Dans les entreprises que nous accompagnons chez aiko, un même constat revient très souvent : le marketing teste des agents, les RH déploient un assistant de recrutement, les équipes data industrialisent des modèles, et les métiers utilisent déjà ChatGPT en autonomie.

Ce n’est pas une stratégie unifiée. C’est une juxtaposition d’initiatives. Et cette situation, loin d’être un dysfonctionnement, correspond en réalité à une étape normale d’adoption.

La vraie question n’est donc pas de savoir pourquoi cela arrive, mais comment transformer cette énergie distribuée en création de valeur.

Voici les quatre convictions de Manuel Davy sur le sujet.

1. Le “shadow AI” n’est pas un problème, c’est un signal

Le “shadow AI” est souvent perçu comme un risque : perte de contrôle, multiplication des outils, fragmentation des usages.

Dans les faits, il traduit surtout une réalité beaucoup plus simple : les métiers s’emparent déjà de l’IA pour résoudre leurs problèmes concrets.

Ces initiatives locales sont donc le signe :

• d’une adoption réelle,

• d’une forte appétence terrain,

• et d’une capacité d’expérimentation déjà installée dans l’organisation.

Le shadow AI n’est pas une anomalie. C’est une phase normale du cycle d’adoption.

« Le shadow AI n’est pas le problème. C’est le symptôme d’une adoption déjà engagée. »

Le sujet n’est donc pas de le freiner, mais de savoir comment le structurer.

2. Le marché est moins mature qu’il n’y paraît (et plafonne souvent au niveau 3)

Beaucoup d’organisations se considèrent aujourd’hui comme avancées en matière d’IA.

Elles disposent de plateformes, d’équipes spécialisées, et parfois même de cas d’usage déjà industrialisés.

Pour clarifier cette réalité, nous utilisons souvent une grille simple de maturité :

Dans la majorité des cas, les organisations les plus avancées se situent aujourd’hui au niveau 3.

Elles savent produire de l’IA, mais pas encore la piloter comme un portefeuille de création de valeur.

Le niveau 4 reste rare : il correspond au moment où l’IA est réellement pilotée au P&L et où les arbitrages deviennent structurés.

« La frontière actuelle n’est plus technologique. Elle est dans la capacité à piloter la valeur. »

3. L’ordre des priorités compte plus que les outils (PPDA)

Une erreur fréquente consiste à commencer par la technologie : un agent, un modèle, une plateforme.

Puis à tenter ensuite d’adapter les processus, les données et les équipes.

Dans la pratique, cette approche conduit très souvent à des difficultés d’adoption ou d’industrialisation.

Nous utilisons pour cela une règle simple : PPDA.

• People

• Process

• Data

• Agent / Algo

Les échecs des projets IA sont rarement liés à la qualité des modèles.

Ils proviennent le plus souvent d’un désalignement entre l’outil et l’organisation.

« L’IA n’échoue pas pour des raisons technologiques. Elle échoue parce qu’elle est introduite trop tôt dans des organisations qui ne sont pas prêtes. »

Orchestrer l’IA, c’est avant tout respecter cet ordre.

4. La gouvernance est ce qui fait passer du niveau 3 au niveau 4

La gouvernance est souvent perçue comme une couche de contrôle ou de complexité supplémentaire.

Dans une logique IA, elle joue pourtant un rôle fondamental : transformer une accumulation d’initiatives en un portefeuille cohérent.

Sans gouvernance :

• les initiatives se multiplient,

• les efforts se dupliquent,

• et la valeur reste locale et difficilement lisible.

Avec une gouvernance structurée :

• les initiatives deviennent comparables,

• les arbitrages sont possibles,

• et la valeur peut être consolidée et pilotée.

C’est précisément ce qui caractérise le passage du niveau 3 au niveau 4.

« Une entreprise avec dix initiatives IA et zéro orchestration, c’est un orchestre sans chef : beaucoup de talent, aucune musique. »

Conclusion

Ces quatre convictions dessinent une même réalité : la plupart des entreprises ne sont pas au début de leur transformation IA, mais encore au milieu de leur phase d’expérimentation et d’industrialisation.

Elles ont appris à tester et à produire. Le prochain saut consiste à apprendre à orchestrer.

Et c’est précisément ce passage — du niveau 3 au niveau 4 — qui déterminera la capacité des organisations à transformer l’IA en véritable levier de création de valeur.