Seulement 7 % des DAF voient un ROI élevé de l’IA en finance, malgré une adoption massive

À l’inverse, près de 16 % seulement des sommes engagées sont dirigées vers des cas d’usage à plus forte valeur, capables de modifier réellement les résultats de l’entreprise, comme l’innovation produit ou la croissance du chiffre d’affaires . Ce déséquilibre explique en grande partie la persistance du « gouffre du ROI ». De nombreuses directions financières financent des gains d’efficacité marginaux tout en sous-investissant dans des applications d’IA directement liées à la croissance, aux décisions stratégiques ou à la différenciation concurrentielle .

Le message de Gartner est direct : les DAF confondent depuis trop longtemps « déploiement d’IA » et « création de valeur », et ce cadre de pensée doit changer d’urgence .

La feuille de route en trois phases pour l’IA en finance

Pour aider les directeurs financiers à sortir du piège des pilotes sans fin et à construire des résultats tangibles, Gartner recommande une approche structurée en trois étapes :

1. Définir la vision et évaluer la maturité — Les responsables finance doivent d’abord formuler une vision claire de ce à quoi devrait ressembler une fonction finance « augmentée par l’IA ». Cette vision doit répondre à trois questions clés : quel est l’état final souhaité pour une direction financière s’appuyant sur l’IA ; comment la finance utilisera-t-elle l’IA pour contribuer aux objectifs de l’entreprise ; et quelle valeur spécifique l’IA apportera-t-elle concrètement ? Une évaluation de la maturité permet ensuite d’identifier les lacunes à combler avant que l’IA ne délivre cette valeur .

2. Bâtir une feuille de route concrète — Une fois la vision définie et la maturité établie, les DAF doivent traduire ces éléments en une trajectoire pragmatique. Cette feuille de route doit couvrir la culture d’entreprise, la gouvernance, les compétences et les données — pas seulement la technologie — et identifier un portefeuille resserré de cas d’usage à prioriser, à expérimenter puis à déployer à grande échelle .

3. Exécuter et industrialiser les cas d’usage — La dernière phase consiste à passer d’une planification théorique à une exécution disciplinée. Au lieu de courir après des dizaines d’expérimentations sans lien entre elles, les équipes finance doivent se concentrer sur un nombre restreint de cas d’usage prioritaires présentant une trajectoire claire vers une valeur métier démontrée .

Gare à « l’usine involontaire » de pilotes

L’une des mises en garde les plus marquantes de Gartner visait un échec typique : celui de « l’usine involontaire » ("accidental factory"). Le phénomène se produit quand une organisation traite l’IA comme une collection d’outils isolés plutôt que comme un système interconnecté, ce qui entraîne une prolifération incontrôlée de prototypes sans voie claire vers la production .

Les chiffres donnent la mesure du problème : près de 59 % des initiatives d’IA n’atteignent jamais la phase de production, laissant la valeur potentielle définitivement bloquée au stade expérimental . Pour éviter cet écueil, Gartner conseille aux DAF de limiter le nombre de pilotes actifs, de sélectionner des cas d’usage aux données accessibles et au retour rapide, et de construire des systèmes d’IA gouvernés et intégrés, capables de véritablement changer d’échelle .

Ne traitez pas la recherche d’efficacité comme un préalable obligatoire

Le conseil le plus à contre-courant de Gartner est peut-être celui-ci : les projets d’automatisation et de productivité ne doivent pas être considérés comme un passage obligé avant de s’attaquer à des cas d’usage à plus forte valeur. Les analystes ont exhorté les DAF à regarder au-delà de la simple mécanisation des tâches existantes et à investir directement dans des projets liés à des problèmes métiers substantiels, même si ces projets paraissent plus risqués ou plus difficiles à évaluer avec les formules de ROI traditionnelles .

Lors du symposium, les experts de Gartner ont invité les responsables financiers à abandonner l’idée d’une formule universelle de ROI pour construire un portefeuille équilibré : des cas d’usage productivité (automatiser le quotidien), des améliorations ciblées de processus, et des paris de transformation sélectifs, susceptibles de remodeler un modèle d’affaires . L’analogie proposée est parlante : tout comme un voyage peut être une course de routine, une expédition préparée ou un périple ambitieux, ces trois types de projets cohabitent dans un portefeuille mais servent des objectifs radicalement différents et appellent des critères d’évaluation distincts .

La grille de maturité derrière la feuille de route

La feuille de route de Gartner s’appuie sur un référentiel de maturité qui va bien au-delà d’un simple taux d’adoption. Le cadre couvre sept dimensions : stratégie, valeur, organisation, personnes et culture, gouvernance, ingénierie et données .

Pour un directeur financier, l’implication est claire : on ne peut pas se contenter d’acheter des outils d’IA et se proclamer mature. Un progrès réel exige un investissement systématique sur les sept piliers — aligner la stratégie IA sur les objectifs de l’entreprise, gouverner correctement les données, former les collaborateurs en poste, et créer des structures qui soutiennent l’IA à l’échelle plutôt que dans des expérimentations isolées . Gartner a d’ailleurs observé que les organisations enregistrant les meilleurs retours ne sont pas celles qui dépensent le plus, mais celles qui utilisent l’IA de façon intentionnelle sur les produits, les clients et la prise de décision .

Le constat final du symposium est limpide : la fonction finance a adopté l’IA plus vite qu’elle n’a appris à en tirer profit. Combler ce fossé implique pour les DAF de rééquilibrer leurs dépenses, de discipliner leur portefeuille de projets IA, et d’évaluer le succès à l’aune des résultats métiers obtenus — pas au nombre d’outils déployés.