Lorsque l’équipe informatique de Seagate a décidé de remplacer la plate-forme ITSM qui gérait ses opérations informatiques mondiales depuis plus d’une décennie, elle avait trois mois pour le faire.
Il s’agissait d’un délai imposé par une expiration stricte du contrat. Il faudra trois mois pour migrer 30 000 employés des opérations mondiales de stockage et d’infrastructure de Seagate vers un système entièrement nouveau. Dans de telles situations, la plupart des organisations font la chose évidente : décompresser la configuration existante, la déposer dans le nouvel environnement et réconcilier le désordre plus tard. C’est le chemin le plus sûr. Cela garantit également presque que la fonctionnalité d’IA que l’équipe espérait ne sera pas entièrement fonctionnelle.
L’équipe a choisi une voie plus difficile. Ils l’ont reconstruit à partir de zéro. Nous avons restructuré notre catalogue de services, établi des SLA cohérents dans toutes les régions et réécrit notre hiérarchie de catégories afin que les tickets puissent être automatiquement acheminés sans que les agents n’aient à deviner à quoi ils appartiennent. Ils l’ont fait parce qu’ils ne voulaient pas intentionnellement faire avancer le processus traditionnel. Un an plus tard, l’agent IA déployé par l’équipe sur cette base évite désormais environ un tiers des tickets entrants. Les taux de résolution au premier contact sont actuellement 27 % supérieurs aux normes de l’industrie.
Cette décision – reconstruire plutôt que dupliquer – est la véritable histoire qui sépare les entreprises qui adoptent l’IA de celles qui ne le font pas. Et cela n’a pas grand-chose à voir avec le modèle qu’ils utilisent.
taxe complexe
Une proportion croissante des investissements des entreprises en IA est consommée avant que la valeur n’atteigne l’entreprise. Le MIT a découvert que 95 % des projets pilotes d’IA générative ne parviennent pas à passer à la production. Une étude réalisée en septembre 2025 par le Boston Consulting Group a révélé que 60 % des entreprises ne créent pas de réelle valeur grâce à l’IA. Ce chiffre était pire que l’année précédente, malgré de meilleurs outils et plus d’expérience. La prochaine étude de Freshworks sur le coût de la complexité met en évidence d’autres raisons. Un quart des budgets de l’IA sont consacrés au travail d’intégration, au nettoyage des données et aux efforts visant à imposer une sorte de conversation cohérente dans des systèmes qui n’ont pas été conçus pour communiquer entre eux.
Cette tendance est constante dans tous les secteurs. Les programmes peuvent s’arrêter, se réinitialiser ou se déconnecter silencieusement. Ce n’est pas parce que le modèle ne fonctionne pas. C’est parce que l’environnement d’exploitation sous-jacent n’était pas prêt à les prendre en charge.
Cela est vrai de manière disproportionnée pour un certain type d’entreprise, le type d’entreprise que j’en suis venu à appeler l’Entreprise Agile. Ces entreprises comptent entre 500 000 et 20 000 employés, dirigent des équipes informatiques réduites et ont une marge d’échec bien inférieure sur les paris technologiques que les entreprises disposant de 500 millions de dollars de budgets de transformation. Si une entreprise dans cette position perd un quart de ses dépenses en IA en raison des frais généraux d’intégration, ce n’est pas une erreur d’arrondi. C’est un effort annulé.
Ce que les entreprises qui vont de l’avant ont en commun
Mais des groupes d’entreprises plus petits et plus agiles produisent des résultats très différents. Ils ne dépensent plus. Ils commencent ailleurs.
Seagate en est une version. New Balance en est une autre. Nike compte 80 000 employés. New Balance fonctionne à 9 000. Et New Balance ne gagne pas de part de marché en grandissant, mais en devenant plus rapide et plus pointu. L’entreprise n’a pas atteint son statut en faisant quelque chose de fantaisiste. L’entreprise a obtenu ce prix en consolidant sa pile informatique fragmentée en une seule plateforme dotée d’une source unique de vérité, libérant ainsi ses équipes des tâches de maintenance et repensant la façon dont elle gère son activité.
Il s’agit d’un travail fondamental qui portera ses fruits bien avant l’arrivée de l’IA, et qui constitue la base même du fonctionnement de l’IA lorsqu’elle arrivera. Des sociétés telles que Nucor et Steel Dynamics, deux des quatre principaux producteurs d’acier américains, présentent le même schéma à l’échelle industrielle. Des décennies de discipline opérationnelle ont créé un environnement opérationnel que l’IA peut réellement optimiser.
Dans tout cela, l’IA agit là où le modèle opérationnel est prêt. Ce n’est pas parfait. Prêt. Cela signifie que les données ont été intégrées, que les flux de travail ont été définis et que le système a pu transmettre des informations sans intervention manuelle, nous donnant ainsi les résultats clairs et mesurables que nous souhaitions que l’IA améliore.
