Rapport McKinsey 2025 sur l’état de l’IA : 12 constats clés que tout leader devrait connaître

Rapport McKinsey 2025 sur l'état de l'IA : constats, risques et comment passer à l'échelle

La nouvelle édition du rapport State of AI montre un marché qui gagne en maturité : de plus en plus d'équipes utilisent l'IA au quotidien, mais la plupart des entreprises peinent encore à la déployer à grande échelle et à prouver son impact réel sur les affaires. Les leaders se démarquent en fixant des objectifs de croissance, en repensant leurs flux de travail et en instaurant des mécanismes de contrôle mesurables — souvent en misant d'abord et avant tout sur les agents IA.

Quoi de neuf en 2025 par rapport à 2024?

En 2024, McKinsey rapportait que 65 % des organisations utilisaient régulièrement l'IA générative — un bond spectaculaire par rapport aux débuts de son adoption en 2023. Les données de 2025 mettent en lumière un tout autre défi : seulement environ un tiers des entreprises affirment déployer l'IA à l'échelle de l'organisation. Le constat est clair : l'utilisation est en hausse, mais la valeur à grande échelle reste encore difficile à concrétiser.

Cinq constats incontournables dès maintenant

1. Le passage à l'échelle est le véritable goulot d'étranglement. Beaucoup d'entreprises lancent des projets pilotes, mais rares sont celles qui démontrent une transformation de bout en bout ou un impact sur le BAII à l'échelle de l'organisation. Les grandes entreprises ont plus de facilité à passer à l'échelle, mais elles font face elles aussi à des freins liés aux processus, aux données et au modèle opérationnel. McKinsey & Company
   
   

2. Les plus performants visent la croissance et l'innovation — pas seulement les économies de coûts. Huit leaders sur dix mentionnent des objectifs d'efficacité, mais les meilleurs y ajoutent des cibles de revenus et d'innovation, ce qui facilite le financement et l'engagement de toutes les équipes. McKinsey & Company
   
   

3. Repenser les flux de travail est incontournable. Les gagnants ne se contentent pas de « greffer » des modèles par-dessus l'existant; ils reconstruisent leurs processus (ex. : guides de vente, procédures de soutien, cycle de développement logiciel) et restructurent le contenu et les connaissances pour que l'IA puisse agir de manière fiable. McKinsey & Company
   
   

4. Les agents IA passent de l'effet de mode à la réelle valeur pratique. L'édition 2025 souligne l'adoption émergente d'agents capables de planifier, d'interroger des outils et d'accomplir des tâches multi-étapes — particulièrement en génie logiciel et au service client — lorsqu'ils sont encadrés par des politiques claires et des systèmes de recherche d'information (RAG). McKinsey & Company
   
   

5. La mesure de la performance manque encore de maturité. Bien des organisations manquent toujours d'indicateurs avancés solides pour suivre leurs initiatives en IA générative; pourtant, là où le suivi est en place, la concrétisation de la valeur augmente et les risques diminuent. (Perspective de Generation Digital, tout à fait alignée avec l'appel constant de McKinsey pour une meilleure gouvernance et de métriques claires.) McKinsey & Company

Les chiffres que votre conseil d'administration voudra connaître

• Niveau d'adoption : L'utilisation régulière de l'IA générative atteignait environ 65 % des organisations au début de 2024; en 2025, l'attention se porte sur le défi du passage à l'échelle plutôt que sur un simple taux d'adoption. McKinsey & Company
  
  

• Potentiel économique : L'estimation de base de McKinsey pour l'IA générative demeure entre 2,6 et 4,4 billions de dollars de valeur annuelle à travers 63 cas d'usage, principalement dans le service client, le marketing et les ventes, le génie logiciel et la R&D. À considérer comme un ordre de grandeur prometteur, et non comme une garantie. McKinsey & Company
  
  

• Utilisation réelle vs perception de la direction : Les employés utilisent souvent l'IA beaucoup plus que la direction ne le pense — ce qui démontre bien qu'il vaut mieux miser sur la formation et l'encadrement plutôt que sur des interdictions pures et simples. McKinsey & Company

L'analyse de Generation Digital : comment passer des projets pilotes aux résultats concrets

1) Partez de vos objectifs d'affaires, pas de la technologie. Faites comme les organisations les plus performantes : associez des objectifs de revenus ou d'innovation à vos cibles de réduction de coûts. Traduisez-les en indicateurs clés axés sur les résultats (temps de traitement, taux de conversion, satisfaction client, taux de bogues évités). McKinsey & Company

2) Révisez un flux de travail complet. Choisissez une chaîne de valeur spécifique (ex. : escalade de soutien N1 vers N2, transfert SDR vers AE, analyse post-mortem d'incident). Repensez les outils, la documentation (guides, taxonomies) et les points de décision pour faire de l'IA le chemin par défaut — et non une option secondaire. McKinsey & Company

