L’édition 2025 de VivaTech est une grande réussite : beaucoup d’énergie et des innovations à foison. On s’en félicite, mais le hic est que nous ne manquions ni d’énergie ni d’innovation, au contraire ! Tous les visiteurs du salon VivaTech ont pu constater la débauche de moyens et d’énergie dépensée, mais pas forcément à bon escient, car l’IA générative nous est imposée comme la solution à des problèmes mal définis. Peut-être que l’urgence n’est pas d’accélérer, mais au contraire de ralentir pour (re)partir sur des bases saines.

En synthèse :
- L’enthousiasme autour de l’IA générative masque une adoption réelle lente, partielle et souvent mal alignée avec les besoins concrets des organisations et des collaborateurs ;
- En tant qu’outil à usages généraux, l’IA générative nécessite une phase d’appropriation et d’acculturation, car sa polyvalence empêche une adoption naturelle sans accompagnement ciblé ;
- La migration vers le cloud, l’adoption de pratiques collaboratives et la rationalisation des écosystèmes numériques sont autant de transformations inachevées que l’IA pourrait accélérer, à condition de revoir les fondations organisationnelles ;
- La réussite de l’adoption de l’IA à grande échelle passera moins par la technologie que par une vision partagée, fédératrice et honnête sur les finalités du changement, en valorisant l’humain et les compétences internes ;
- L’IA générative impose une reconfiguration des modèles mentaux et des pratiques professionnelles, elle doit être pensée comme un levier de transformation progressive, et non comme une solution miracle.
Cette année, le salon VivaTech a donc à nouveau battu tous les records de participation : 180.000 visiteurs, 14.000 startups de plus de 30 secteurs d’activités, 450 speakers, 171 nationalités représentées et plus de 50 pavillons nationaux (+20% par rapport à l’année précédente : Le bilan chiffré de Vivatech 2025).
Cela ne fait aucun doute : Le salon VivaTech s’est imposé comme la grand-messe européenne de l’innovation. Sans surprise, l’intelligence artificielle était cette année sur toutes les lèvres et tous les stands. Plus de 40 % des exposants présentaient ainsi une solution exploitant des modèles génératifs. De la détection de tendances à la conception de nouveaux produits, du service client à la création de contenus, tout semble pouvoir être réinventé grâce à l’IA.

Pour avoir un aperçu des tendances de cette année et l’hégémonie de l’IA, je vous propose les comptes-rendus suivants :
Tout ceci est très stimulant, car cela renforce le sentiment d’urgence pour adopter au plus vite les outils et pratiques qui reposent sur l’IA générative. J’ai néanmoins le sentiment persistant que tout ceci se fait dans la précipitation et que l’urgence n’est justement pas d’accélérer (investissements, R&D…), mais plutôt de ralentir pour laisser le marché reprendre son souffle et envisager sereinement l’avenir et ses nombreux défis (De l’IA générale aux super-intelligences : course au progrès ou fuite en avant ?).
Ainsi, l’IA générative nous est présentée comme LA solution à tous nos problèmes, mais au-delà du brouhaha technologique et des effets d’annonce, l’adoption réelle reste lente, fragmentée, souvent déconnectée des enjeux concrets du terrain. Pour vous en convaincre, je vous invite à lire entre les lignes ces études récentes : L’IA dans les PME et ETI françaises, une révolution tranquille et Les cadres et l’IA en 2025.
Certaines statistiques dévoilent une réalité troublante : 58% des dirigeants de PME considèrent l’IA comme une question de survie à 3-5 ans, mais seuls 26% l’utilisent ; 35 % des cadres estiment que le développement de l’IA affectera directement leur poste, mais seul un sur trois y a recours au moins une fois par semaine.

