IA en entreprise : transformer l’organisation globalement ou commencer par verticales métiers ?

Aujourd’hui, la plupart des entreprises ont déjà dépassé le stade de la curiosité.
La question n’est plus de savoir si l’IA va transformer l’entreprise.
Elle la transforme déjà.

La vraie question est ailleurs : faut-il lancer une transformation IA globale à l’échelle de l’entreprise, ou commencer par verticales métiers ?

C’est une question stratégique.
Et une mauvaise réponse peut produire exactement ce que beaucoup redoutent : de la dispersion, des gadgets, des frustrations, des coûts sans adoption, et une promesse d’innovation qui finit en déception.

La tentation de la transformation globale

Une transformation globale consiste à traiter l’IA comme un sujet d’entreprise, transversal, piloté au niveau de la direction générale, de la direction de la transformation, ou d’une gouvernance centrale.

L’objectif est clair :

• installer une vision commune ;
• définir une gouvernance partagée ;
• construire une architecture cohérente ;
• homogénéiser les règles d’usage ;
• éviter les doublons ;
• préparer les synergies entre métiers.

Cette approche a de vrais atouts.

Elle évite les silos.
Elle crée un langage commun.
Elle sécurise les arbitrages.
Elle structure la gouvernance.
Elle prépare une montée en puissance durable.

C’est exactement ce que soulignent les référentiels de gouvernance sérieux : une transformation IA ne peut pas être pilotée comme une simple succession d’outils. Le <a href="https://www.nist.gov/itl/ai-risk-management-framework" target="_blank" rel="noopener noreferrer">NIST AI Risk Management Framework</a> insiste sur la nécessité d’un cadre transversal pour gouverner, cartographier, mesurer et gérer les risques et la valeur liés à l’IA. De leur côté, les <a href="https://www.oecd.org/en/topics/ai-principles.html" target="_blank" rel="noopener noreferrer">principes de l’OCDE sur l’IA</a> rappellent qu’une IA fiable et utile suppose gouvernance, responsabilité, robustesse et clarté dans les usages.

Le danger, en revanche, c’est l’abstraction.

Quand on reste trop haut, on produit :

• des principes généraux ;
• des comités ;
• des slides impeccables ;
• des chartes très propres ;
• et parfois très peu de valeur concrète sur le terrain.

Autrement dit : le risque d’une transformation globale, c’est de devenir un projet de siège qui ne touche pas le réel.

La force de l’approche par verticales métiers

À l’inverse, une approche par verticales métiers consiste à déployer l’IA fonction par fonction :

• marketing ;
• finance ;
• RH ;
• supply chain ;
• commerce ;
• opérations ;
• service client ;
• juridique.

Chaque métier identifie alors ses irritants, ses flux, ses cas d’usage, ses gains potentiels.

Et cette approche est puissante pour une raison très simple : elle part du terrain.

Elle permet :

• des cas d’usage concrets ;
• une adoption plus rapide ;
• des gains visibles ;
• des expérimentations ciblées ;
• une meilleure appropriation par les équipes.

Ce constat rejoint les études récentes sur l’adoption de l’IA en entreprise. Dans <a href="https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-how-organizations-are-rewiring-to-capture-value" target="_blank" rel="noopener noreferrer">The State of AI 2025</a>, McKinsey explique que les organisations qui captent réellement de la valeur commencent à revoir leurs processus, leur modèle opérationnel, leur gouvernance et leurs modes d’adoption, au lieu de se contenter d’une couche technologique de plus. L’idée est importante : la valeur vient rarement d’un outil seul ; elle vient d’un usage métier bien intégré.

Le risque inverse apparaît cependant très vite :

• outils en doublon ;
• méthodes incohérentes ;
• standards variables ;
• gouvernance faible ;
• dispersion budgétaire ;
• dette technologique ;
• dette organisationnelle.

Chaque métier avance, mais l’entreprise n’avance pas ensemble.

Le faux duel : top-down ou bottom-up

Beaucoup d’entreprises abordent encore le sujet comme un duel :

• soit une grande transformation top-down ;
• soit des expérimentations locales bottom-up.

C’est une erreur.

Une transformation IA sérieuse ne doit pas opposer vision globale et exécution métier.
Elle doit combiner les deux.

Car le problème est assez simple au fond :
chaque approche corrige les faiblesses de l’autre.

• L’approche globale est plus forte sur la gouvernance, la cohérence, la sécurité, la standardisation et la vision long terme.
• L’approche métier est plus forte sur l’impact rapide, l’adhésion terrain, la pertinence des cas d’usage, la preuve de valeur et la vitesse d’expérimentation.

Prises seules, elles finissent toutes les deux par boiter.

La bonne logique est donc la suivante :
pilotage global, exécution par cas d’usage métiers.

Ce n’est pas la formule la plus spectaculaire.
Mais c’est souvent celle qui évite de transformer l’IA en brocante technologique.

Pourquoi l’hybride est la vraie réponse

L’entreprise a besoin d’un cadre central pour :

• fixer les priorités ;
• choisir les outils ;
• gérer les risques ;
• harmoniser la gouvernance ;
• structurer l’architecture cible ;
• éviter la jungle.

Mais elle a aussi besoin des métiers pour :

• faire remonter les vrais problèmes ;
• identifier les irritants concrets ;
• tester les cas d’usage utiles ;
• mesurer les gains réels ;
• ajuster les usages à la réalité du terrain ;
• industrialiser ce qui fonctionne.

