Pourquoi l’IA ne tient pas ses promesses d’économies et ce que les entreprises doivent changer

Les économies de coûts promises par l’automatisation sont, dans l’ensemble, très en deçà des attentes dans les grandes entreprises, selon une nouvelle enquête mondiale du cabinet Bain & Company dévoilée en exclusivité par Bloomberg News . Le décalage est si important que le message de Bain aux directions générales est sans appel : les résultats « devraient mettre les dirigeants mal à l’aise » . Réalisée en avril dernier auprès de 951 sociétés réalisant plus de 100 millions de dollars de chiffre d’affaires, tous secteurs confondus, l’étude met au jour un fossé grandissant entre les retours sur investissement promis par l’intelligence artificielle et la réalité des chiffres .

Le mirage des économies liées à l’IA

L’enquête de Bain révèle une déconnexion brutale entre le discours et la réalité. 40 % des entreprises interrogées déclarent une baisse de leurs coûts de 10 % ou moins, un chiffre qui contraste fortement avec les projections ambitieuses qui sous-tendent habituellement les dossiers d’investissement dans l’IA . À une échelle plus large, seules 23 % des sociétés parviennent à établir un lien direct entre leurs déploiements d’IA générative et de nouvelles recettes ou de réelles baisses de coûts. Pour la grande majorité, l’impact net sur les résultats reste donc à prouver .

Cette contre-performance ne touche pas un secteur isolé. L’enquête a couvert le commerce de détail, la technologie, l’industrie manufacturière avancée et plusieurs autres domaines, qui affichent tous les mêmes carences en matière de réduction des coûts . Le problème est d’autant plus criant que 72 % des entreprises suivent les économies de coûts comme leur principal indicateur de performance en matière d’automatisation, mais beaucoup ne voient tout simplement pas ces chiffres se concrétiser à grande échelle .

Le nœud du problème : un financement bâti sur du sable

Le problème structurel fondamental mis en lumière par l’enquête est le suivant : les entreprises financent leurs nouveaux investissements dans l’IA sur la promesse d’économies qui ne sont jamais venues. De nombreux dirigeants approuvent des budgets « IA » en hausse en partant du principe que l’automatisation dégagera des marges de manœuvre équivalentes. Lorsque les réductions de coûts sont aux abonnés absents, le modèle de financement devient dangereusement bancal .

Cette dynamique s’inscrit dans une tendance plus large observée par Bain dans ses travaux sur la croissance B2B. Alors que les entreprises anticipent une accélération de 20 % de leurs revenus en 2026 par rapport à l’année précédente, une grande partie d’entre elles ne possède ni les capacités, ni les fondations de données nécessaires pour y parvenir. Six dirigeants sur dix admettent qu’ils ne disposent pas de l’infrastructure de données ou de la base technologique requise pour un déploiement efficace de l’IA .

Les chiffres confirment ce malaise. Les directeurs financiers prévoient d’augmenter notablement les dépenses en IA à l’échelle de l’entreprise : 83 % d’entre eux s’attendent à les gonfler de plus de 15 % dans les deux prochaines années, et 42 % envisagent une hausse de 30 % ou plus sur la même période . Pourtant, seulement 23 % des dirigeants interrogés sont capables d’identifier des résultats mesurables en matière de revenus ou de coûts directement issus de l’IA générative . C’est ce grand écart entre l’explosion des dépenses et la maigreur des rendements que Bain qualifie d’inconfortable réalité structurelle.

La feuille de route de Bain pour un retour sur investissement tangible

Les études et analyses antérieures de Bain suggèrent que la solution n’est pas de freiner l’investissement, mais bien de changer radicalement la manière de chercher les économies. Le cabinet recommande d’arrêter de considérer l’IA comme un module additionnel censé générer automatiquement des réductions de coûts. Dans une analyse distincte, Bain affirme que les gains de productivité ne se traduisent pas en retour sur investissement et que « les entreprises les plus avancées sont en voie d’atteindre jusqu’à 25 % de réduction de leurs coûts en combinant le déploiement d’outils d’IA générative avec une refonte intégrale des processus de travail » .

Concrètement, cela signifie qu’il faut intégrer l’IA dans une refonte opérationnelle globale, plutôt que de la « plaquer » sur des circuits de travail existants. Les recherches de Bain sur l’automatisation le confirment : les sociétés qui y ont investi le plus lourdement — au moins 20 % de leur budget informatique — ont économisé en moyenne 22 % de leurs coûts, quand celles qui y consacrent moins de 5 % n’affichent qu’un maigre 8 % . Celles qui obtiennent les meilleurs résultats ne se contentent pas de déployer « plus d’IA » — elles le font dans le cadre de processus complètement repensés qui éliminent du travail au lieu de simplement accélérer des étapes existantes .

Bain souligne aussi un autre point de bascule : les entreprises championnes de la croissance déploient un nombre bien plus élevé de cas d’usage — 4,5 en moyenne, contre 3,3 pour les retardataires — et dégagent près de deux fois plus d’efficacité en matière de coûts pour un même cas d’usage . La recommandation plus large du cabinet est de cesser de mesurer le succès d’un projet par le simple nombre de déploiements, et de le lier à des résultats financiers et des objectifs de processus clairement définis. Et pour cela, il faut impérativement bâtir l’architecture de données et l’infrastructure technologique dont 60 % des entreprises manquent cruellement aujourd’hui .

Des budgets IA sous pression : la fin du chèque en blanc ?

L’enquête Bain, rendue publique le 1er juin 2026, tombe à un moment charnière. Les dépenses des entreprises dans l’IA accélèrent alors même que le retour sur investissement demeure un mirage pour la plupart. Le cabinet a lui-même calculé ailleurs que le déploiement de la puissance de calcul nécessaire à la demande d’IA d’ici 2030 exigerait 500 milliards de dollars d’investissement par an et pas moins de 2 000 milliards de dollars de nouveaux revenus annuels pour être soutenable — un chiffre que même les prévisions d’économies les plus optimistes ne couvrent pas .

Les économies non réalisées dont il est question ici ne sont donc pas qu’un simple rendez-vous manqué tactique. C’est un signal d’alarme : le modèle qui finance l’IA en entreprise suit une trajectoire non soutenable pour bon nombre d’acteurs. Le message d’urgence contenu dans ce sondage est clair : les entreprises ne peuvent plus se permettre de miser sur l’IA comme un acte de foi adossé à des feuilles de calcul dont les promesses de retour ne se concrétisent jamais. Elles doivent au contraire reconstruire le pont entre leur ambition et la réalité du terrain, en commençant par repenser leurs processus et évaluer froidement si les économies promises apparaissent vraiment, noir sur blanc, dans leur compte de résultat.