Rapport McKinsey sur l'État de l'IA 2025 : Conclusions, Risques et Comment Passer à l'Échelle

Le nouveau rapport État de l'IA présente un marché en maturation : de plus en plus d'équipes utilisent l'IA quotidiennement, mais la plupart des entreprises peinent encore à l'étendre à plus grande échelle et à démontrer un impact au niveau de l'entreprise. Les dirigeants se distinguent en fixant des objectifs de croissance, en réorganisant les flux de travail et en établissant des contrôles mesurables—souvent avec des agents IA en avant-plan.

Quoi de neuf en 2025 par rapport à 2024

En 2024, McKinsey rapportait que 65% des organisations utilisaient régulièrement l'IA générative—un saut rapide depuis l'adoption précoce de 2023. Les documents de 2025 soulignent un autre écart : seulement environ un tiers rapporte avoir étendu l'IA dans toute l'organisation. Le message : l'utilisation est en hausse; la valeur à grande échelle reste insaisissable.

Cinq points à retenir maintenant

1. Le passage à l'échelle est le goulot d'étranglement. De nombreuses entreprises rapportent des projets pilotes, mais peu montrent une transformation de bout en bout ou un impact EBIT au niveau de l'entreprise. Les grandes entreprises sont plus susceptibles de passer à l'échelle, mais même elles citent des obstacles liés aux flux de travail, aux données et aux modèles opérationnels. McKinsey & Company
   
   

2. Les meilleurs performants visent la croissance et l'innovation—pas seulement la réduction des coûts. Huit sur dix citent des objectifs d'efficacité, mais les leaders ajoutent des objectifs de revenu et d'innovation, aidant à sécuriser les investissements et l'engagement transversal. McKinsey & Company
   
   

3. La refonte des flux de travail est incontournable. Les gagnants ne « rajoutent » pas des modèles; ils reconstruisent les processus (e.g., livres de jeu de vente, livres de courses de support, cycle de vie de la livraison de logiciels) et reconfigurent le contenu/les connaissances pour que l'IA puisse agir de manière fiable. McKinsey & Company
   
   

4. Les agents d'IA passent du battage à l'utilité. Les documents de 2025 soulignent l'adoption émergente d'agents capables de planifier, d'appeler des outils et de réaliser des travaux à plusieurs étapes—notamment en ingénierie logicielle et en opérations client—lorsqu'ils sont associés à des garde-fous politiques et à la récupération d'informations. McKinsey & Company
   
   

5. La mesure est immature. De nombreuses organisations manquent encore d'indicateurs clés de performance robustes et antérieurs pour les initiatives d'IA générative; là où le suivi existe, la réalisation de la valeur augmente et les incidents à risque diminuent. (Vue de Generation Digital, alignée sur l'appel constant de McKinsey pour la gouvernance et les métriques.) McKinsey & Company

Chiffres que le conseil d'administration demandera

• Niveau d'adoption : L'utilisation régulière de l'IA générative a atteint environ 65% des organisations au début de 2024; 2025 met l'accent sur l'obstacle à la mise à l'échelle plutôt qu'un simple pourcentage d'adoption. McKinsey & Company
  
  

• Potentiel économique : L'évaluation de référence de McKinsey pour l'IA générative reste entre 2,6 et 4,4 billions de dollars de valeur annuelle à travers 63 cas d'utilisation, la majorité étant dans les opérations client, le marketing et les ventes, l'ingénierie logicielle et la R&D. À traiter comme indicatif, non garanti. McKinsey & Company
  
  

• Utilisation versus perception des leaders : Les employés utilisent souvent l'IA plus que les dirigeants ne le pensent—soulignant le besoin de facilitation et de politique plutôt que d'interdictions générales. McKinsey & Company

Interprétation de Generation Digital : comment passer des pilotes à la preuve

1) Commencez avec des objectifs commerciaux, pas des fonctionnalités. Imitez les meilleurs performants : codifiez des objectifs de revenu ou d'innovation en plus des coûts. Traduisez-les en indicateurs clés de performance basés sur les résultats (temps de cycle, taux de conversion, CSAT, échec des défauts). McKinsey & Company

2) Reconcevoir un ensemble de flux de travail. Choisissez un flux de valeur (e.g., escalade de support L1→L2, transfert SDR→AE, incident→post-mortem). Reconcevez les artefacts (livres de jeu, taxonomies), les points de décision et les outils pour que l'IA soit le chemin par défaut—et non un ajout facultatif. McKinsey & Company

