Euphorie technologique : une nouvelle bulle Internet ?
L’engouement actuel pour l’IA génère un climat rappelant la bulle Internet de 1999-2000. Gilles Babinet, entrepreneur du numérique, souligne d’ailleurs de « nombreuses similitudes avec l’époque de la bulle dotcom ». Il pointe du doigt des attentes démesurées avec comme principaux fantasmes l’AGI (intelligence artificielle générale) ou des robots humanoïdes omniprésents. Il alerte également sur une frénésie spéculative qui n’est pas sans risques.
Comme lors de la folie Internet, l’euphorie a précédé la maturité, mais « ce cycle touche à sa fin : derrière les effets d’annonce, les limites commencent à apparaître ». En clair, la réalité finit par rattraper certains acteurs dont les annonces ne débouchent pas sur des résultats tangibles.
Un indicateur inquiétant de cette bulle naissante est la surenchère des valorisations et investissements circulaires. Les géants du numérique injectent des milliards dans des startups d’IA, qui en retour dépensent ces fonds en services cloud, crédits GPU et APIs… fournis par ces mêmes géants. La FTC américaine s’alarme de cette pratique de « dépenses circulaires » où les fonds levés reviennent aussitôt dans la poche des investisseurs via la consommation de leurs infrastructures. Microsoft, par exemple, a investi 13 milliards de dollars dans OpenAI, mais une large part de cette somme consiste en crédits Azure que la startup doit utiliser, créant « une boucle fermée » profitable au géant du cloud. Ce circuit fermé de capitaux et de dépendances gonfle artificiellement la bulle en donnant l’illusion de marchés colossaux, alors qu’il s’agit souvent de la même mise qui tourne en circuit interne.
Des chiffres d’affaires mirobolants… déconnectés du réel
Les promesses financières affichées par certains acteurs de l’IA semblent difficilement justifiables au regard de l’économie réelle. OpenAI, par exemple, aurait fixé un objectif stratosphérique de 125 milliards de dollars de revenus en 2029. Un tel chiffre laisse perplexe quand on le compare aux leaders technologiques existants : Accenture, champion mondial de l’intégration technologique, réalise aujourd’hui autour de 65 à 68 milliards de dollars de chiffre d’affaires annuel. Autrement dit, OpenAI ambitionne de générer en quelques années près du double du revenu d’une multinationale forte de 733 000 employés. Même en imaginant qu’OpenAI diversifie massivement ses services et devienne à la fois fournisseur de modèles et intégrateur clé en main, un tel bond paraît disproportionné. Gilles Babinet le résume crûment : viser 125 (voire 290) milliards dans ce laps de temps est « tout simplement impossible » au vu des comparables du marché.
Le modèle B2C de l’IA génère, lui, des revenus bien plus modestes que ce que la hype laisse entendre. ChatGPT a beau revendiquer des centaines de millions d’utilisateurs dans le monde, la monétisation reste limitée. Prenons une hypothèse généreuse : si 10 % des utilisateurs actifs passaient en formule payante à ~10 € par mois, cela représenterait moins d’un milliard d’euros annuels… Une goutte d’eau au regard des valorisations colossales et des dizaines de milliards investis. Le fameux « marché des tokens » (la vente de crédits d’API pour interroger les modèles) repose lui aussi sur des projections spéculatives. Beaucoup de ces estimations reflètent davantage l’enthousiasme des investisseurs que la réalité d’une demande stabilisée. En somme, un fossé béant se creuse entre les business plans ambitieux affichés et la traction économique concrète observable à ce jour.
Promesses vs réalité : 95 % des projets d’IA échouent
L’autre face de la médaille, c’est la réalité opérationnelle souvent bien en deçà des promesses. Le rapport du projet NANDA du MIT intitulé « The GenAI Divide: State of AI in Business 2025 » met en lumière un écart frappant entre le discours et les résultats obtenus en entreprise. Après analyse de 300 projets pilotes menés ces dernières années, le verdict est sans appel : « seulement 5 % des projets entraîneraient un effet positif sur les revenus des entreprises. À l’inverse, 95 % échouent à avoir un impact financier tangible ». Autrement dit, 19 projets sur 20 ne produisent aucun bénéfice mesurable. Ce taux d’échec vertigineux rappelle combien l’IA actuelle peine à tenir ses promesses dès qu’il s’agit d’améliorer concrètement la performance d’une entreprise.
