En bref : Le Directeur des Opérations d’Uber, Andrew Macdonald, vient de jeter un pavé dans la mare : l’entreprise peine à justifier le retour sur investissement de ses dépenses massives en IA. Une déclaration qui met en lumière une question que trop de dirigeants préfèrent encore ignorer : votre stratégie IA crée-t-elle réellement de la valeur, ou n’est-elle qu’un gouffre financier ?

Le paradoxe de l’IA : investissements records, ROI invisible ?

L’enthousiasme autour de l’Intelligence Artificielle est palpable, et les budgets alloués à cette technologie explosent. Pourtant, une voix autorisée vient de briser le silence assourdissant sur une réalité moins glorieuse : celle du retour sur investissement (ROI) des projets IA. Andrew Macdonald, COO d’Uber, a récemment déclaré qu’il devenait “de plus en plus difficile de justifier” les coûts liés à l’IA, malgré une adoption interne massive.

Ce constat n’est pas anodin. Alors que 95 % des ingénieurs d’Uber utilisent des outils d’IA chaque mois et que 70 % du code validé est généré par l’IA, le lien direct avec une augmentation proportionnelle de fonctionnalités utiles pour le consommateur reste introuvable, selon Macdonald. Pire encore, Uber aurait épuisé l’intégralité de son budget IA pour 2026 en seulement quatre mois.

Cette situation n’est pas isolée. Des études révèlent que 95 % des projets d’IA générative en entreprise échouent à générer un ROI mesurable, certains n’apportant “aucun retour mesurable”. La RAND Corporation estime même que 80,3 % des projets IA ne parviennent pas à délivrer la valeur commerciale attendue. Un “paradoxe de la GenAI” où 78 % des entreprises utilisent l’IA générative, mais la majorité ne signale “aucun impact significatif sur les résultats nets”, selon McKinsey & Co..

Ces chiffres alarmants soulèvent une question fondamentale : pourquoi tant d’organisations investissent-elles des milliards sans parvenir à matérialiser la valeur promise ?

Ce que ça change vraiment pour votre organisation

La déclaration d’Uber et les statistiques sur l’échec du ROI de l’IA ne sont pas de simples anecdotes techniques ; elles révèlent une fracture profonde entre l’ambition technologique et la réalité économique. Pour les dirigeants, DSI, DAF et fondateurs, les implications sont majeures :

1. L’urgence d’une gouvernance IA axée sur la valeur, pas sur l’adoption. Jusqu’à présent, de nombreuses entreprises ont mesuré le succès de leurs initiatives IA par le taux d’adoption ou le nombre de POC lancés. L’expérience d’Uber démontre que cette approche est insuffisante, voire dangereuse. Une adoption massive d’outils IA, même par 95 % des ingénieurs, ne garantit pas la création de valeur métier tangible. La priorité doit se déplacer vers des métriques de performance et de ROI claires, alignées sur les objectifs stratégiques de l’entreprise. Sans cette rigueur, les budgets IA, qui peuvent être consommés à une vitesse fulgurante comme chez Uber, deviennent des dépenses non justifiées.

2. Le piège de l’expérimentation sans industrialisation stratégique. Le constat que “seulement un petit groupe de responsables en retire des bénéfices tangibles” met en lumière un clivage entre les entreprises qui expérimentent l’IA et celles qui l’industrialisent avec succès. Les échecs sont souvent attribués à des infrastructures de données fragmentées, une intégration de processus inadéquate et un manque de cas d’usage clairement définis. L’IA ne peut être un simple “nice-to-have” technologique ; elle doit être intégrée comme un levier de transformation globale, avec une feuille de route claire et des objectifs mesurables. Faute de quoi, vos projets risquent de rejoindre les 88 % de POC qui n’atteignent jamais la production, ou les 42 % de projets qui génèrent un ROI nul.

Les 3 questions que vous devriez déjà vous poser

1. Comment votre organisation mesure-t-elle concrètement le ROI de ses investissements IA au-delà des indicateurs d’adoption ou des succès de POC ? La complexité de l’IA rend les mesures traditionnelles de ROI obsolètes. Si vous ne pouvez pas tracer une ligne directe entre vos dépenses en IA et des gains métier tangibles (réduction des coûts, augmentation des revenus, amélioration de l’expérience client), vous risquez de vous retrouver dans la même situation qu’Uber. Quelles sont les métriques spécifiques et adaptées que vous utilisez pour évaluer la valeur réelle de chaque initiative IA, et non seulement son coût ou son utilisation ?

2. Votre budget IA est-il le fruit d’une stratégie claire et d’objectifs métier précis, ou est-il en partie dicté par la “peur de rater le train” (FOMO) ? De nombreuses entreprises se lancent dans l’IA par impératif stratégique, souvent motivées par la crainte d’être distancées par la concurrence, sans pour autant identifier des retours à court terme clairement définis. Cette approche peut mener à des dépenses impulsives et non alignées sur les besoins réels. Avez-vous une vision claire des problèmes commerciaux que l’IA doit résoudre, ou investissez-vous dans la technologie pour la technologie ?

3. Vos concurrents ont-ils déjà trouvé la formule pour justifier leurs investissements IA, et si oui, qu’est-ce qui les différencie ? Le rapport de KPMG souligne un clivage net entre les entreprises “expérimentales” et celles qui ont industrialisé leurs usages IA, ces dernières obtenant systématiquement de meilleurs résultats : 82 % affirment que l’IA apporte une valeur ajoutée significative, contre 62 % pour leurs homologues. Les “leaders du ROI en IA” se distinguent par une approche repensant les modèles d’affaires et des mesures de ROI adaptées. Votre organisation est-elle en train de combler ce fossé, ou de le creuser ?

Notre lecture chez GX2C

Chez GX2C, nous observons que le paradoxe du ROI de l’IA est le symptôme d’une approche fragmentée. L’échec ne vient pas de la technologie elle-même, mais d’un manque de rigueur stratégique, de fondations de données solides et d’une gouvernance insuffisante dès le départ. Les entreprises qui réussissent considèrent l’IA comme une transformation globale, avec des objectifs clairs et des métriques de valeur définies avant le déploiement. L’exemple d’Uber est un signal d’alarme : il est temps de passer de l’expérimentation technologique à une industrialisation stratégique de l’IA, sous peine de voir vos investissements se transformer en coûts sans bénéfices tangibles.

Vous travaillez sur ce sujet ? Echangeons 30 minutes — GX2C accompagne dirigeants et fondateurs dans leurs projets IA.