Nous suivons avec intérêt l’évolution de l’IA générative. Comme beaucoup, nous percevons un potentiel considérable et l’utilisons au quotidien pour des tâches basiques. Force est de constater qu’aujourd’hui les projets ne montrent pas encore de résultats pleinement mesurables. Selon l’étude State of AI in Business 2025, 95 % des projets GenAI n’aboutissent à aucun retour mesurable, et seules 5 % des initiatives génèrent une valeur significative. L’étude nomme cela le GenAI Divide : beaucoup d’expérimentations, peu de résultats concrets.

De l’expérimentation à la valeur : les vrais défis de l’IA en 2025

L’étude souligne que les freins ne sont pas uniquement techniques; l’industrialisation reste surtout organisationnelle, avec des systèmes d’IA génératives qui peinent à apprendre de leurs erreurs, à s’adapter au contexte ou à intégrer les retours utilisateurs.

D’autres enseignements sont relevés dans cette étude State of AI in Business 2025 :

• Un désalignement budgétaire : les investissements GenAI sont majoritairement dirigés vers le marketing et la vente, alors que les gains les plus structurants se trouvent souvent dans l’automatisation du back-office et l’optimisation des processus internes.

• L’économie « ombre » de l’IA : beaucoup de collaborateurs utilisent déjà des outils comme ChatGPT ou Copilot pour leur travail quotidien, hors radar officiel. Selon l’étude, 90% des collaborateurs utilisent les outils d’IA, mais seulement 40% des entreprises ont souscrit officiellement à un abonnement. Ces usages informelsse font souvent sans approbation ou suivi formel par les services IT ou la direction. Ils ne font pas partie des projets pilotes ou des initiatives officielles de l’entreprise. 

• L’importance de la gouvernance : les entreprises les plus avancées en matière d’IA générative ont structuré leurs démarches. Elles combinent équipes dédiées, feuille de route claire, intégration dans les workflows, boucles de feedback et KPI ajustés. Ces entreprises passent de l’expérimentation à la création de valeur.

L’IA chez Ripple Motion

Nous partageons, chez Ripple Motion, le constat que l’IA n’apporte de résultats durables que lorsqu’elle s’appuie sur une donnée maîtrisée, structurée et accessible. C’est pourquoi notre parti pris est clair : bâtir l’IA sur la data, pas l’inverse.

L’étude met en lumière un point essentiel : l’IA n’apporte de résultats que lorsqu’elle est abordée comme un véritable projet d’entreprise, structuré, mesuré et intégré dans les processus existants. C’est-à-dire intégré dans une démarche industrielle. Au sens de “The Discipline of Market Leaders”, notre “Value Discipline” est l’excellence opérationnelle, et c’est dans cette logique que nous choisissons d’expérimenter le potentiel de l’IA au sein de nos process. Notre ambition n’est pas de remplacer nos méthodes et pratiques actuelles, mais de mesurer comment l’IA peut les enrichir et les sécuriser.

En effet, Ripple Motion explore différents usages : renforcer la qualité, fiabiliser nos livrables, améliorer certaines opérations et nos méthodes de tests. Chaque expérimentation est menée avec l’objectif de consolider notre usine logicielle.

Plutôt que de considérer l’IA comme un substitut à l’expertise humaine, nous l’envisageons comme un outil pour renforcer nos méthodes et consolider nos process. Elle nous permet d’expérimenter, d’optimiser nos pratiques et de sécuriser notre manière de travailler, tout en conservant le rôle central de nos équipes.

L’IA est indéniablement prometteuse : notre rôle est de l’utiliser pour faire grandir nos méthodes et nos équipes, renforcer et sécuriser l’usine logicielle de Ripple Motion.