Le problème que j’avais déjà pointé du doigt dans mes précédents articles est que si les modèles génératifs peuvent (presque) tout faire, encore faut-il savoir quoi leur demander, comment les intégrer dans les flux de travail, et surtout pourquoi les utiliser : L’adoption de l’AI générative ne passera pas par les cas d’usage.
Peut-être n’avons-nous pas passé assez de temps à identifier les problèmes que l’on cherche à résoudre, en gros à appliquer la règle de base : « Start with why« .
Une technologie généraliste pour une promesse floue
Pour résumer une longue explication : les modèles génératifs sont des outils à usages généraux, comme l’était l’ordinateur personnel à son lancement il y a une cinquantaine d’années. Leur versatilité est à la fois une force et une faiblesse : ils peuvent répondre à presque tous les besoins, mais ils n’ont pas de cas d’usage naturel ou évident, si ce n’est les exemples habituels qui ne convainquent plus personne (résumer des emails, rédiger des comptes-rendus de réunions…). L’adoption passe donc par une phase de recherche, d’appropriation et d’acculturation aux nouveaux usages. Et c’est là que le bât blesse : la compréhension de l’intelligence artificielle reste souvent superficielle, les expérimentations isolées, et les résultats probants difficiles à généraliser.
Pour vous permettre de mieux comprendre la situation, laissez-moi vous rappeler les quatre types d’innovation, tels que définis dans le Manuel d’Oslo édité par l’OCDE :
- Innovation incrémentale (amélioration de l’existant) ;
- Innovation adjacente (enrichissement de l’existant) ;
- Innovation disruptive (nouveau produit/service) ;
- Innovation radicale (nouveau marché).
Un service comme Uber n’a ainsi pas amélioré le confort ou le paiement des courses des taxis, il a ouvert un nouveau marché aux particuliers (celui des VTC).

Pour ce qui est de l’IA générative, les plupart des entreprises sont encore au stade de l’innovation incrémentale : elles cherchent à améliorer l’existant (rédaction d’emails, de comptes-rendus de réunion, de contenus pour les médias sociaux…). Tous ces usages sont très intéressants, mais nous sommes loin de la réinvention des métiers ou des modèles d’organisation annoncée par les discours marketing des cabinets de conseil.
Certaines entreprises ou organisations explorent des innovations adjacentes en enrichissant les tâches existantes (ex : traduction et adaptation des contenus), mais les cas d’usage disruptifs (ex : agents intelligents) peinent encore à trouver leur place, faute de stabilité technologique et d’appropriation organisationnelle. Dans le fond, la principale raison de cette lenteur à l’adoption de technologies qui nous sont présentées comme révolutionnaires est toute simple : la compréhension de ce qu’est l’IA ou de ce que peuvent faire ou pas faire les modèles génératifs est beaucoup trop faible pour espérer leur acceptation à grande échelle dans le quotidien professionnel. D’où la difficulté à se projeter dans de nouveaux usages, car les collaborateurs ne sont pas prêts (Nous n’avons pas besoin de meilleures IA, mais d’une meilleure compréhension de l’IA).
Comme expliqué en début d’article : l’adoption de l’IA générative se fait dans la précipitation alors que les salariés ont à peine initié ou accepté les précédents changements majeurs.
Trois chantiers systémiques toujours pas complétés
Pour beaucoup, l’intelligence artificielle se résume à ChatGPT, un service en ligne bien mystérieux dont tout le monde parle, mais que personne ne maitrise réellement. Dans la tête de la plupart des collaborateurs, « se mettre à l’IA » revient à ajouter un outil supplémentaire à un arsenal déjà très vaste, dont ils n’exploitent qu’une petite partie des possibilités (ex : Office 365, Google Workspace, SalesForce, Workday…).
Cela fait deux ans que j’accompagne des organisations de tailles et de configurations différentes, et je peux vous assurer que rajouter un outil supplémentaire, même avec les modèles génératifs les plus performants (ChatGPT, Claude…), ne changera pas la donne. Du moins, pas de façon significative : AI alone cannot solve the productivity puzzle.
J’ai acquis la conviction que l’adoption de l’IA ne pourra en aucun cas se faire de façon naturelle ou spontanée, elle passera nécessairement par un accompagnement pédagogique : (ré)expliquer ce qu’est l’IA, ce que sont les modèles génératifs pour enclencher un début de processus de changement de mentalité et d’habitude. Pour mémoire, certains collaborateurs ne sont toujours pas convaincus de l’intérêt de la transformation numérique, sont contre le commerce en ligne ou ne veulent pas mettre leurs fichiers dans le cloud. Et vous pensez qu’ils vont se mettre à créer leurs propres agents ? Aucune chance…

