il est en permanence sur le marché.

La frontière s’efface

Reculons d’un pas pour voir ce que ces quatre bascules ont en commun, car c’est le point le plus profond du dossier. Dans la chaîne de Porter, il existe une frontière nette : d’un côté la firme, qui crée la valeur, de l’autre le client, qui la reçoit. La ligne va de l’une vers l’autre, et le passage de la frontière, c’est la vente.

Cette frontière est en train de s’effacer. Quand on teste ses idées sur les utilisateurs, quand on interroge les clients chaque semaine, quand on apprend de l’usage pour décider quoi construire, le client n’est plus au bout de la chaîne, il est dedans, il co-produit la valeur qu’il consomme. C’est exactement ce que Normann et Ramírez appelaient mobiliser le client dans la création de valeur, et ce que Vargo et Lusch posent comme fondement : la valeur naît dans l’usage, donc avec celui qui use. La chaîne de valeur décrivait un monde où l’on savait où finissait l’entreprise et où commençait le client. Ce monde se referme. Le producteur et le consommateur travaillent désormais dans la même boucle, et c’est cette boucle, précisément, qu’une usine à impact organise.

On comprend alors pourquoi Porter n’a pas jeté sa chaîne mais l’a étendue. Elle reste juste comme description des activités et des coûts. Elle devient trompeuse dès qu’on la lit comme un sens de circulation à sens unique, des intrants vers la vente. Le bon geste n’est pas de la déchirer, c’est de la courber jusqu’à ce que ses deux extrémités se rejoignent.

Quand la boucle apprend toute seule

Tout ce qui précède a été pensé sans l’intelligence artificielle. Elle ne change pas la direction, elle l’accélère, et elle la sanctionne. Là où l’usine à impact faisait tourner une boucle actionnée par des humains, l’IA fait tourner la boucle elle-même. Marco Iansiti et Karim Lakhani, de Harvard, l’ont nommée l’usine à IA (AI Factory), un cœur de décision qui ingère la donnée, entraîne des algorithmes, et où chaque interaction améliore la performance. La barre de l’impact monte d’autant : puisque prédire devient bon marché, comme le montrent les économistes Ajay Agrawal, Joshua Gans et Avi Goldfarb, le client n’attend plus un produit qui le sert, il attend un produit qui le devance. Et chaque usage n’est plus un simple retour, c’est une donnée qui entraîne le produit pour tous. Le client ne tourne plus dans la boucle, il l’entraîne.

Mais il faut se garder de croire l’IA gratuite. Ce qui devient presque gratuit, c’est une unité produite, une ligne de code, un brouillon, jamais le système, lourd en capital, en calcul et en énergie. La demande électrique des centres de données, dont l’IA est le premier moteur, va doubler d’ici 2030 selon l’Agence internationale de l’énergie. Elle expose près de 40 % des emplois et risque d’aggraver les inégalités, avertit le Fonds monétaire international. Et elle paie rarement : les 95 % d’échecs cités en ouverture ne s’expliquent pas par les modèles, mais par des entreprises qui greffent l’IA sur une organisation qui n’a jamais été faite pour cela.

les 95 % d’échecs cités en ouverture ne s’expliquent pas par les modèles, mais par des entreprises qui greffent l’IA sur une organisation qui n’a jamais été faite pour cela

C’est ici que les trois articles se referment, et que se révèle qui peut vraiment accueillir l’IA. Une usine à impact suit son flux de valeur, le mesure, et le fait évoluer sans cesse : elle possède donc déjà tout ce dont l’IA a besoin pour accélérer, une boucle instrumentée, des données d’usage propres, et l’habitude d’apprendre de ce qu’elle observe. Chez elle, l’IA se branche sur une machine qui tournait déjà, et elle la fait tourner plus vite. Chez celle qui est restée en ligne, qui célèbre la vente et relègue le service en wagon de queue, qui ne mesure jamais ce qu’elle produit chez l’utilisateur, l’IA n’a rien sur quoi se brancher : elle automatise le désordre au lieu de le résoudre, comme Tesla sur-automatisant Fremont avant d’avoir appris à organiser le travail. L’IA ne fabrique pas l’usine à impact, elle la présuppose. C’est un accélérateur, et un accélérateur ne sert qu’à ceux qui savent déjà où ils vont. Les autres rejoignent les 95 %. Car la seule chose que l’IA n’automatise pas, c’est l’impact lui-même.

Le diagnostic à faire lundi matin

Pour savoir de quel côté de la fracture vous vous trouvez, celui des 5 % ou celui des 95 %, posez-vous quatre questions simples et gênantes. La première : ma chaîne de valeur finit-elle à la vente, ou y commence-t-elle ? Autrement dit, mes efforts et mes budgets se concentrent-ils sur le moment de la signature, ou sur ce qui se passe après ?

