"Où sont les millions ?" : dans les grands groupes français, l’IA générative à l’épreuve du réel
En 1987, Robert Solow, économiste américain lauréat du prix Nobel, formulait un constat devenu célèbre : "Vous pouvez voir l'ère informatique partout, sauf dans les statistiques de la productivité." Quarante ans plus tard, en remplaçant "informatique" par "IA générative", le paradoxe n’a pas pris une ride. En dépit du bruit médiatique autour de cette technologie depuis plus de trois ans et la sortie de ChatGPT, les résultats tangibles sur l’économie tardent à se concrétiser. Fin février, une gigantesque enquête du National Bureau of Economic Research, menée auprès de 6 000 dirigeants d'entreprises aux Etats-Unis, en Europe et en Australie, concluait que près de neuf entreprises sur dix n'observaient aucun impact perceptible de l’IA générative sur leur emploi ou leur productivité sur les trois dernières années. Le chiffre fait écho à celui du MIT, qui avait défrayé la chronique l’été dernier en affirmant que 95 % des projets associés en entreprise échouaient à délivrer un retour sur investissement.
Ces derniers mois, L’Express a rencontré plusieurs "grands comptes", ces sociétés de premier plan de l’Hexagone comme Air France, Total, Axa… Des fleurons du CAC40 dont une partie dispose de bureaux donnant sur la dalle venteuse du quartier d’affaires La Défense. Tous l’admettent : malgré de fortes ambitions et des investissements dépassant parfois les six chiffres, la réalité du terrain est autrement plus modeste. La première difficulté concerne la donnée. L’IA générative repose sur des modèles de langage (LLM), très habiles pour fouiller dans des masses importantes d’informations. Or, si celles-ci sont incomplètes, incompatibles ou éparpillées aux quatre coins de l'entreprise, le résultat sera médiocre. C’est précisément le quotidien de la plupart des grands groupes. Contrairement aux start-up, qui construisent leurs bases de données sur des architectures modernes, ces derniers traînent des décennies de systèmes qui communiquent difficilement, comme un logiciel de comptabilité âgé de 30 ans avec un outil de marketing dernier cri. Les professionnels ont du jargon pour ces problèmes. Les "silos" de données cloisonnées, et le "legacy", désignant ces systèmes informatiques qui s’empilent depuis plusieurs dizaines d’années.
Au sein de la banque LCL, Didier Lellouche, responsable de l'intelligence artificielle, évoque ainsi son "cimetière des POC" : ces preuves de concept, courantes dans les entreprises, qui permettent de tester la technologie sur des cas d’usage. "Dès lors qu'on voulait intégrer un projet d'IA générative dans le système d'information, ça ne marchait plus. Trop compliqué, trop coûteux." Les tarifs de l’inférence - le fonctionnement de l’IA, facturé par unité de texte appelé token - sont encore trop "opaques" en fonction de leurs besoins, font entendre des interrogés. A Bpifrance, Lionel Chaine, directeur des systèmes d'information de la banque d'investissement, fournit un ratio édifiant : sur 240 tests d’utilisation de l’IA générative, seuls 17 ont finalement été mis en production. "On est en train d'apprendre, ajoute-t-il. Et cette fois, malheureusement, on ne peut pas acheter l'expérience des cabinets de conseil afin de nous guider." Ghislain de Pierrefeu, consultant chez l’un d’eux, le français Wavestone, qui accompagné plusieurs de ces "grands comptes" dans leur transformation numérique et a ouvert leurs portes à L'Express, abonde avec franchise : "Il y a un vrai décalage entre le discours ambiant - l'idée que l’IA générative change le monde - et la réalité des gains. Tout le monde se cherche."
