Geoffrey Harrazi voit les abandons IA comme un tri salutaire

Les abandons progressent fortement. En 2025, 42 % des entreprises ont abandonné la majorité de leurs initiatives d’intelligence artificielle. Cette proportion atteignait 17 % un an plus tôt, selon S&P Global. Geoffrey Harrazi, cofondateur d’Idun, présente cette hausse comme le signe d’une sélection plus exigeante. Pendant deux ans, les directions ont surtout multiplié les expérimentations. Les budgets 2027 déplacent désormais la question vers les résultats obtenus. Les comités de direction cherchent moins quoi lancer que ce que chaque projet rapporte. Harrazi considère l’arrêt d’un projet inutile comme le début d’une démarche plus rigoureuse. Cette lecture s’oppose à l’idée d’un simple éclatement de la bulle de l’IA.

Le pilotage reste incomplet. La mesure du retour sur investissement constitue le principal point faible décrit par Geoffrey Harrazi. En 2025, 46 % des grandes entreprises ne disposaient d’aucun cadre pour évaluer le ROI de leurs projets IA, selon Wavestone. Les décisions de coupe peuvent alors intervenir sans explication précise. Harrazi rapporte plus d’une centaine de rendez-vous et une trentaine de diagnostics menés en dix-huit mois. Son constat est récurrent : l’adoption a progressé plus vite que le pilotage. Les entreprises ont empilé les cas d’usage sans instrumenter leur utilisation. Elles ne savent donc pas toujours qui utilise quel outil, ni ce que cette utilisation change concrètement. (Lire l’analyse de Geoffrey Harrazi)

Les entreprises mesurent mal leurs usages

Un agent illustre cet écart. Une grande maison du luxe a déployé de nombreux agents en production après trois années d’exécution et de montée en compétence. La mesure de leur valeur est toutefois restée secondaire. Un agent analysait les avis clients à partir de questions formulées en langage naturel. Les utilisateurs pouvaient demander ce que pensaient les clients d’un produit rouge précis. L’outil a pourtant connu une adoption presque nulle. Les utilisateurs ne comprenaient ni son périmètre, ni l’usage possible de ses réponses. L’entreprise a finalement arrêté le projet faute d’utilisation. Une mesure détaillée aurait, selon Harrazi, permis de le rescentrer sur un besoin utile.

Les retours directs ont échoué. L’équipe avait ajouté des pouces et une zone de commentaires pour comprendre les difficultés rencontrées. Les utilisateurs ne les remplissaient jamais. Cette absence de retour a empêché d’expliquer précisément l’échec de l’agent d’analyse des avis. Harrazi décrit une difficulté similaire avec les « ChatGPT internes » lancés par presque toutes les grandes entreprises en 2023 et 2024. Ces outils visaient à éviter les fuites de données vers les services publics. Beaucoup reposaient toutefois sur une interface de modèle de langage déconnectée du système d’information. En France, 61 % des salariés utilisant l’IA au travail passent par des outils publics, contre 19 % par des outils internes, selon KPMG en 2026.

Les outils publics dominent encore

L’adoption ne suffit pas. Une société de gestion d’actifs utilise chaque jour son GPT interne avec 90 % de ses salariés. Elle dispose aussi de flux de travail automatisés et d’outils publics accessibles librement. Malgré cette adoption élevée, personne ne sait précisément qui fait quoi, avec quel outil, ni ce que l’ensemble coûte. L’entreprise ne sait pas non plus quelles pratiques mériteraient une industrialisation. Pour piloter, Harrazi recommande d’observer les usages réels au-delà des journaux techniques et des questionnaires. Les équipes doivent identifier les outils employés, les tâches associées et les moments de décrochage. Ces observations servent ensuite à industrialiser, redimensionner ou arrêter les initiatives concernées. (Consulter la publication originale)