Comment démarrer lorsque l’on part d’un état foiré
La plupart des entreprises ne se trouvent pas dans la situation dans laquelle se trouve Seagate aujourd’hui. La plupart se situent quelque part entre les deux. Des plates-formes héritées en place depuis trop longtemps, des données dispersées sur des systèmes incohérents et une équipe informatique qui a passé plus de temps au cours des cinq dernières années à maintenir les systèmes en fonctionnement plutôt qu’à les reconstruire. La question n’est pas de savoir si l’IA fonctionnera dans l’environnement, mais par où commencer.
Robert Lyons, CTO de Katz Media Group, a l’une des réponses les plus claires que j’ai entendues. Katz est une division de 800 personnes au sein d’une société mère de 10 000 employés, et c’est une entreprise agile qui n’a pas le luxe de poursuivre toutes les initiatives d’IA qui semblent attrayantes. Lyons cartographie chaque projet d’IA potentiel sur ce qu’il appelle une matrice valeur-effort. Ainsi, un axe est la facilité de mise en œuvre et l’autre est la valeur commerciale. Il commence par des domaines de grande valeur et nécessitant peu d’efforts et travaille ensuite vers l’extérieur. « Ne commencez pas par les pires problèmes », a-t-il déclaré récemment. « Vous ne pouvez pas créer de valeur. Concentrez-vous sur la facilité de mise en œuvre pour un impact immédiat. »
Avant de déployer des outils d’IA, l’équipe de Lyons a fait deux choses que la plupart des organisations ignorent. Ils ont nettoyé et étiqueté les données. Parce qu’introduire des données désordonnées dans l’IA et se demander pourquoi les résultats sont décevants est le mode d’échec le plus courant dans les entreprises aujourd’hui. Nous avons également organisé un webinaire d’introduction à l’IA pour tous les employés, animé par une société de recherche tierce neutre plutôt que par le service informatique. « Il ne vous aboie pas », dit Lyons. « Si un parti neutre socialise cela, vous vous retrouvez dans une direction différente. »
Cette approche méthodique, disciplinée et axée sur les résultats distingue les entreprises qui ont adopté l’IA de celles qui en parlent encore.
Là où les avantages existent réellement
Toutes les entreprises agiles que j’ai vues réussir grâce à l’IA présentent systématiquement trois caractéristiques opérationnelles. Il n’y a aucune mention du modèle choisi par l’entreprise.
Ils ont réduit la fragmentation avant d’ajouter de l’intelligence. Plutôt que de tout consolider sur une seule super-plateforme (ce qui est une autre histoire et généralement plus coûteuse), cela est réalisé en permettant aux systèmes critiques d’échanger des informations sans transferts manuels. Ce n’est pas un travail glamour. Cela ne constitue pas une présentation passionnante au conseil d’administration. Mais il s’agit de l’action la plus efficace que les entreprises de taille moyenne puissent entreprendre avant d’envoyer un chèque à un outil d’IA. Ils ont appliqué l’IA aux parties qui améliorent l’exécution, et non aux parties qui créent de la complexité. Le meilleur cas d’utilisation dans une entreprise agile n’est pas un moonshot. Il s’agit d’accélérer votre flux de travail. Résolution plus rapide des tickets, planification plus intelligente de la demande, inspection qualité automatisée et planification de maintenance prédictive. Cas d’utilisation où les entrées sont structurées, les sorties sont mesurables et les humains restent au courant. Ils ont traité l’adoption de l’IA comme une discipline opérationnelle plutôt que comme un projet technologique. Les grandes entreprises n’ont pas confié l’IA aux équipes d’innovation et n’ont pas attendu les rapports. Ils l’ont intégré aux opérations quotidiennes des équipes les plus proches du client, de la ligne de production ou du cycle de revenus, et l’ont mesuré de la même manière qu’ils mesurent d’autres investissements opérationnels, selon qu’ils déplacent des chiffres importants.
Moment d’entreprise agile
L’IA est souvent évoquée comme s’il s’agissait d’une capacité que seules les entreprises les plus grandes et les mieux dotées en ressources peuvent déployer à grande échelle. Ce cadre est erroné et risque de devenir une prophétie auto-réalisatrice pour les entreprises agiles qui y croient.
Les entreprises agiles constituent la majorité des entreprises dans le monde. Si la promesse de productivité de l’IA est réelle, elle sera prouvée ou réfutée dans ces organisations, et non dans les entreprises valant plusieurs milliards de dollars qui exécutent des modèles fondamentaux sur mesure.
Une partie du travail d’un PDG consiste désormais à vivre dans le futur et à comprendre où va la technologie. Mais l’autre partie, la plus difficile, consiste à ramener cette vision au présent et à proposer quelque chose qui résout les véritables problèmes commerciaux d’aujourd’hui. Les entreprises que je vois faire ces deux choses n’ont pas de très gros budgets. Ce sont eux qui, à un moment donné, ont fait le choix intentionnel d’arrêter de s’éterniser sur le passé et de commencer à construire pour l’avenir.
C’est une option que les entreprises agiles peuvent adopter dès maintenant.
Les opinions exprimées dans les articles de commentaires de Fortune.com sont uniquement celles de l’auteur et ne reflètent pas nécessairement les opinions ou les croyances de Fortune.
