Déployer l’intelligence artificielle (IA) n’est plus le principal défi pour les entreprises. Le vrai problème aujourd’hui est de transformer le potentiel de l’IA en valeur mesurable pour l’entreprise. Ce défi a été baptisé le « paradoxe de la valeur de l’IA ». Si les entreprises, en particulier dans la grande distribution et les biens de consommation, investissent massivement dans l’IA, les résultats tangibles de ces investissements ne suivent pas le rythme effréné des avancées technologiques. Les sociétés maîtrisent de mieux en mieux le déploiement de l’IA, mais peinent encore à en démontrer, attribuer et suivre l’impact concret sur leur activité. Une analyse des informations publiques de dix grandes entreprises de la grande distribution et des biens de consommation révèle que les mentions de l’IA dans les rapports annuels ont été multipliées par huit entre 2020 et 2025. Les annonces concernant les plateformes et projets pilotes d’IA se sont accélérées, mais les résultats quantifiables restent limités. Parmi les gains mesurables, les économies de coûts se concentrent principalement sur la gestion des stocks pour les détaillants et sur les dépenses de vente, générales et administratives pour les biens de consommation. Le chaînon manquant, en revanche, réside dans les mécanismes qui relient les ressources liées à l’IA – telles que les technologies, les plateformes et les cas d’usage – aux résultats commerciaux réels, comme le chiffre d’affaires, les marges bénéficiaires ou les besoins en fonds de roulement. Les informations disponibles publiquement indiquent que seulement environ 4 % des communications liées à l’IA portent sur ces mécanismes, contre 73 % sur les ressources et 23 % sur les résultats. Quelques entreprises ont cependant réussi à établir un lien entre l’IA et des résultats mesurables. Par exemple, Walmart attribue une augmentation de 35 % de la valeur des commandes à son assistant IA, Sparky, dont le taux d’adoption atteint environ 50 % parmi les utilisateurs de l’application. Mondelēz associe une efficacité de 80 % dans le travail des représentants commerciaux à une hausse de 2 à 4 % du chiffre d’affaires. Unilever a atteint un taux de disponibilité des produits de 98 % dans un projet pilote tout en réduisant de 30 % environ les efforts de planification manuelle. Ces succès montrent que, si l’IA peut créer du potentiel, sa valeur dépend de son intégration dans les processus métiers et de l’interaction des utilisateurs avec elle. La réalisation de cette valeur repose en grande partie sur le comportement des utilisateurs et leur confiance dans les systèmes d’IA. Les utilisateurs peuvent ignorer ou contourner les recommandations de l’IA s’ils ne font pas confiance au système, une confiance qui se construit notamment par la transparence, la cohérence et la fiabilité. Les entreprises qui négligent ces aspects voient souvent les taux d’adoption stagner avant d’atteindre les rendements escomptés. De nombreux projets d’IA restent bloqués dans le « purgatoire » des projets pilotes en raison d’un investissement insuffisant, de rôles décisionnels flous ou de résistances de la part de la middle management. Une mauvaise qualité des données peut également éroder la confiance, entraînant un désengagement même lorsque les données s’améliorent ultérieurement. Dans les magasins, par exemple, l’IA peut être utilisée pour planifier les effectifs ou évaluer l’agencement des points de vente, mais si les responsables de magasin ne sont pas associés à la conception ou à l’évaluation du système, ces recommandations risquent d’être ignorées. Le coût et la mesure de l’IA obéissent à une logique différente. Les coûts de l’IA augmentent avec son utilisation, notamment pour des tâches comme l’inférence et la gouvernance, tandis que la valeur se construit par étapes. Les premiers résultats ne suffisent pas toujours à juger du succès d’un projet d’IA. Avec l’IA agentive, capable de prendre des décisions autonomes, la mesure doit aussi porter sur la qualité de ces décisions et sur les structures de gouvernance en place. Les humains conservent un rôle à travers la validation et le contrôle, mais la valeur dépend de plus en plus de la capacité du système à agir de manière autonome. À mesure que l’IA évolue, la capacité à transformer ses capacités en résultats tangibles deviendra une discipline managériale essentielle et une source majeure d’avantage concurrentiel.