Le CTO de Deloitte dévoile une statistique surprenante sur la transformation IA : 93% des investissements se concentrent sur la technologie contre seulement 7% sur les talents humains

93% des investissements partent vers la technologie, seulement 7% vers les talents humains. Cette statistique, exposée par le CTO de Deloitte, bouscule la grille de lecture de la transformation IA. Elle cristallise une crainte stratégique : l’obsession du bon achat à l’instant T, au risque d’oublier la capacité réelle des équipes à opérer l’innovation. Le marché bouge vite, mais le cœur des opérations reste humain. Sans alignement culturel, formation et refonte des flux de travail, l’intelligence artificielle se transforme en vitrine coûteuse. Les dirigeants veulent du ROI, pourtant ils financent surtout des modèles, des puces et du logiciel. Le déséquilibre est net, et ses effets le sont aussi : baisse d’usage, shadow AI, confiance érodée.

Dans les comités stratégiques, le réflexe consiste à empiler des solutions. Mais l’enjeu n’est pas d’additionner des briques, il est de les orchestrer. Les signaux faibles s’accumulent. D’après les données de confiance interne, l’accès à l’IA a augmenté, mais son usage aurait reculé de 15%. Parallèlement, 43% des collaborateurs contournent les règles pour des outils non approuvés. Cette fracture révèle un besoin : former, gouverner et clarifier les rôles, jusqu’aux futurs agents “silicon-based”. Ce dossier déplie les angles critiques, de la gouvernance aux compétences, et propose une méthode pour corriger le ratio 93-7 sans perdre de vitesse, ni le sens.

• 93%-7% : le déséquilibre qui alimente la défiance et l’inefficacité opérationnelle.
• CTO Deloitte : la “recette” manque, la culture et la formation sont sous-financées.
• Shadow AI : 43% d’usages non conformes, confiance en chute de 38%.
• Solution : refonte des workflows, gestion des ressources élargie aux agents IA, formation continue.
• Impact : jusqu’à 144% de confiance en plus avec des ateliers et du coaching.

La statistique 93-7 décortiquée : un miroir déformant de la transformation IA en entreprise

Le rapport de force dévoilé par le CTO de Deloitte frappe par sa simplicité : 93% d’investissements affectés à la technologie, seulement 7% aux talents humains. Ce ratio révèle un biais d’achat. Les directions privilégient les “ingrédients” visibles — modèles, GPU, plateformes — au détriment de la “recette” : culture, méthodes, formation. L’intelligence artificielle reste alors un ajout, pas un moteur.

Pourquoi ce réflexe persiste-t-il ? D’abord, la peur de l’obsolescence rapide. Chaque semaine, de nouveaux modèles arrivent. Beaucoup de comités veulent éviter le mauvais choix. Cette hésitation ressemble à un market timing impossible. En pratique, attendre fige les projets et nourrit les coûts cachés. Les équipes expérimentent, mais n’industrialisent pas.

Ensuite, l’inertie institutionnelle joue. Les organisations greffent l’IA sur des processus hérités. Le message est rassurant, mais peu transformant. Or, l’IA performe lorsqu’elle reconfigure les parcours de bout en bout. La citation attribuée à Grace Hopper prend ici tout son sens : “We’ve always done it this way” est le frein invisible.

Illustrons avec Orion Foods, une entreprise fictive de distribution. Le groupe a acheté des licences de génération de résumés pour ses appels d’offres. L’outil produit des notes correctes. Pourtant, les gains de délai restent minimes. Pourquoi ? Aucun changement de workflow en amont. Les équipes continuent d’envoyer des briefs incomplets. Le modèle travaille, mais corrige des effets, pas les causes.

À l’inverse, une refonte apporte des gains massifs. En posant une charte des données d’entrée, en redesignant les séquences d’approbation, et en couplant l’IA à des checklists d’assurance qualité, Orion Foods réduit ses cycles de réponse. Les délais chutent de 40%. La même technologie, mais une “recette” différente.

Le ratio 93-7 est donc moins une fatalité qu’un signal d’alarme. Il matérialise une stratégie d’achat défensive. Or, l’innovation exige un apprentissage actif. Les dirigeants peuvent l’inverser en investissant dans des ateliers, du coaching, et des rôles hybrides. Ainsi, le passage de l’expérimentation à l’impact devient crédible.

Le fil rouge reste la valeur. La transformation IA n’aboutit pas avec une pile d’outils. Elle vit dans les routines. Elle prospère grâce aux équipes qui réinventent leur quotidien. Ici, le budget humain n’est plus un coût. C’est le multiplicateur.

Du réflexe d’achat à l’avantage opérationnel

Pour rebattre les cartes, il faut déplacer le regard. Un plan d’adoption ne commence pas par un benchmark technique. Il démarre par les tâches, les risques, et les décisions. Ensuite seulement, la solution s’aligne. Ce séquencement évite les boîtes noires inutiles et recentre le métier.

