Il y a un chiffre qui devrait faire reflechir tous les dirigeants de PME ayant lance un projet d'agent IA ce printemps : 62 % des entreprises experimentent des agents IA, mais seulement 23 % en ont deploye un a l'echelle dans au moins une fonction metier. Moins de 10 % l'ont etendu a plusieurs fonctions. Ces chiffres viennent de McKinsey, et ils decrivent moins un retard technologique qu'un mur methodologique.
Gartner, de son cote, ne fait pas dans la nuance : plus de 40 % des projets d'IA agentique seront purement et simplement annules d'ici fin 2027. Pas reportes. Annules.
Le deployment gap : 70 points d'ecart entre l'intention et la production
Le calcul est brutal. Sur 100 entreprises qui declarent avoir des agents IA dans leur feuille de route, environ 70 ne parviendront pas au stade de la production reelle. On appelle ca le deployment gap, et c'est devenu la metrique la plus honnete pour juger de la maturite IA d'une organisation.
Ce n'est pas propre a l'agentique. Un rapport du MIT publie a l'ete 2025 avait deja etabli que 95 % des projets d'IA generative en entreprise n'atteignent jamais un deploiement a impact mesurable. Les analyses consolidees de McKinsey, BCG et Gartner situent le taux d'echec global des projets IA entre 70 et 85 %.
Ce qui change en 2026, c'est que l'excuse technologique ne tient plus. Les modeles sont bons. Les outils d'orchestration sont matures. Quand un projet echoue aujourd'hui, ce n'est presque jamais parce que l'IA n'a pas su faire. C'est parce que personne n'avait defini ce qu'elle devait faire, ni comment mesurer qu'elle l'avait bien fait.
Agent washing : une bonne partie du marche vend du vieux repeint
Gartner a mis un nom sur un phenomene que beaucoup de decideurs ont subi sans le nommer : l'agent washing. Il s'agit du rebranding de produits existants (assistants conversationnels, RPA classique, chatbots a arbres de decision) en agents IA autonomes, sans capacite agentique reelle derriere.
L'estimation du cabinet est peu flatteuse pour l'ecosysteme : sur les milliers de fournisseurs se reclamant de l'IA agentique, environ 130 seulement proposeraient une offre reellement agentique. Autrement dit, un dirigeant qui recoit dix demos cette annee a statistiquement de bonnes chances d'en voir neuf qui ne sont pas ce qu'elles pretendent etre.
Le test est pourtant simple a poser en reunion commerciale. Un agent, par definition, decide d'une sequence d'actions face a une situation qu'il n'a pas vue a l'identique, et sait s'arreter pour demander un arbitrage humain. Un workflow qui execute toujours les memes etapes dans le meme ordre, quel que soit le contexte, c'est de l'automatisation. Tres bien, souvent suffisant, mais ce n'est pas un agent. Et ca ne se facture pas au meme prix.
Le vrai frein des PME francaises n'est pas le budget
Cote francais, les donnees de Bpifrance Le Lab remettent l'eglise au milieu du village. 31 % des TPE-PME utilisent l'IA generative, dont 8 % de facon reguliere. La progression est reelle : les TPE de 1 a 9 salaries sont passees de 14 % a 29 % en un an, tandis que les PME de plus de 100 salaries atteignent 53 %.
Mais le chiffre le plus instructif est ailleurs. Interroges sur le principal frein a l'adoption, 54 % des dirigeants citent la difficulte a identifier des cas d'usage pertinents pour leur metier. Pas le cout. Pas la technique. Pas le RGPD. L'incapacite a repondre a la question : concretement, sur quoi je le mets ?
Et dans 73 % des cas, le projet IA est initie par le dirigeant lui-meme. C'est une force, la decision va vite, et une fragilite : quand l'impulsion vient d'en haut sans relais operationnel, le projet meurt souvent au premier arbitrage de charge.
Ce qui marche : des perimetres ennuyeux, mesures en semaines
Les cas d'usage qui passent en production partagent tous le meme profil, et il n'a rien de spectaculaire. Les benchmarks sectoriels 2026 situent les meilleurs retours sur le support client de niveau 1, la qualification de leads, la generation de devis et le back-office administratif. Forrester mesurait en moyenne 3,5 euros de retour pour 1 euro investi dans l'automatisation IA, avec un ROI atteint entre le 3e et le 6e mois sur les perimetres bien cadres.
Le point commun de ces cas : le volume est eleve, la regle metier est stable, et surtout l'erreur est rattrapable. Un devis mal pre-rempli se corrige en trente secondes. Une reponse client de niveau 1 imparfaite se re-escalade. Ce sont des terrains ou l'on peut laisser une IA se tromper sans detruire de valeur, et c'est exactement pour ca qu'ils passent en production.
A l'inverse, les projets qui capotent visent presque systematiquement un processus critique, transverse, mal documente, et dont la mesure de succes n'a jamais ete ecrite noir sur blanc avant le demarrage.
Les donnees, angle mort numero un
Gartner ajoute une prediction moins commentee mais peut-etre plus utile : les organisations abandonneront une large part de leurs projets IA faute de donnees pretes. Le schema est toujours le meme. On branche un modele sur une base metier sans avoir fait le travail de nettoyage, de structuration et de droits d'acces en amont, puis on s'etonne des reponses incoherentes.
C'est la partie du projet que personne ne veut financer parce qu'elle ne se demontre pas en reunion. C'est aussi, dans la quasi-totalite des cas observes, celle qui decide du resultat final. Un agent branche sur des donnees propres avec un perimetre etroit bat systematiquement un agent sophistique branche sur un referentiel approximatif.
Mon avis : la purge annoncee est une bonne nouvelle
Je sais que 40 % de projets annules se lit comme une mauvaise nouvelle. Je pense l'inverse. Ce qui va etre annule, ce sont massivement des POC lances par mimetisme concurrentiel, sans proprietaire metier, sans indicateur, et sur des perimetres choisis pour leur effet demonstratif plutot que pour leur valeur.
Pour une PME ou une ETI, la lecon operationnelle tient en trois points. Un : ecrivez la mesure du succes avant d'ecrire la premiere ligne d'automatisation. Si vous ne savez pas dire combien d'heures ou d'euros vous gagnez sur ce processus, vous n'avez pas encore de projet. Deux : commencez par un seul processus ennuyeux et volumineux, pas par dix chantiers en parallele. Trois : posez systematiquement la question de l'agent washing a vos fournisseurs, et demandez a voir le comportement de l'outil sur un cas que le commercial n'avait pas prepare.
L'ecart entre 62 % qui testent et 23 % qui produisent ne se comblera pas avec un meilleur modele. Il se comblera avec de la methode, et c'est plutot une bonne nouvelle pour les structures agiles : la methode ne s'achete pas au prix d'un budget de grand compte.
