Diriger une entreprise native de l’IA en 2027 : cadre opérationnel pour un nouveau dirigeant

Le modèle d’entreprise fondé sur l’IA plutôt qu’un projet d’IA

Seules 21 % des entreprises ont fondamentalement repensé leurs modèles opérationnels autour de l’IA. C’est ce que révèle McKinsey. Les entreprises leaders attribuent au moins 5 % de leurs bénéfices avant intérêts et impôts à l’IA. Elles ont trois fois plus souvent procédé à une vaste réorganisation.

L’IA ne doit pas rester un projet technologique géré par le CIO ou une petite équipe d’innovation. Le modèle d’entreprise relie l’IA à la stratégie, aux processus, aux personnes, au capital, aux risques et à la valeur pour les clients.

Les éléments liés entre eux :

• stratégie ;
• processus ;
• personnes ;
• capital ;
• risques ;
• valeur pour les clients.

Critère : si l’IA relève de la fonction technologique, l’entreprise obtient un projet, pas un modèle opérationnel.

Les cinq composantes de l’entreprise axée sur l’IA

World Economic Forum et Kearney : en 2025, plus de 250 milliards ont été investis dans l’IA dans le monde. Seules 25 % des entreprises ont fait état d’un effet transformateur. Le rapport nomme cinq composantes clés de l’entreprise axée sur l’IA :

• moteurs d’intelligence ;
• piles technologiques adaptatives ;
• refonte des opérations ;
• équipes humain-IA ;
• création de nouvelles valeurs.

Le montant des investissements n’équivaut pas à leur effet. Ces cinq composantes servent de liste de contrôle. L’absence de l’une d’entre elles explique l’écart entre les investissements et les résultats.

Les processus d’abord, les outils ensuite

79 % des organisations omettent de repenser leurs processus de travail. Or, c’est cette refonte qui présente le lien le plus étroit avec l’impact sur les bénéfices de l’entreprise. Les entreprises leaders ont deux fois plus souvent repensé leurs processus de travail avant de choisir leurs outils d’IA.

Ordre des étapes :

• évaluer à quoi devrait ressembler le processus si l’IA pouvait effectuer une part importante du travail ;
• repenser le processus en fonction de cette vision ;
• ne choisir les outils d’IA qu’ensuite.

Critère : si le choix de l’outil précède la description du processus, la refonte se réduit à l’automatisation des anciennes étapes.

Personnes et agents : les limites de l’autonomie

Les agents d’IA exécutent des tâches, interagissent avec d’autres systèmes, prennent des décisions dans les limites établies et transmettent le travail à d’autres agents. Les personnes se concentrent sur le jugement, la confiance des clients, la stratégie et les exceptions.

Selon Deloitte, 74 % des dirigeants s’attendent à ce que près de la moitié des processus métier soient repensés autour des agents d’IA d’ici quatre ans. 61 % s’attendent à ce que la plupart des agents fonctionnent avec une large autonomie, sous la supervision de personnes. 75 % estiment que la collaboration entre les personnes et les agents crée plus de valeur que l’automatisation seule.

Seules 5 % des organisations estiment que leurs processus métier sont très bien préparés à l’arrivée des agents d’IA. 15 % ont déployé à grande échelle l’utilisation transversale de plusieurs agents. Critère : la valeur vient de la collaboration, pas de l’autonomie à elle seule.

Contrôle en cours d’exécution

Gartner considère le contrôle en cours d’exécution comme une exigence importante pour l’IA agentique. Un document de politique ne peut pas, à lui seul, arrêter un agent qui agit au-delà de ses autorisations.

Selon EY, 98 % des dirigeants de l’IA ont indiqué disposer de politiques de gouvernance formelles. Pourtant, 47 % ont déclaré que leur organisation avait contourné le processus de gouvernance pour accélérer un déploiement urgent. Parmi les organisations utilisant l’IA agentique, 26 % ne pouvaient pas détecter les agents internes non autorisés. 36 % ont fait état d’un incident ou d’une défaillance de l’IA ayant eu un effet négatif important.

Le dispositif de contrôle d’une entreprise axée sur l’IA comprend :

• des autorisations claires ;
• des contrôles d’identité ;
• des restrictions sur les actions ;
• des journaux d’audit ;
• l’approbation d’une personne pour les actions à haut risque ;
• la possibilité de désactiver rapidement le système.

Critère : une politique sans mécanisme permettant d’arrêter une action ne constitue pas un contrôle.

Mesure : la valeur par flux de travail utilisant l’IA

La mesure proposée aux dirigeants est la valeur par flux de travail utilisant l’IA. En complément des indicateurs financiers habituels, elle prend en compte :

• le coût de la tâche ;
• la participation humaine ;
• le taux de réussite de l’agent ;
• la part des exceptions ;
• l’impact sur le chiffre d’affaires ;
• l’impact sur la marge.

Les seuls indicateurs d’adoption ne suffisent pas à démontrer la valeur de l’IA au niveau de la direction. Critère : la mesure est liée à un processus concret et aux résultats financiers, et non au simple lancement d’un agent.

Visibilité opérationnelle et économie de l’IA

Selon KPMG, 53 % des organisations utilisaient des agents d’IA dans le cadre d’une enquête menée en juin 2026. La part des organisations qui coordonnent plusieurs agents dans leurs flux de travail est passée de 9 % à 18 % en un trimestre.

Pour les 12 mois suivants, les dirigeants prévoyaient des investissements moyens pondérés dans l’IA de 202 millions.

La coordination des agents progresse plus vite que la visibilité des dépenses. Critère : les tableaux de bord et les processus d’approbation, sans contrôle direct des jetons, ne permettent pas de piloter les dépenses.