Toute conduite du changement passe ainsi par une phase d’introspection. Le préalable nécessaire à l’adoption de l’IA générative est de constater (= reconnaitre) la situation intenable dans laquelle se trouvent la plupart des entreprises : des organisations du 19e siècle, avec des outils du 20e siècle, dans un contexte du 21e siècle. C’est ce décalage qui explique la baisse progressive de performance des entreprises, c’est par ce qu’elles sont tournées vers le passé et non vers l’avenir : elles s’accrochent à un fonctionnement anachronique.
Nous pouvons ainsi aisément lister trois gros chantiers qui ont été initiés de longue date, mais ne sont toujours pas complétés :
- Le basculement du système d’informations vers le cloud (chantier informatique). Toute entreprise ou organisation est ainsi dépendante d’un SI “Frankenstein” composé de multiples couches hétérogènes. Cet empilage de couches engendre des problèmes de performances, de sécurité et d’évolutivité. La solution serait de repenser le SI avec une approche modulaire et de le délocaliser dans le cloud pour gagner en souplesse. Mais les entreprises se retrouvent face à un dilemme : Faut-il ré-écrire les applications et les porter dans le cloud ou l’inverse ? C’est parce qu’il n’y a pas de bonne réponse à cette question que la grande migration vers le cloud piétine, alors qu’elle ne présente que des bénéfices (cf. La bataille du cloud se gagnera bureau par bureau). La solution serait alors d’exploiter les modèles génératifs pour faire du refactoring de code-source afin de faciliter et d’accélérer la mutation du SI.
- L’adoption de pratiques collaboratives (chantier méthodologique). Il ne vous aura pas échappé que toutes les entreprises et organisations subissent l’héritage du Pack Office. Les cols blancs sont ainsi toujours englués dans le paradigme fichiers / emails / réunions qui persiste depuis plus de 30 ans. Nous avons bien essayé d’y remédier avec l’Entreprise 2.0 (intranet social, SI wikifié), avec le no-code, avec la blockchain… mais rien n’y fait (cf. Futur du travail : parler moins pour mieux collaborer et produire plus). La solution serait alors de s’appuyer sur les des agents intelligents pour nous aider à sortir de ce paradigme afin de libéraliser les informations, connaissances et données (cf. L’IA pour restructurer les informations et données).
- La densification des écosystèmes numériques (chantier marketing). J’ai déjà eu l’occasion de vous expliquer que les marques doivent gérer des écosystèmes numériques toujours plus larges, conséquence de la fragmentation de l’audience et de la multiplication des canaux et supports numériques. Le problème étant qu’il y a toujours plus de canaux et supports numériques à prendre en compte alors que le nombre de clients potentiels est le même (cf. La rationalisation de votre écosystème numérique passe par des scénarios de conversion). Cette dispersion des ressources explique la baisse d’efficacité chronique. La solution serait alors d’utiliser les modèles génératifs pour rationaliser les activités numériques en passant par de l’automatisation et de l’optimisation (personnalisation et mesure individuelle).
Ces trois chantiers sont ceux qui pénalisent la compétitivité des entreprises, ceux qui ont initiés la dynamique de transformation numérique, mais qui sont plus ou moins l’arrêt depuis la fin de la pandémie faute d’un nouvel élan. Croyez-le ou non, mais c’est justement ce que nous apporter l’IA générative : un nouvel élan dans la transformation numérique (cf. L’IA n’est qu’un moyen d’achever votre transformation numérique).
Vers une hybridation du travail et des compétences
Nous sommes en 2025, et 40 ans après son lancement, la suite Office continue de structurer la majorité des tâches des cols blancs, c’est un fait. Mais rassurez-vous, les choses sont en train de changer, car l’IA générative nous offre l’opportunité de sortir du fameux paradigme emails / fichiers / réunions. Cependant, cette promesse est faite avec beaucoup trop d’empressement. Comme si, après avoir piétiné pendant des années, les entreprises ne pouvaient plus se permettre de repousser l’échéance.
Comme j’ai déjà eu l’occasion de vous l’expliquer, les chatbots ne sont qu’une étape intermédiaire, car le véritable changement ne viendra qu’avec l’avènement des assistants numériques professionnels et des digital workplaces (Copilot + MS 365 ou Gemini + Workspace), c’est-à-dire en offrant aux collaborateurs un nouvel environnement de travail, littéralement ! Lire à ce sujet : Chatbots et agents intelligents ne sont qu’une étape intermédiaire vers les assistants numériques.
Mais cette bascule ne pourra pas se faire de façon rapide et spontanée en répétant à l’envi les incantations des éditeurs et cabinets de conseil (cf. Quand la course à l’innovation devient contre-productive). Ce dont les collaborateurs ont besoin n’est certainement pas d’un nouveau coup de pression (« L’IA va nous aider à faire des économies« ), mais d’une bonne raison de changer leurs habitudes pour adopter de nouveaux outils et rituels de travail. En gros, d’un projet en commun.