Du temps gagné, ici et là
Un des problèmes, pour eux, est que la technologie pénètre difficilement leurs cœurs de métier dans l’aéronautique, la finance, ou l’énergie… Des sujets de fiabilité et de sécurité sont mis sur la table. "Nous sommes une entreprise peuplée de physiciens qui aiment vérifier l’information. L'aspect 'boîte noire' de l’IA générative n’inspire pas confiance", observe Maité Jaureguy-Naudin, directrice data et innovation à RTE, le gestionnaire du réseau d’électricité. Le débat autour de la souveraineté face à l’omniprésence des solutions américaines est une autre anicroche. "Il n'existe pas de solution européenne intégrée à l'échelle. Des morceaux seulement, comme Mistral, et une poignée d’acteurs. Il nous manque la couche cloud, l'orchestration et la capacité de calcul", persifle le directeur IA d’une multinationale, qui préfère garder l’anonymat. Toujours dans la sécurité, beaucoup d’entreprises chassent aussi activement ce qu’elles nomment le "shadow IA", ou la façon dont les employés utilisent l’IA générative en douce. Soit par crainte, soit parce que l’IA de l’entreprise n’est pas au niveau de celle disponible sur Internet. "Dans le cadre de la réglementation européenne IA Act, on peut nous réclamer la liste des cas d’usages déployés. Si on en oublie la moitié, on risque une amende significative", prévient Didier Lellouche de LCL. Un frein de plus, tant pour le déploiement de l'IA que dans la mesure de son efficacité.
Ce ne sont pas les derniers. "Comme l’a écrit le MIT, la quasi-totalité des projets échouent sur des questions d'organisation et de culture et en dernier lieu, sur de la technique", estime Chafika Chettaoui, directrice data et IA au sein de l’assureur Axa France. Les grandes entreprises et multinationales ont souvent des dizaines de milliers de salariés éparpillés aux quatre coins de la France et du monde. Un Schneider Electric a ainsi formé 140 000 employés en 45 minutes top chrono chacun. Est-ce suffisant ? Puis, il y a ceux chez qui l’IA fait craindre des pertes d’emplois. "Des jeunes managers m'ont fait part de leurs craintes : je n'utilise pas ChatGPT, je ne sais pas comment ça marche et ça me fait peur. Ils ont besoin d’être accompagnés", relate Didier Lellouche. Cette crainte du remplacement par une intelligence artificielle prend de l’ampleur. Cette semaine, de nouveaux travaux de la Coface et de l'Observatoire des emplois menacés et émergents envisagent une suppression de 5 millions d’emplois à cinq ans dans l’Hexagone à cause de la technologie. Très remarquée, une note d'une vingtaine de pages publiée fin février par l'institut Citrini Research envisage carrément un monde gangrené par le chômage de masse en 2028 à cause de l’IA générative, en particulier chez les cols blancs, les travailleurs de bureau.
Panique chez les cols blancs
Car pour l’heure, les premiers outils performants s’adressent à ces travailleurs des services communication, marketing, ou encore développement informatique, adeptes du code et des tableurs Excel. Ici, les grandes entreprises engrangent en effet certains succès. Chez LCL, un logiciel baptisé ArIA aide 12 000 conseillers à répondre efficacement aux e-mails des clients. "60 à 65 % des réponses sortantes sont générées grâce à l’outil", livre-t-on, une statistique en perpétuelle augmentation. "Sur la partie développement informatique (code), on atteint 20 % de gains de productivité, expose Lionel Chaine à Bpifrance. Ça n'était jamais arrivé dans ma carrière." Dans les locaux de LCL, un algorithme de lecture automatique des actes de décès ne commet plus que 2 % d’erreurs. C’était dix fois plus au préalable sous l’œil humain. La recherche documentaire, où l’IA est très efficace, peut même dans une poignée de cas faire des miracles hors des open spaces. "Une cabine d’avion a 10 000 références de pièces différentes. Avant, les mécaniciens prenaient parfois 20 à 25 minutes pour trouver la bonne information. Dorénavant, c’est plutôt deux minutes. Ce qui permet aux clients de ne pas rater leurs correspondances dans les aéroports", indique Julie Pozzi, directrice des développements informatiques du groupe Air France-KLM.