3) Construire une pile prête pour les agents. Introduisez une récupération conforme aux politiques, l'appel d'outils, et des pistes d'audit. En ingénierie, connectez les agents aux systèmes de billetterie, aux dépôts de code, aux pipelines de CI; en CX, connectez-vous au CRM, aux bases de connaissances, et à la téléphonie. McKinsey & Company

4) Gouverner pour la sécurité et la rapidité. Établissez une matrice d'approbations par niveau de risque; pré-approuvez les outils/ensembles de données; enregistrez les invites et les sorties; définissez une réversibilité. Cela raccourcit le délai de rentabilité tout en satisfaisant les exigences de conformité.

5) Mesurer les indicateurs avancés et retardés. Suivez l'adoption (utilisateurs actifs, tâches automatisées), la qualité (taux d'hallucination, garde-fous bloqués) et les résultats commerciaux (impact EBIT, augmentation des revenus). Associez dès le début les cas d'utilisation à un modèle financier.

Où déployer en premier (paris pratiques)

• Ingénierie logicielle : Suggestions de code, rédaction de RP, génération de tests, résumé d'incidents, et analyse des causes racines—où McKinsey voit systématiquement une concentration de valeur. McKinsey & Company
  
  

• Opérations client : Résolution assistée, mise en avant de la connaissance, prochaine meilleure action; retour sur investissement rapide lorsqu'il est associé à du contenu bien structuré. McKinsey & Company
  
  

• Ventes et marketing : Messages personnalisés, assemblage de propositions, et hygiène du pipeline avec des flux de travail agentiques. McKinsey & Company

Risques et contrôles

• Fuite de données et provenance : Utilisez la récupération ciblée et la rédaction; appliquez des filigranes sur les sorties sensibles.

• Hallucinations : Enracinez chaque réponse; mesurez les taux d'acceptation et de rejet des réponses.

• Fatigue face aux changements : Investissez dans la facilitation—McKinsey remarque des déconnexions entre l'utilisation perçue et réelle des employés; formalisez la facilitation au lieu de l'IA de l'ombre. McKinsey & Company

Notes pour les organisations basées au Royaume-Uni

• Les secteurs réglementés (Finance, Santé, Public) peuvent toujours passer à l'échelle en adoptant des modèles de risque stratifiés et des points de contrôle avec des humains.

• Pour les multinationales britanniques, alignez le GDPR britannique avec les politiques mondiales d'IA; maintenez des fiches modèles et des DPIA où cela est approprié.

Conclusion

Le rapport 2025 État de l'IA raconte une histoire claire : l'IA ne créera pas de valeur d'entreprise par elle-même. La valeur arrive lorsque les dirigeants fixent des objectifs de croissance, réorganisent les flux de travail, adoptent des piles prêtes pour les agents, et mesurent les résultats. Si vos pilotes ne bougent pas l'EBIT, le problème est probablement le modèle d'exploitation et la mesure—pas le modèle lui-même. McKinsey & Company+1

FAQ

Q1 : Quels sont les plus grands changements dans l'État de l'IA 2025 de McKinsey?
L'adoption est large, mais le passage à l'échelle est limité. Les plus performants ciblent la croissance ainsi que l'efficacité et réorganisent les flux de travail—souvent avec des agents IA—pour capter la valeur. McKinsey & Company+1

Q2 : Quel pourcentage d'organisations utilisent l'IA générative ?
McKinsey a rapporté environ 65% d'utilisation régulière de l'IA générative au début de 2024; 2025 pivote vers le défi de la mise à l'échelle plutôt que l'adoption en titre. McKinsey & Company+1

Q3 : Où se trouve la valeur économique ?
Les plus grands bassins : opérations client, marketing et ventes, ingénierie logicielle et R&D—contribuant à un impact potentiel annuel estimé entre 2,6 et 4,4 billions de dollars. McKinsey & Company

Q4 : Comment devrions-nous mesurer le succès de l'IA ?
Suivez l'adoption et les indicateurs de qualité anticipés ainsi que les indicateurs clés de performance des affaires (e.g., CSAT, conversion, temps de cycle, EBIT). Passer à l'échelle sans métriques est là où les programmes échouent.