À une époque pas si lointaine, je vous expliquais que pour réussir leur transformation numérique, les entreprises et organisations devaient au préalable formaliser une vision pour aider les collaborateurs à se projeter dans un futur désirable (cf. Transformation digitale : pourquoi maintenant ?). Le problème est qu’aujourd’hui, le futur qui nous est promis avec l’IA n’est pas vraiment désirable, mais plutôt anxiogène : automatiser un maximum de tâches pour pouvoir réaliser des économies sur les prestations et salaires. Oups !
Un projet d’entreprise plutôt que de vagues promesses d’optimisation (donc de licenciements)
L’erreur que font la majeure partie des entreprises est de se faire entrainer par cette frénésie ambiante autour de l’IA et de vouloir intégrer les modèles génératifs au plus vite dans toutes les strates pour faire comme les autres, ou du moins pour faire comme ce que prétendent faire les autres. L’IA générative est censée nous aider à faire mieux avec moins, elle est pour le moment avant tout utilisé pour faire du buzz déguisé en communication institutionnelle, comme à la grande époque de la transformation digitale où chacun se targuait d’organiser des hackathons et d’avoir monté une data factory. Qu’en reste-t-il ? Malheureusement pas grand-chose…

C’est justement pour éviter ce phénomène d’essoufflement préliminaire (de torpiller l’adoption de l’IA générative avant même de l’avoir réellement initiée) que les entreprises et organisations doivent prendre le temps de bien préparer l’avènement de l’IA qui s’annonce encore plus radical que la transformation numérique telle qu’initialement décrite (gagner du temps en supprimant le papier).
Je me permets de vous rappeler qu’il a fallu une pandémie mondiale et un confinement généralisé pour que les cols blancs prennent au sérieux les outils numériques (applications en ligne, cloud, visio-conférence…). Ce qui était vrai pour le cloud l’est également pour l’IA : Pas de révolution possible sans acculturation pour bien faire comprendre les enjeux et faciliter l’acceptation du changement. L’adoption de l’IA est ainsi un défi culturel plus que technologique.
Ce n’est certainement pas en écoutant ou lisant les élucubrations des nouveaux techno-prophètes que les salariés lambda vont pouvoir comprendre que l’IA générative n’est ni un gadget de plus, ni une rupture immédiate, c’est un point d’inflexion. Comme toute technologie d’usage général, elle oblige à revoir nos modèles mentaux, nos pratiques professionnelles et nos environnements de travail. L’urgence n’est donc pas de tout bousculer dans la précipitation, mais d’entrer dans une dynamique de questionnement et de réappropriation des activités à travers l’IA (Les agents intelligents nous font rentrer dans l’ère de la GenAI-as-a-Service).
Mais pour cela, il faut un effort collectif, d’où l’importance de formuler une vision cohérente et fédératrice pour rassurer et mobiliser les collaborateurs (Col blancs et IA générative : entre promesses d’augmentation et risques de substitution). Il est ainsi capital de rappeler aux forces vives de l’entreprise que l’objectif n’est pas de les remplacer, car leurs connaissances et capacités sont précieuses, mais de les augmenter.