3) Bâtissez une architecture prête pour les agents. Intégrez une recherche documentaire intelligente (RAG), la compatibilité avec des outils externes et des pistes d'audit. En ingénierie, connectez vos agents à vos systèmes de tickets, vos dépôts de code et vos pipelines CI/CD; pour l'expérience client, branchez-les à votre CRM, vos bases de connaissances et votre téléphonie. McKinsey & Company

4) Gouvernez pour allier sécurité et rapidité. Établissez une grille d'approbation selon le niveau de risque; préapprouvez les outils et les jeux de données; journalisez les invites (prompts) et les résultats; prévoyez un plan de repli. Vous accélérerez ainsi la création de valeur tout en respectant la conformité.

5) Mesurez les indicateurs avancés et les résultats finaux. Suivez à la fois l'adoption (utilisateurs actifs, tâches automatisées), la qualité (taux d'hallucination, blocages par les garde-fous) et les résultats financiers (impact sur le BAII, croissance des revenus). Raccordez vos cas d'usage à un modèle financier dès le départ.

Où déployer en premier (les paris les plus payants)

• Génie logiciel : Suggestions de code, rédaction de pull requests, génération de tests, synthèses d'incidents et analyse des causes fondamentales — là où McKinsey constate de manière répétée une forte concentration de valeur. McKinsey & Company
  
  

• Service à la clientèle et opérations : Résolution assistée, recherche rapide d'information, recommandation de la meilleure action suivante; un retour sur investissement rapide, particulièrement avec des contenus bien structurés. McKinsey & Company
  
  

• Ventes et marketing : Messages personnalisés, montage de propositions d'affaires et optimisation du pipeline grâce à des flux de travail agentiques. McKinsey & Company

Risques et mesures de contrôle

• Fuite de données et traçabilité : Utilisez un accès documentaire circonscrit et le caviardage de données; apposez des filigranes sur les données sensibles générées.

• Hallucinations : Ancrez chaque réponse dans vos données de référence; mesurez les taux d'acceptation et de modification manuelle des réponses.

• Fatigue du changement : Investissez dans l'accompagnement — McKinsey observe un décalage entre l'utilisation perçue et l'utilisation réelle par les employés; structurez la formation plutôt que de laisser prospérer le Shadow AI. McKinsey & Company

Remarques pour les organisations basées au Royaume-Uni

• Les secteurs réglementés (services financiers, santé, secteur public) peuvent tout de même déployer l'IA à l'échelle en adoptant des modèles de risque gradués et une supervision humaine ciblée.

• Pour les multinationales britanniques, alignez le RGPD britannique sur vos politiques globales d'IA; tenez à jour des fiches techniques de modèles et des évaluations des facteurs relatifs à la vie privée (EFVP/DPIA) au besoin.

En résumé

Le rapport State of AI 2025 dresse un constat sans équivoque : l'IA ne générera pas de valeur d'affaires par magie. La valeur se concrétise quand les leaders fixent des objectifs de croissance, repensent leurs processus de travail, adoptent des architectures prêtes pour les agents et mesurent rigoureusement les résultats. Si vos projets pilotes ne font pas bouger votre BAII, le problème réside sans doute dans votre modèle opérationnel et vos indicateurs — pas dans la technologie elle-même. McKinsey & Company+1

Foire aux questions (FAQ)

Q1 : Quels sont les plus grands changements notés dans le rapport McKinsey State of AI 2025?
L'adoption est généralisée, mais le passage à l'échelle reste limité. Les leaders les plus performants visent autant la croissance que l'efficacité et repensent leurs flux de travail — souvent avec des agents IA — pour concrétiser cette valeur. McKinsey & Company+1

Q2 : Quel pourcentage d'organisations utilisent l'IA générative?
McKinsey rapportait une utilisation régulière de l'IA générative par environ 65 % des organisations au début de 2024; en 2025, l'enjeu principal est le passage à l'échelle plutôt que le simple chiffre d'adoption. McKinsey & Company+1

Q3 : Où réside la valeur économique?
Les plus grands gisements : le service à la clientèle, le marketing et les ventes, le génie logiciel et la R&D — totalisant un potentiel d'impact annuel estimé entre 2,6 et 4,4 billions de dollars. McKinsey & Company

Q4 : Comment mesurer le succès de nos initiatives en IA?
Suivez des indicateurs avancés d'adoption et de qualité, combinés à des indicateurs clés d'affaires (ex. : CSAT, taux de conversion, temps de cycle, impact sur le BAII). C'est souvent faute de métriques adaptées que les programmes de déploiement à grande échelle finissent par stagner.