En clair :

Le centre doit définir

• la vision IA ;
• les règles ;
• les standards ;
• les critères de sélection ;
• la gouvernance ;
• la sécurité ;
• l’architecture cible.

Les métiers doivent porter

• les irritants concrets ;
• les cas d’usage ;
• les tests rapides ;
• la mesure d’impact ;
• les retours d’expérience ;
• l’industrialisation locale puis étendue.

C’est exactement le type de combinaison que l’on retrouve dans les organisations qui commencent à sortir du stade “POCite aiguë”. Deloitte notait début 2025 que, dans son enquête sur l’IA générative en entreprise, plus des deux tiers des répondants estimaient que 30 % ou moins de leurs expérimentations seraient pleinement déployées dans les trois à six mois : <a href="https://www.deloitte.com/us/en/about/press-room/state-of-generative-ai.html" target="_blank" rel="noopener noreferrer">State of Generative AI in the Enterprise – Deloitte</a>. La leçon est assez brutale : faire des tests, c’est facile ; transformer réellement l’organisation, beaucoup moins.

Comment choisir son point d’entrée

La bonne séquence dépend en réalité de la maturité de l’entreprise.

Si l’entreprise débute

Commencer par quelques verticales métiers bien choisies est souvent plus pertinent.

Pourquoi ?
Parce qu’il faut d’abord créer :

• de la preuve ;
• de l’adhésion ;
• des victoires visibles ;
• des sponsors convaincus ;
• une première culture d’usage.

Si l’entreprise dispose déjà d’une gouvernance data, digitale ou innovation

Elle peut lancer plus vite un cadre global, tout en activant plusieurs métiers en parallèle.

Dans ce cas, l’enjeu n’est pas seulement d’explorer.
Il est déjà de coordonner, sécuriser et accélérer.

Dans un grand groupe

Le risque de dispersion devient majeur.

Un pilotage central est alors indispensable.
Mais il doit rester connecté à des programmes métiers très concrets, sinon il se transforme en projet théorique de plus.

Si la maturité interne est faible

Il faut démarrer simple, concret, visible.

Sans gouvernance, les verticales partent dans tous les sens.
Sans cas d’usage réels, la gouvernance devient décorative.

Ce qui doit vraiment guider la décision

Le plus grand piège est de croire que la transformation IA est d’abord un sujet technologique.

En réalité, c’est surtout un sujet de :

• priorisation ;
• organisation ;
• gouvernance ;
• conduite du changement ;
• qualité des données ;
• création de valeur.

McKinsey insiste justement sur le fait que les organisations qui tirent davantage de valeur de l’IA ne se distinguent pas seulement par la technologie, mais par un ensemble de pratiques de management et d’exécution : stratégie, talent, operating model, technologie, données, adoption et passage à l’échelle. <a href="https://www.mckinsey.com/~/media/mckinsey/business%20functions/quantumblack/our%20insights/the%20state%20of%20ai/2025/the-state-of-ai-how-organizations-are-rewiring-to-capture-value_final.pdf" target="_blank" rel="noopener noreferrer">Voir le rapport PDF de McKinsey</a>.

Autrement dit :
la question n’est pas seulement “où met-on l’IA ?”
La vraie question est :
“dans quelle organisation cette IA va-t-elle produire une valeur durable ?”

Les erreurs classiques à éviter

Les erreurs les plus fréquentes sont redoutablement prévisibles :

• lancer une stratégie trop théorique ;
• laisser chaque métier acheter ses outils seul ;
• croire qu’un POC équivaut à une transformation ;
• négliger la formation ;
• oublier la gouvernance ;
• ne pas mesurer la valeur business ;
• confondre adoption et curiosité.

Et il y a un piège encore plus subtil : vouloir une IA visible au lieu de vouloir une IA utile.

Une entreprise peut très bien multiplier les annonces, les démonstrations, les cas tests, les assistants internes… et créer très peu de valeur réelle.
À l’inverse, une entreprise plus discrète, mais mieux gouvernée, peut transformer profondément quelques processus critiques et créer un avantage concret.

La bonne approche : vision d’ensemble, exécution métier

Dans la majorité des cas, la réponse la plus solide est donc hybride.

Il faut :

• une vision d’ensemble ;
• une gouvernance centrale ;
• des standards communs ;
• une architecture cohérente ;
• mais aussi des cas d’usage métiers précis ;
• des sponsors opérationnels ;
• des gains visibles ;
• un déploiement progressif.

En résumé :
on ne transforme pas l’entreprise uniquement par le haut, ni uniquement par les métiers. On construit un cadre central, puis on prouve la valeur métier par métier.

Conclusion

Alors, faut-il transformer l’entreprise globalement ou par verticales métiers ?

La réponse la plus sérieuse est simple :
ni l’un sans l’autre.

Une transformation IA réussie combine :

• une ambition globale ;
• une gouvernance centrale ;
• une exécution ancrée dans les métiers ;
• une montée en puissance progressive.

Les entreprises qui réussiront ne seront pas celles qui parleront le plus d’IA.
Ce seront celles qui sauront articuler vision stratégique et usages concrets.

Et c’est souvent là que tout se joue :
non pas dans la technologie elle-même, mais dans la manière de l’inscrire dans l’organisation.