De nombreuses entreprises de IA sont encore en activité, mais en réalité, elles sont déjà “mortes”.

Résumé des points clés

Cet article révèle cinq “vérités douloureuses” sur l’industrie de l’IA : de nombreuses entreprises IA survivent uniquement grâce à des projets personnalisés (elles sont en fait déjà mortes sur le plan opérationnel) ; la clé du transfert vers l’IA réside dans l’utilisation intensive de cette technologie par les dirigeants eux-mêmes ; la plupart des données accumulées par les entreprises sont en réalité inutiles (des “désordres de données”); les chefs de produit qui ne savent pas utiliser l’IA ne peuvent pas sauver leurs produits, qui se limitent à créer des prototypes ; et les produits IA sans logique commerciale sont destinés à échouer dès leur conception. L’idée principale est que l’IA n’a pas bouleversé les notions de base du commerce, elle a simplement mis en lumière les problèmes anciens qui étaient cachés par le financement et les présentations PowerPoint – des problèmes tels que les projets personnalisés, la méconnaissance des dirigeants, les dettes de données, l’absence de réflexion produit et les défauts de logique commerciale. Ces problèmes ne disparaîtront pas simplement parce qu’on y a ajouté l’étiquette “IA”.

Analyse détaillée

1. Projets personnalisés : le piège mortel des entreprises IA**

De nombreuses entreprises IA semblent avoir de bons revenus, mais ils reposent en réalité entièrement sur des projets sur mesure. Cependant, il s’agit d’un cercle vicieux où l’on creuse des trous pour les combler ensuite :

• Pré-vente : Afin de signer des contrats, on accepte tout – les clients demandent des intelligences artificielles, des bases de connaissances, des rapports automatisés, et même la compatibilité avec des systèmes ERP/CRM/OA, conformément à des habitudes commerciales datant de dizaines d’années. Les contrats sont signés sans hésiter.
• Livraison : Une fois le contrat signé, on découvre que les problèmes sont trop importants : les performances des modèles sont instables, les données clients sont chaotiques, les règles commerciales ne sont pas claires, et les besoins changent constamment. Le projet IA se transforme alors en une source de conflits – les revenus comptables sont bons, mais l’acceptation et le recouvrement des paiements sont très difficiles à obtenir.
• Cercle vicieux de survie : Avant même d’avoir comblé les trous du projet précédent, il faut déjà creuser de nouveaux trous lors de la pré-vente, utilisant les acomptes du nouveau projet pour couvrir les défauts du précédent. Ce n’est pas de la croissance, c’est simplement une survie précaire ; ces entreprises sont déjà mortes sur le plan opérationnel.

2. Les risques du transfert vers l’IA : les dirigeants qui ne comprennent pas l’IA**

Le transfert vers l’IA dans de nombreuses entreprises se résume à lancer quelques projets IA et à faire utiliser des outils aux employés, mais la clé est que les dirigeants doivent eux-mêmes utiliser intensivement l’IA :

• Par exemple, dans les sociétés de logiciels, le design, le développement et les tests sont tous automatisés grâce à l’IA, mais les dirigeants refusent de financer l’achat d’outils IA pour leurs employés – ce n’est pas parce qu’ils sont économes, c’est parce qu’ils n’ont jamais utilisé ces outils et ne savent pas s’ils sont vraiment utiles.
• Si les dirigeants n’utilisent pas l’IA, ils ne peuvent pas distinguer si c’est l’outil qui est inadapté ou si les employés ne savent pas s’en servir, si c’est la capacité du modèle qui est insuffisante ou si le scénario choisi est mauvais. Ils ignorent également où investir et quels sont les véritables atouts de l’IA. Résultat : la direction du transfert est complètement erronée, et tous les efforts des employés sont vains.

3. Les données des entreprises : pas une mine d’or, mais un tas de déchets**

Les entreprises pensent souvent que leurs fichiers PDF/Excel/Word, vieux de plus de dix ans, représentent une “mine de données précieuses”, mais en réalité la moitié de ces données est inutile :

• Pour le même champ, les ventes l’appellent “nombre de clients”, tandis que la finance l’appelle “quantité de clients associés aux commandes” ; pour le même processus, les règles écrites dans les systèmes sont différentes de celles mises en pratique ; les règles clés des fichiers Excel sont cachées dans des notes ou des cellules fusionnées – les humains peuvent deviner ou demander aux anciens employés, mais l’IA ne peut pas le faire !
• Ainsi, 80 % du temps des projets IA est consacré à la mise en ordre des données : unification des critères, complétion des règles, nettoyage des données inutiles. Ce n’est pas parce que l’IA n’est pas avancée, c’est parce que les entreprises doivent payer le “prix” de leurs erreurs passées.

4. L’IA ne peut pas sauver les chefs de produit qui se contentent de créer des prototypes**

De nombreux chefs de produit pensent qu’en utilisant l’IA pour créer des prototypes et rédiger des spécifications, ils peuvent réussir, mais c’est faux :

• L’IA peut améliorer l’efficacité, mais sans une réflexion claire sur le produit, tout est inutile. Par exemple, avant, vous transformiez les instructions du dirigeant en pages web ; maintenant, vous donnez simplement ces instructions à l’IA pour qu’elle crée des pages. La nature de votre travail n’a pas changé.
• À l’ère de l’IA, les chefs de produit doivent comprendre “pourquoi les clients paient”, “comment le processus commercial se déroule” et “quels problèmes les utilisateurs veulent vraiment résoudre”. Sinon, plus l’IA est puissante, plus cela met en évidence leur médiocrité : ils ne savent pas utiliser les outils et ne comprennent pas le business.

5. Echec des produits IA : absence de logique commerciale fondamentale**

De nombreux produits IA sont destinés à échouer dès leur conception, car ils ne résolvent pas les problèmes existants :

• Élimination par les grands modèles d’IA : certains produits sont populaires temporairement parce que les grands modèles n’offrent pas encore cette fonctionnalité, mais dès que ces modèles s’améliorent, ces produits deviennent des fonctionnalités intégrées (par exemple, les outils de rédaction assistée par IA peuvent être directement remplacés par GPT).
• Absence de valeur pour l’utilisateur : les démonstrations sont attrayantes et les lancements sont spectaculaires, mais personne ne peut expliquer clairement “pourquoi les clients doivent payer”, “pourquoi continuer à payer” ou “pourquoi ne pas utiliser simplement un grand modèle gratuit”.
• Absence de barrières commerciales : dès que la concurrence baisse ses prix, l’entreprise doit suivre le mouvement ; les clients constatent qu’il n’y a pas de différence entre les produits – et finalement, elle est écrasée par la guerre des prix.

L’IA a changé la forme technologique, mais pas la nature du commerce : sans valeur pour l’utilisateur, un modèle commercial ou des barrières commerciales, même avec l’étiquette “IA”, les produits ne survivent pas.

En conclusion

L’IA n’est pas une “carte de sauvetage”. Les entreprises qui dépendent des projets personnalisés pour survivre continueront à échouer, et les chefs de produit médiocres resteront médiocres. Les problèmes existants ne disparaîtront pas simplement parce qu’on y a ajouté l’étiquette “IA”.