La deuxième : qui, chez moi, est responsable de la réussite du client une fois qu’il a payé, et cette personne a-t-elle un pouvoir réel, ou n’est-elle qu’un service après-vente déguisé ? La troisième : mes équipes qui construisent le produit parlent-elles à des clients chaque semaine, ou une fois par trimestre quand le mal est fait ? La quatrième, la plus dérangeante : si je regarde où va l’argent que je gagne, vient-il surtout de clients nouveaux que j’arrache à grands frais, ou de clients anciens qui restent parce qu’ils réussissent avec moi ? À ces quatre-là, l’époque en ajoute une : est-ce que j’attends de l’IA qu’elle répare une organisation que je n’ai pas encore refaite ?

Les réponses disent d’un mot de quel côté de la fracture vous êtes. Et elles ne mentent pas, car elles portent sur des budgets, des postes et des pouvoirs, pas sur des intentions.

La carte, la commande et l’usine

Ce dossier referme une trilogie. Nous avions d’abord soutenu que l’organisation n’est pas un organigramme mais l’outil de production, la fabrique elle-même. Nous avions ensuite montré que le client ne paie plus un objet mais une commande permanente passée à cette fabrique, et que le bien possédé devient une plateforme de services. Il restait à regarder la carte que les dirigeants utilisent pour se penser, la chaîne de valeur, et à constater qu’elle a changé de forme sous la pression des deux premiers mouvements.

Porter a redessiné sa carte parce que le produit avait changé de nature. Le service n’est plus la dernière activité, il est la boucle entière ; la vente n’est plus la sortie, elle est l’entrée ; et le client n’est plus au bout du tuyau, il travaille à l’intérieur. Une usine à impact n’est rien d’autre que cela, une organisation qui a compris que sa chaîne de valeur formait une boucle et s’est mise à tourner avec elle. C’est elle, et elle seule, que l’intelligence artificielle fera courir plus vite. Les autres, celles qui suivent encore une ligne, dépenseront des fortunes à automatiser un désordre et regarderont leurs concurrents prendre une avance qui se compose. Vous n’échouerez pas parce que l’IA est trop faible. Vous échouerez si votre chaîne de valeur est restée une ligne. Le remède ne s’achète pas, il se construit, et il porte un nom : refermer la ligne en boucle.

Sources

• Michael E. Porter, Competitive Advantage, Free Press, 1985 (la chaîne de valeur)
• Michael E. Porter et James E. Heppelmann, « How Smart, Connected Products Are Transforming Competition », Harvard Business Review, novembre 2014
• Michael E. Porter et James E. Heppelmann, « How Smart, Connected Products Are Transforming Companies », Harvard Business Review, octobre 2015 (cloud produit, vente ponctuelle vers relation continue)
• Richard Normann et Rafael Ramírez, « From Value Chain to Value Constellation: Designing Interactive Strategy », Harvard Business Review, 1993
• Marshall W. Van Alstyne, Geoffrey G. Parker et Sangeet Paul Choudary, « Pipelines, Platforms, and the New Rules of Strategy », Harvard Business Review, avril 2016
• Stephen L. Vargo et Robert F. Lusch, « Evolving to a New Dominant Logic for Marketing », Journal of Marketing, 2004 (valeur co-créée dans l’usage)
• David A. Garvin, « What Does Product Quality Really Mean? », Sloan Management Review, 1984 (qualité côté fabrication contre côté usage)
• Joseph M. Juran, « la qualité, c’est l’aptitude à l’usage » (fitness for use)
• Mik Kersten, Project to Product, IT Revolution, 2018 (du projet au produit, Flow Framework)
• Teresa Torres, Continuous Discovery Habits, 2021 (points de contact clients hebdomadaires, outcomes plutôt qu’outputs)
• Theodore Levitt, « Marketing Myopia », Harvard Business Review, 1960 (« dans quel métier suis-je ? »)
• Customer success : terme forgé par Salesforce au début des années 2000 en réponse à l’attrition des premiers logiciels par abonnement ; part du revenu issue des renouvellements et expansions (environ 75 %) rapportée par Forrester ; ratio coût d’acquisition contre coût d’expansion rapporté par Benchmarkit via la presse spécialisée SaaS
• Marco Iansiti et Karim R. Lakhani, Competing in the Age of AI, Harvard Business Review Press, 2020 (l’« usine à IA »)
• Ajay Agrawal, Joshua Gans et Avi Goldfarb, Prediction Machines, Harvard Business Review Press, 2018 (l’IA comme chute du prix de la prédiction)
• Mik Kersten, Output to Outcome, IT Revolution, 2025 (l’impact devient la contrainte à l’ère de l’IA)
• Agence internationale de l’énergie, Energy and AI, 2025 (demande électrique des centres de données)
• Fonds monétaire international, « Gen-AI: Artificial Intelligence and the Future of Work », 2024 (exposition de 40 % des emplois)
• MIT Project NANDA, « The GenAI Divide: State of AI in Business 2025 » (95 % des projets sans retour mesurable)