Pourquoi un tel gâchis ? D’une part, de nombreux cas d’usage se révèlent mal définis ou peu alignés sur les besoins métier. D’autre part, les organisations sous-estiment la complexité d’intégrer l’IA dans leurs process (qualité des données, adaptation des workflows, acceptation par les équipes…). Gilles Babinet note ainsi que l’écart entre attentes et résultats est aggravé par des business plans peu crédibles — des projets mal ficelés qui misaient tout sur le mot-clé « IA » pour séduire, sans proposition de valeur solide derrière. « L’IA n’est pas un passe-droit pour lever des fonds ni un alibi pour séduire », rappelle un expert : plaquer une couche d’IA sur un modèle bancal ne sauvera pas un produit sans valeur. Au contraire, l’IA a tendance à accélérer les défauts : une mauvaise idée ira juste un peu plus vite dans le mur. Désormais, « les clients posent des questions concrètes » et « le vernis craque quand la livraison ne suit pas ».
Les chiffres confirment ce retour au réel. Lorsqu’elles tentent d’intégrer l’IA en interne, sans expertise externe, les entreprises se heurtent fréquemment à l’échec. Le MIT rapporte que « 67 % des initiatives aboutissent quand elles sont réalisées avec des partenaires spécialisés, contre seulement un tiers de réussite pour les initiatives internes ». Faire appel à des compétences extérieures semble donc tripler les chances de succès d’un projet IA. Cela en dit long sur la rareté des compétences et l’immaturité des savoir-faire en interne.
L’accompagnement IA réduit à… de la formation ?
Conscientes de ces lacunes, de nombreuses entreprises se tournent vers les cabinets de conseil et autres prestataires pour les « accompagner » dans l’adoption de l’IA. En pratique, cet accompagnement s’apparente souvent davantage à de la formation et de l’acculturation qu’à de la transformation technique avancée. En France, près des trois quarts des salariés ne se sentent tout simplement pas prêts à utiliser l’IA : 72 % des collaborateurs estiment ne pas avoir les compétences nécessaires et manquent de formation sur le sujet. Seuls 38 % des employés disent avoir été formés à l’usage des outils d’IA par leur entreprise. Une minorité, concentrée dans les grandes structures les plus en pointe. Le premier besoin est donc basique : expliquer ce qu’est l’IA, comment elle fonctionne, ses limites et ses cas d’usage potentiels.
Les offres d’« accompagnement IA » reflètent cet état de fait. Par exemple, Lefebvre Dalloz Compétences, organisme de formation professionnelle, a lancé plus de 70 formations dédiées à l’IA depuis fin 2023. Objectif affiché : « aider les entreprises à mieux former leurs collaborateurs à l’IA et à ses enjeux ». Au programme, des modules d’acculturation généraliste (démystifier ChatGPT et consorts, poser un cadre d’usage responsable) puis des ateliers ciblés par métier : « IA et prompt engineering », « productivité augmentée par l’IA »… Il s’agit de dédramatiser l’IA pour des salariés parfois inquiets, et de montrer très concrètement comment ces outils peuvent « faciliter le quotidien des collaborateurs » en automatisant certaines tâches routinières. « L’IA ne va pas vous remplacer… mais quelqu’un qui sait l’utiliser, oui » : la formule choc que l’on entend partout résume l’urgence de former, sous peine de voir les compétences devenir obsolètes.
À la recherche des vrais cas d’usage
Plutôt que de lancer une automatisation tous azimuts, les entreprises s’emploient désormais à défricher les cas d’usage concrets où l’IA apportera de la valeur. « Pour former vos collaborateurs, commencez par un cas d’usage concret, pas par une grande stratégie », conseille par exemple Stéphanie Delestre, dirigeante de la startup Volubile. Inutile de partir dans de grands plans abstraits, mieux vaut confier rapidement à une IA une tâche précise et bien ciblée. « Comme traiter les appels téléphoniques non répondus, classer des demandes récurrentes, assister le support client la nuit et impliquer les équipes terrain dans ce choix », souligne Ivan Becerril de la startup Buzzee Telecom. « Car oui, ce sont souvent les opérationnels — commerciaux, chargés d’accueil, techniciens — qui ont les meilleures idées de processus à améliorer, car ils connaissent les problématiques fastidieuses du quotidien », poursuit-il. Une petite automatisation réussie sur un périmètre circonscrit a bien plus d’impact qu’une « stratégie IA » ambitieuse qui resterait lettre morte.
