Alors que les entreprises multiplient les initiatives IA, de nombreux projets d'infrastructures et opérations IT (I&O) sont encore loin d'en récolter les bénéfices. Une étude de Gartner révèle ainsi que seuls 28 % des cas d’usage atteignent leurs objectifs, tandis que 20 % échouent complètement. Pour Melanie Freeze, directrice de recherche au sein du cabinet d'études, ces échecs s’expliquent le plus souvent par des attentes irréalistes quant aux capacités des outils IA, ainsi que par des lacunes en compétences lors des phases pilotes. Si ces résultats restent préoccupants, ils marquent néanmoins une amélioration par rapport à une étude du MIT publiée l’an dernier, selon laquelle 95 % des projets de GenAI ne génèrent aucun retour financier mesurable. Dans le détail, comme elle l’explique à CIO, Melanie Freeze observe que de nombreuses équipes IT restent dans une logique d’expérimentation, où les équipes I&O se lancent avant tout pour tester. Or, prévient-elle, pour atteindre un retour sur investissement tangible, ces initiatives ne peuvent plus être menées comme de simples projets annexes.

Cette difficulté s’explique en grande partie par un décalage initial entre ambitions et réalité. Ainsi, dans une note d’analyse basée sur une enquête menée auprès de 783 responsables I&O fin 2025, Gartner indique que 57 % des répondants ont connu au moins un échec. Dans la plupart des cas, les entreprises attendaient des résultats trop rapides, qu’il s’agisse d’automatiser immédiatement des tâches complexes, de réduire drastiquement les coûts ou de résoudre des problèmes opérationnels anciens. Dès lors, lorsque les résultats tardent à apparaître, la confiance s’érode et les projets finissent par s’essouffler. Au-delà de ces attentes mal calibrées, l’étude met en évidence un autre point clé : le ROI de l’IA dépend moins de la sophistication des modèles que de leur intégration, de leur gouvernance et de leur alignement avec les besoins métiers réels.

Des facteurs clés de succès pour inverser la tendance

Dans ce cadre, Gartner identifie trois leviers principaux pour inverser la tendance. D’abord, l’intégration de l’IA dans les outils et processus existants apparaît comme essentielle pour favoriser son adoption et générer un impact concret. Ensuite, le soutien de la direction générale joue un rôle déterminant pour lever les obstacles, aligner les priorités et sécuriser les investissements. Enfin, la construction de business case réalistes reste un prérequis indispensable. Dans la continuité, Melanie Freeze recommande de gérer les cas d’usage IA comme un véritable portefeuille de produits. Cette approche garantit à la fois d’éviter les redondances, de créer des synergies et de mesurer plus finement leur impact global. Elle insiste également sur la nécessité d’une approche transverse, impliquant les directions IT, data, sécurité, juridique et finance, avec un modèle d’évaluation partagé pour comparer et prioriser les projets.

En pratique, les résultats les plus probants se concentrent aujourd’hui sur des domaines déjà matures. C’est notamment le cas de la gestion des services IT et des opérations cloud. Ainsi, 53 % des responsables I&O déclarent que leurs réussites en IA concernent l’ITSM. Dans ce contexte, Gartner recommande de diffuser largement ces succès en interne, tout en veillant à maintenir une stratégie IA cohérente et centralisée.

Un ROI conditionné par une vraie stratégie métier

Plus largement, ces enseignements confirment qu’un projet IA ne peut réussir sans cadrage en amont. Pour Melanie Freeze, démarrer sans plan reste une erreur classique. Construire une technologie en pensant qu’elle réussira d’elle-même constitue une approche vouée à l’échec. Elle doit au contraire être ancrée dans un business case solide. Autrement dit, les entreprises doivent d’abord clarifier leurs besoins, leurs ambitions et les limites de leurs outils actuels avant de se lancer. Faute de quoi, les conséquences peuvent dépasser le simple cadre du projet. Un déploiement mal maîtrisé est susceptible d'avoir une incidence sur l’ensemble de l’organisation, notamment en compromettant la fiabilité et la sécurité de ses infrastructures.

Dans ce prolongement, l'étude souligne que les facteurs d’échec diffèrent de ceux du succès. Plus que la seule priorisation, c’est la qualité de l’exécution et l’adoption métier qui conditionnent réellement le ROI. Enfin, à mesure que les investissements dans l’IA augmentent, la question de leur gouvernance devient centrale. Aujourd’hui encore, de nombreux projets restent financés par des unités métier isolées. Mais cette approche devrait évoluer : les directions générales et financières sont appelées à jouer un rôle accru dans la définition des critères de financement et la validation des projets les plus structurants.