95 % des projets IA échouent, ce que les dirigeants peuvent faire différemment

Selon les études McKinsey et Harvard Business Review, 95 % des projets d'intelligence artificielle n'atteignent pas leurs objectifs. Ce n'est presque jamais la technologie qui est en cause. C'est la méthode. Johann Sparfel, fondateur de 8mind et vingt-cinq ans d'expérience dans la transformation commerciale et opérationnelle des entreprises, a accompagné des dizaines d'organisations sur ce sujet. Dans l’épisode du Prompt, il livre une méthode complète pour passer de l'intention à l'exécution sans se planter.

1. Pourquoi les projets IA échouent: les vraies raisons

Le premier diagnostic de Johann Sparfel est direct : les organisations ne savent pas par où commencer. Le champ des possibles de l'IA est vaste, et cette vastitude crée une paralysie. À cela s'ajoutent trois autres facteurs récurrents.

L'effet silo d'abord. Les projets IA sont les projets qui demandent le plus de transversalité. Sales et marketing qui ne se parlent pas, data qui produit des insights que les métiers n'utilisent pas, dans ces configurations, le projet ne décolle pas. Ensuite, la qualité des données. Une organisation qui a des problèmes de qualité de données doit les régler avant de lancer un projet IA. L'IA ne va pas améliorer une donnée de mauvaise qualité, elle va en amplifier les défauts. Enfin, l'absence de vision au niveau du COMEX. La phrase la plus révélatrice de l'échec annoncé : "On m'a demandé de mettre de l'IA." Quand un projet IA commence sans avoir défini le problème à résoudre, il est condamné à dépenser sans mesurer.

Une question que peu de dirigeants se posent mérite pourtant d'être posée : si je ne déploie pas l'IA, est-ce que ma performance va rester stable ? Un acteur de la prospection B2B cité dans l'épisode produit 1,5 nouveaux rendez-vous par SDR et par jour depuis dix ans, en mobilisant toujours plus d'outils et de ressources pour maintenir ce niveau. L'IA, ici, n'est pas un levier d'amélioration. C'est un levier de résistance à la dégradation dans un environnement concurrentiel qui s'intensifie.

2. Le diagnostic de maturité: évaluer avant d'agir

Avant tout projet, 8mind réalise un diagnostic de maturité qui prend une à deux semaines selon la taille de l'organisation. Johann Sparfel en fait l'analogie du check-up médical annuel : on vous dit ce qui fonctionne, ce qui demande attention, et ce qui constitue un vrai point de blocage.

Ce diagnostic s'articule autour de quatre piliers. La vision du COMEX : pas la connaissance du vocabulaire, mais la compréhension réelle de la façon dont l'IA s'intègre dans le plan stratégique à trois à cinq ans. La stratégie IA et la qualité des données : y a-t-il une réflexion documentée sur les cas d'usage, les ROI estimés, la plateforme data disponible ? La conduite du changement : quelle stratégie est prévue pour accompagner les équipes dans l'appropriation ? Et le volet RH : quels métiers vont être impactés, quelles nouvelles compétences seront nécessaires, qui va superviser les systèmes déployés ?

La valeur principale du diagnostic est l'effet miroir : les organisations surestiment systématiquement leur maturité sur la vision stratégique et sous-estiment leurs lacunes sur la qualité des données et la collaboration inter-équipes. Voir ces angles morts est la première condition d'une transformation qui tient.

3. Le COMEX au centre: une condition non-négociable

L'entrée systématique de 8mind est le CEO. Pas le DSI, pas le directeur commercial. Le CEO, parce que la transformation par l'IA est un projet d'entreprise, pas un projet informatique.

La première action concrète après cet ancrage est une journée de formation du COMEX. Pas une présentation théorique : une session pratique où chaque membre touche du doigt les gains de l'IA sur ses propres tâches quotidiennes. "Comment est-ce que je prépare ma présentation board en deux heures plutôt qu'en trois jours ?" Ce type d'expérience directe crée une conviction personnelle que les slides ne produisent pas.

Un COMEX non aligné compromet tout. Les premières difficultés, un POC qui prend du temps, une résistance d'équipe, un arbitrage budgétaire, elles exigent un portage managérial au niveau de la direction pour être surmontées. Sans ce portage, le projet recule et l'organisation conclut que "l'IA ce n'est pas pour nous", alors que le problème était uniquement de méthode.

4. La roadmap IA: itérative, jamais figée dans le marbre

La roadmap IA n'est pas un projet avec une date de début et une date de fin. C'est un backlog de cas d'usage priorisé, régulièrement révisé, piloté comme une roadmap produit.

Les cas d'usage sont identifiés via des ateliers d'idéation avec les équipes opérationnelles. La question posée n'est pas "qu'est-ce que l'IA peut faire ?" mais "qu'est-ce qui vous ralentit aujourd'hui, et est-ce que l'IA peut vous en libérer ?" Ces ateliers identifient les vrais points de friction, et préparent simultanément la conduite du changement, puisque les équipes qui co-construisent les solutions en sont naturellement les premières ambassadrices.

La priorisation se fait ensuite via une matrice effort/valeur. Les quick wins créent de la dynamique et de la preuve. Les projets de fond construisent la valeur structurante. Les deux peuvent coexister. Ce qui est exclu : vouloir tout faire en même temps sur l'ensemble du périmètre.

Les résultats observés sur le terrain parlent d'eux-mêmes : 3 à 5 heures économisées par commercial et par semaine, 30 % de temps gagné sur les devis ADV, 25 % sur le rapprochement comptable, jusqu'à 10 points de NPS gagnés sur les centres de contact avec IA multicanal.

5. Les erreurs fréquentes à éviter

Commencer par la technologie avant de définir le problème. Le signe le plus fiable d'un projet qui va échouer. Pour l'éviter : toujours formuler le problème en langage métier avant d'évaluer toute solution.

Négliger la qualité des données source. L'IA amplifie les défauts de la donnée, elle ne les corrige pas. Un audit de qualité des données est une étape non-négociable avant tout déploiement.

Confier le projet à un seul département sans portage COMEX. Un projet IA sans sponsor au niveau de la direction générale ne survit pas aux premières turbulences. Entrée systématique par le CEO.

Chercher à tout internaliser. Sur les cas d'usage couverts par des solutions éprouvées du marché, s'y adosser. Concentrer les ressources de développement interne sur ce qui est réellement différenciant.

Sous-estimer les résistances humaines. La peur du remplacement est réelle. Une vision claire communiquée à tous les niveaux, avant le démarrage du projet, est la seule réponse efficace.

Figer la roadmap. Les technologies évoluent trop vite pour planifier sur trois ans sans réviser. Piloter comme un backlog produit.

Checklist opérationnelle

• Formuler le problème en langage métier avant toute évaluation technologique
• Réaliser un diagnostic de maturité sur les quatre piliers avant de démarrer
• Auditer la qualité des données disponibles et régler les problèmes identifiés
• Former le COMEX avec des démonstrations pratiques sur leurs propres tâches
• Organiser des ateliers d'idéation avec les équipes terrain
• Prioriser avec une matrice effort/valeur, quick wins et projets de fond
• Lancer un MVP sur un cas simple, mesurable, résolvable à la main
• Piloter la roadmap comme un backlog produit: itératif, jamais figé