En France, même les pouvoirs publics ont pris acte de ce besoin d’ancrer l’IA dans le concret. Le gouvernement a lancé en 2025 le plan « Osez l’IA », visant à diffuser l’IA dans toutes les entreprises d’ici 2030. Parmi les mesures, un programme de Diagnostics Data/IA subventionnés par Bpifrance aide les PME à faire un état des lieux technique et identifier des cas d’usage applicables, avec une priorisation par valeur ajoutée. Une plateforme publique sera également mise en ligne pour recenser des solutions classées par familles de cas d’usage et par secteur, afin d’orienter les dirigeants perdus face à la multitude d’outils disponibles. En parallèle, l’État cofinance des formations massives (objectif : 15 millions de professionnels formés à l’IA d’ici 2030) via une « Académie de l’IA » en ligne. Ces initiatives confirment que nous ne sommes encore qu’au début du chemin. L’enjeu du moment, c’est de trouver quoi faire avec l’IA et d’armer les salariés pour l’utiliser, bien plus que de déployer déjà des intelligences artificielles à tous les étages. D’ailleurs, seulement 13 % des PME et ETI françaises avaient réellement amorcé un projet IA en 2023. Preuve que la grande majorité est encore en phase d’observation ou d’expérimentation.
Vers la désillusion… et un nouveau départ
Au vu de ces éléments, une phase de désillusion semble inévitable dans le cycle de hype de l’IA. La fameuse « courbe du hype » chère aux analystes de Gartner suit toujours le même schéma. Après l’excitation initiale vient le moment où la réalité rattrape les fantasmes, provoquant une chute brutale des attentes. Gilles Babinet anticipe ainsi « une phase de déception massive » à court terme. De nombreux acteurs survalorisés risquent de connaître le sort des start-up dotcom de 2000 : faillites, licenciements, investisseurs désemparés. L’éclatement de la bulle IA, s’il se produit, n’aura pourtant rien d’une fin en soi. Comme en 2000-2001, cette correction fera le tri entre les modèles viables et les chimères. « La fin des illusions ? Espérons que cela soit aussi le début de la maturité », écrivait récemment un entrepreneur de l’IA. Autrement dit, le creux de la vague pourrait ouvrir la voie à une sélection naturelle bénéfique : exit les concepts fumeux, place aux solutions solides qui apportent de la valeur réelle sur le terrain.
Car au-delà du battage médiatique, il ne faut pas perdre de vue l’essentiel : l’IA demeure une technologie fondamentalement transformatrice sur le long terme. Même si l’utopie d’une IA générale consciente reste lointaine et hypothétique, les avancées incrémentales promettent de révolutionner de nombreux secteurs. Les progrès les plus tangibles sont attendus dans les sciences fondamentales (découverte accélérée de nouveaux médicaments ou matériaux, simulations physiques avancées, résolution de problèmes mathématiques complexes) et dans la généralisation d’assistants intelligents au service des professionnels (médecins aidés par des IA diagnostiques, juristes assistés dans la recherche jurisprudentielle, opérateurs industriels secondés par des systèmes de maintenance prédictive…). Ces évolutions se feront pas à pas, parfois discrètement, mais elles « changent profondément la façon de produire, vendre, décider » dans l’économie. C’est dans ces usages réels, mesurables, parfois peu visibles que résidera la valeur durable de l’IA… bien plus que dans les annonces tapageuses de révolution magique ou les projections mirobolantes de revenus.
Penser marathon plutôt que sprint
Le message à retenir, pour les entreprises comme pour les investisseurs, c’est que l’IA n’est pas une course de vitesse aux résultats immédiats, mais une épreuve d’endurance. « L’erreur serait de calquer attentes et investissements sur la logique du sprint », avertit Gilles Babinet, « alors que l’IA exige un effort de type marathon ». Vouloir des ROI en quelques mois sur des projets IA complexes est illusoire — au risque de tout abandonner après un POC décevant. À l’inverse, celles et ceux qui aborderont cette révolution avec patience, discipline et réalisme construiront l’avantage concurrentiel de demain. Concrètement, il s’agit de sortir du storytelling et de la « démo qui fait waouh », pour se concentrer sur la robustesse en production et l’amélioration continue. Les entreprises ont intérêt à viser des bénéfices durables plutôt que des coups d’éclat : investir dans la qualité des données, la formation des équipes, l’itération sur des cas d’usage à forte valeur, le tout dans le respect des contraintes (éthiques, réglementaires, sécurité) qui s’imposent.
En ce sens, le raisonnement de Gilles Babinet tient la route. À court terme, la bulle spéculative autour de l’IA a de fortes chances de se dégonfler, révélant l’écart entre les promesses marketing et la réalité des implémentations. Mais le véritable enjeu est ailleurs. Il réside dans notre capacité collective à traverser la phase de désillusion sans renoncer, pour construire ensuite une trajectoire soutenable d’adoption de l’IA. L’histoire des révolutions technologiques l’a montré : l’éclatement d’une bulle ne signe pas la fin d’une technologie — il en marque souvent la renaissance, épurée des excès. Après la purge, l’IA pourra enfin être abordée non plus comme un buzzword miracle, mais comme ce qu’elle est vraiment : un formidable outil de transformation, à déployer méthodiquement, intelligemment, et humainement.
Augustin GARCIA