Il est également essentiel de faire preuve de transparence et d’honnêteté en leur confirmant que tous les changements induits par l’IA ne seront ni rapides, ni linéaires. Il n’y aura pas de big bang de l’IA, mais plutôt une succession d’ajustements, de cycles d’apprentissage, de déceptions et de réussites. Un long cheminement qui sera très certainement inconfortable, mais largement surmontable si toutes les énergies sont mobilisées dans la même direction.
Un chantier plus humain que technique
En écrivant tout cela, j’ai la très désagréable impression de me répéter. Pourtant, toutes celles et ceux avec qui j’ai l’occasion d’en discuter, quel que soit leur niveau hiérarchique, me confirment toujours avec une grande franchise qu’ils ou elles se sentent largué(e)s face à un véritable déluge d’annonces, d’innovations et de prédictions qui ne font qu’augmenter une pression psychologique déjà quasiment insupportable.
Le fond du problème est que cet empressement à vouloir faire adopter l’IA générative engendre un phénomène miroir : La rapidité avec laquelle progresse l’IA générative révèle nos limites, nos rigidités, nos lenteurs. Elle oblige à revisiter nos modes de fonctionnement, nos métiers, notre rapport au travail. Le vrai sujet n’est pas la technologie, mais la capacité à se transformer en profondeur.

Les organisations qui réussiront cette mutation ne seront pas celles qui investissent le plus, mais celles qui sauront se poser les bonnes questions, impliquer leurs collaborateurs, développer une culture de l’expérimentation et de l’apprentissage.
Il n’y a pas d’urgence à aller plus vite. L’urgence est de mieux comprendre ce que l’on fait, pourquoi on le fait, et avec qui on veut le faire. Car ce n’est qu’à cette condition que l’IA deviendra un vrai levier de transformation, et non un outil de plus dans l’arsenal numérique des entreprises. Je ne remets pas en cause le potentiel disruptif de l’IA générative, car je suis le premier à dire qu’elle va autoriser des innovations radicales. J’ai simplement un regard pragmatique sur la réalité des usages et de la maturité numérique des individus et salariés.
L’IA générative n’est ni un gadget de plus, ni une rupture immédiate. C’est un point d’inflexion. Comme toute technologie d’usage général, elle oblige à revoir nos modèles mentaux, nos pratiques professionnelles et nos environnements de travail. L’IA générative n’est pas la finalité, c’est l’élément déclencheur d’une refonte du fonctionnement des entreprises et organisations qui aurait dû être faite depuis bien longtemps.
Questions / Réponses
Pourquoi parle-t-on autant de l’IA générative alors que peu de gens semblent vraiment l’utiliser ?
Parce que l’IA générative suscite un fort engouement médiatique et institutionnel, mais son adoption reste encore partielle et souvent déconnectée des réalités du terrain. Les usages concrets sont limités par un manque de compréhension, d’objectifs clairs et d’accompagnement.
En quoi l’IA générative est-elle différente des autres innovations technologiques ?
Il s’agit d’une technologie à usages généraux, comme l’ordinateur ou Internet. Elle n’a pas de cas d’usage naturel unique, ce qui rend son appropriation plus difficile. Son potentiel dépend donc de notre capacité à l’intégrer de manière pertinente dans les pratiques professionnelles.
Quels sont les freins principaux à l’adoption de l’IA générative en entreprise ?
Les principaux freins sont culturels et organisationnels : des systèmes d’information obsolètes, des pratiques collaboratives datées, une compréhension encore superficielle de l’IA, et l’absence d’un projet commun mobilisateur pour les équipes.
L’IA générative va-t-elle remplacer les employés ?
Non, ce n’est pas l’objectif. L’IA générative est un levier pour augmenter les capacités humaines, pas pour les remplacer. Elle exige de repenser les outils et les méthodes de travail, dans une logique d’hybridation des compétences, pas de substitution.
Que doivent faire les entreprises pour intégrer l’IA générative de manière efficace ?
Elles doivent prendre le temps d’accompagner les collaborateurs, de clarifier les objectifs, de renforcer l’acculturation et de formaliser une vision claire et rassurante. L’adoption efficace repose sur un changement progressif, cohérent et porté collectivement.