Le temps économisé reste disparate selon les individus et les situations. Ainsi, la question qui fâche demeure la même : combien tout cela rapporte-t-il réellement ? A La Défense, dans des salles de conférence au quarantième étage, la question du "ROI" est devenue un classique du genre. Elle ne suscite encore aucune réponse précise. Pendant ce temps, dans les étages de direction, la pression monte. Un responsable mime la scène avec un sourire résigné : "Ils lisent partout dans la presse les rapports McKinsey et les super gains de productivité que l’IA est censée offrir et reviennent vers nous : alors, ils sont où les millions ?" Frédéric Gimenez, directeur du numérique à TotalEnergies, résume le même sentiment avec une franchise désarmante : après un an ou deux d'analyse de l'IA générative, son équipe a présenté un document au comité exécutif dont la conclusion tenait en trois mots : "un peu décevant. Pas de cas d'usage killer (tueur)". Un cas fait figure d’exception : un célèbre groupe hôtelier français aurait réussi, grâce à un algorithme d’analyse de la "cliquabilité" des photos de chambres conçu par l’un de ses employés, à générer plusieurs millions d’euros de revenus supplémentaires.
La "vieille" IA
Dans ce contexte, l’IA dite "traditionnelle" tient la marée. Ghislain de Pierrefeu, de Wavestone, le rappelle : la majorité des retours sur investissement avérés de l'IA reposent sur des technologies bien antérieures à ChatGPT : algorithmes de prédiction, détection de fraude, maintenance industrielle ou encore optimisation logistique. "Dans l’IA, le génératif ne représente même pas 10 % de nos investissements", confirme Julie Pozzi d'Air France-KLM. Un responsable d’une grande entreprise va plus loin : "L’IA générative est survendue."
Malgré tout, peu de voix entendent y renoncer. La technologie est partout et impactera quoi qu’il arrive l’entreprise. "On a déployé 35 000 licences Copilot très vite, en étant convaincu que c'était un impératif d'efficacité personnelle pour nos collaborateurs. On n'a même pas essayé de le justifier : pourquoi ne pas l'avoir au travail quand on l'a chez soi ?", remarque Frédéric Gimenez de TotalEnergies. "Demain, tous les voyages passeront peut-être par les grands modèles de langage. Comment Air France est-il référencé par ces IA ? C’est devenu un sujet stratégique", souligne quant à elle Julie Pozzi. Autre effet insoupçonné de l’intelligence artificielle générative : la technologie tend à lisser les relations sociales en interne. "Elle dépassionne les débats. Un mail difficile à faire passer devient plus neutre", avance Maité Jaureguy-Naudin de RTE. Une nouvelle norme.
De récents progrès suscitent également de l’espoir. Comme l’"agentique" : ces systèmes toujours basés sur l’IA générative mais capables de s’auto-corriger et d’agir de manière autonome des heures durant. Demain, cet agent qui instruit un dossier de prêt, traite une demande de restructuration ou pilote une chaîne logistique... "Nous avons 10 milliards d’euros d'investissements à déployer, de nouvelles lignes à construire, des études exploratoires à multiplier par dix avec l'électrification des usages. Et nous n’avons pas assez de monde pour faire ce travail. Il y a un vrai besoin d’automatiser", pointe-t-on du côté de RTE. Chez TotalEnergies, Frédéric Gimenez en esquisse les enjeux sur la maintenance industrielle. Un agent capable de détecter une anomalie sur une plateforme offshore, analyser les incidents passés similaires, proposer une intervention, précommander la pièce et planifier la fenêtre de maintenance avec le moins d'impact possible sur la production, aurait à coup sûr un impact considérable sur les revenus de l’entreprise.
Mais là aussi, un certain scepticisme est de mise. "Dans l'IA traditionnelle on sait mesurer la performance d'un modèle et son maintien dans le temps. En IA générative, on ne sait pas encore bien le faire", concède Frédéric Gimenez. Puis, les risques ne manquent pas : une expérimentation récente menée par Harvard, Stanford et le MIT, où des agents IA autonomes ont été confrontés à des situations réelles, a révélé des fuites de données sensibles, des boucles infinies de consommation de ressources et même un agent ayant supprimé le serveur mail de son propriétaire pour protéger un secret. L’horizon pour des agents vraiment autonomes, fiables et utiles se fixe généralement en années. Car cela impose de repenser en profondeur tous les métiers. Et peut-être de buter sur les mêmes problématiques : donnée, sécurité, culture d’entreprise. Le paradoxe de Solow a sans doute encore de beaux jours devant lui.
