Le rapport « AI in 2025: current initiatives and challenges in large enterprises », réalisé par Wavestone avec French Tech Grand Paris, dresse un panorama de l’adoption de l’intelligence artificielle dans les grandes organisations en 2025. Voici ses principaux enseignements, et ce qu’ils impliquent pour une entreprise qui veut mettre l’IA au travail sur ses processus achats et finance.

La gouvernance : entre conformité et performance

La montée en puissance de l’IA générative a contraint les entreprises à repenser leur gouvernance. Selon une étude de Gartner citée par le rapport, plus de 80 % des organisations ont dû adapter leurs cadres de gouvernance pour intégrer les spécificités de l’IA générative. Le mouvement va d’une approche purement technologique vers une vision alignée sur les objectifs métier.

L’intégration de l’IA aux pratiques existantes (gouvernance des données, cybersécurité, ressources humaines) devient centrale. Le règlement européen sur l’IA joue un rôle moteur dans la définition des standards, malgré les critiques sur sa complexité. Pour une direction financière, la question de gouvernance est concrète : qui valide ce que l’IA propose, et où est la trace ? C’est le sens du mandat que Zylio donne à ses agents : instruire, jamais décider.

De l’expérimentation au déploiement

Les technologies d’IA dites traditionnelles, apprentissage automatique et vision par ordinateur, sont installées dans les grandes entreprises. Selon une étude de McKinsey reprise par le rapport, plus de 60 % des organisations les utilisent régulièrement. L’IA générative ouvre une nouvelle phase, avec des promesses de productivité et de personnalisation.

Le passage de la preuve de concept au déploiement à l’échelle est le point de bascule. Il réussit quand le cas d’usage répond à une question métier précise et vérifiable (par exemple, chaque ligne facturée respecte-t-elle le prix négocié ?) plutôt qu’à une envie de tester la technologie.

IA traditionnelle et IA générative : trouver l’équilibre

Les entreprises doivent combiner les deux approches. Selon une analyse de Deloitte, leur combinaison donne souvent les meilleurs résultats. Des plateformes centralisées connectent les données de l’entreprise, tandis que des chaînes de traitement dédiées répondent aux besoins spécifiques. MLOps et LLMOps s’imposent comme méthodes pour industrialiser ces systèmes.

C’est aussi ce que nous observons : un modèle de langage lit et normalise un document, mais la confrontation d’une ligne de facture à une clause de contrat se fait par des règles déterministes, pour que le même cas produise toujours la même conclusion.

Sécurité et confiance

L’IA intensifie les risques existants et en crée de nouveaux. Selon un rapport d’IBM cité dans l’étude, les incidents liés à l’IA ont augmenté de 40 % en 2024. Les cadres émergents, l’EU AI Act et le NIST AI RMF, guident les organisations en matière de cybersécurité et de confidentialité. La gestion des incidents impliquant des modèles devient complexe, au point que beaucoup d’organisations l’externalisent.

Pour des données d’achats (contrats, prix, fournisseurs), les exigences sont claires : hébergement maîtrisé, certifications, et l’engagement que les données d’un client ne servent jamais à entraîner un modèle. C’est ce que détaille notre page sécurité et conformité.

Responsabilité éthique et environnementale

La démocratisation de l’IA soulève des questions éthiques, en particulier avec l’IA générative. Selon la MIT Technology Review, l’impact environnemental de l’IA générative est significatif, en consommation d’énergie et d’eau. Les entreprises cherchent des pratiques frugales et une ingénierie sobre, notamment l’usage de petits modèles de langage (SLM) dimensionnés à la tâche. Le manque de transparence des fournisseurs et l’absence de métriques standardisées restent problématiques.

Transformation de la main-d’œuvre et course aux talents

L’IA traditionnelle a déjà transformé les processus métier sur la dernière décennie. Selon le Future of Jobs Report du World Economic Forum, l’IA générative aura un impact plus large sur la main-d’œuvre. Les entreprises déploient des environnements « Secure GPT » et des solutions d’IA à l’échelle de l’organisation ; les RH doivent anticiper, redéfinir les objectifs et accompagner les équipes.

Cette transformation nourrit une compétition mondiale pour les talents, avec des écarts de salaires et de disponibilité selon les régions. D’après LinkedIn, la demande pour les professionnels de l’IA a augmenté de 74 % en 2024. Le rythme de l’innovation dépasse celui des programmes de formation : montée en compétences et reconversion deviennent des stratégies à part entière.

Autonomie stratégique

La compétition mondiale en IA est dominée par les États-Unis et la Chine. Selon l’AI Index de Stanford, l’Europe accuse un retard significatif et risque une dépendance technologique. Le rapport plaide pour une autonomie stratégique qui aligne intérêts publics et privés, et pour une politique industrielle claire favorisant les écosystèmes locaux dans les secteurs clés.

Perspectives et recommandations

Le rapport identifie plusieurs tendances : l’émergence de l’IA multimodale et des systèmes multi-agents, des modèles plus frugaux, le renforcement de la gouvernance mondiale de l’IA, et l’importance croissante de l’éthique et de la responsabilité. Sur cette base, il recommande aux organisations de :

  1. définir une stratégie d’IA claire, alignée sur leurs objectifs ;
  2. investir dans la formation et le développement des talents ;
  3. renforcer gouvernance et sécurité ;
  4. privilégier une approche éthique et responsable ;
  5. préserver leur autonomie technologique.

Ce que nous en retenons

2025 marque un tournant dans l’adoption de l’IA par les grandes entreprises. Les défis (gouvernance, sécurité, éthique, talents) sont réels, mais ils ont un point commun : ils se résolvent cas d’usage par cas d’usage, avec une question précise, des données réelles et une décision qui reste humaine. C’est la transition que nous décrivons dans notre article sur le passage de l’IA générative à l’IA agentique.

Les perspectives de l’OCDE sur l’IA apportent un éclairage complémentaire sur les effets macroéconomiques de cette transformation. Pour voir ce qu’un cas d’usage IA donne sur vos données d’achats, réservez une démo.