Le ratio 93-7 rappelle enfin une évidence : sans appropriation, la technologie ne crée pas de confiance. Et sans confiance, elle ne s’impose pas dans le flux de travail. Le bon investissement se mesure au taux d’usage réel et aux résultats obtenus, pas au nombre de fonctionnalités.

De l’obsession des outils à la “recette” gagnante : culture, workflows et formation applicative

Le CTO de Deloitte résume l’écueil : collectionner les outils sans la “recette” revient à promettre une paella et obtenir “just cilantro”. L’image est parlante. Elle rappelle que la performance tient à l’assemblage. La transformation IA exige donc une approche de design organisationnel, pas seulement un achat de licences.

La première brique est culturelle. Les équipes ont besoin d’un cadre d’usage, d’objectifs mesurables, et de feedback continu. Des “guildes IA” internes peuvent accélérer cette dynamique. Elles partagent des prompts efficaces, des bonnes pratiques, et des erreurs à éviter. Ce capital collectif vaut autant qu’un modèle flambant neuf.

Vient ensuite la refonte des workflows. Plutôt que d’“ajouter l’IA”, il faut repenser les séquences. Où l’IA propose ? Où l’humain décide ? Quels garde-fous protègent la marque ? Un processus qui fait place à l’IA dès le cadrage réduit la friction. Un processus qui la met en bout de chaîne cumule les retards.

La formation applicative fait la différence. Les ateliers les plus efficaces partent de cas d’usage réels. Ils visent des gestes professionnels concrets. Des scripts de revue, des checklists de risque, des mesures d’impact y sont intégrés. L’apprentissage sort de la théorie et entre dans la routine.

Enfin, la gouvernance doit évoluer. Les organisations s’orientent vers des agents autonomes. Elles auront besoin d’un “HR pour les agents”. Cycle de vie, évaluation, observabilité, et responsabilité devront être structurés. Qui répond si un agent de cinquième génération commet une faute ? La question devient opérationnelle, pas académique.

Dans ce cadre, une équipe hybride s’impose. Métiers, data, juridique, et cybersécurité co-construisent. Ce modèle réduit les angles morts. Il évite aussi les surcoûts liés aux corrections tardives. La vitesse vient de la clarté, pas de la précipitation.

Orion Foods a testé une cellule “Ops IA”. Elle regroupe un responsable métier, un ingénieur prompt, et un data steward. Ensemble, ils ont redessiné la gestion des retours clients. Résultat : sécurisation de la modération, traçabilité des décisions, et amélioration des délais. L’équipe mesure chaque semaine l’adoption et la qualité.

Transition utile, la montée en puissance réclame une feuille de route progressive. On commence par des tâches à faible risque. On apprend, on stabilise, puis on étend. Cette stratégie réduit le syndrome du grand soir. Elle produit des gains visibles, donc contagieux.

Outils pratiques pour ancrer la “recette”

• Charte d’usage IA par rôle, avec exemples de prompts validés.
• Checklists de qualité pour données d’entrée et sorties générées.
• RACI agents/humains sur les étapes critiques.
• Tableaux de bord d’adoption avec objectifs mensuels.
• Revues de risque trimestrielles orientées décisions.

Ces artefacts structurent l’action. Ils réduisent l’ambiguïté. Ils montrent que la gestion des ressources inclut désormais des actifs humains et des agents.

Ce cadre, enfin, consolide l’innovation. Il transforme la curiosité en résultat. Il sécurise l’échelle. Il ferme la porte au “just cilantro”.

Shadow AI et crise de confiance : quand l’investissement sans acculturation se retourne

Les symptômes d’un ratio 93-7 se voient déjà. Malgré un accès élargi, l’usage déclaré des outils d’IA aurait reculé de 15%. En parallèle, 43% des salariés admettent des usages non conformes. Ils jugent les outils officiels moins accessibles et moins précis. Le message est clair : la technologie seule ne suffit pas.

La confiance s’effrite. Entre mai et juillet, la confiance des collaborateurs dans l’IA d’entreprise aurait chuté de 38%. Ce décrochage n’est pas anecdotique. Il signale une absence de sens, de support et de preuve d’utilité. Lorsque les utilisateurs ne trouvent pas ce qu’il leur faut, ils se tournent vers le marché libre.

Pourtant, la pédagogie change la donne. Les salariés qui ont bénéficié de formations pratiques et d’ateliers affichent une confiance 144% plus élevée envers l’IA de leur employeur. Le lien est direct. L’accompagnement active l’usage. Il réduit aussi les contournements.

Face à cette réalité, les directions doivent intervenir vite. Il s’agit d’ouvrir un canal de déclaration safe, de simplifier l’accès aux bons outils, et de prouver l’impact sur les tâches. Une politique trop restrictive fabrique du shadow AI. Une politique trop laxiste expose la marque. Le juste milieu passe par la transparence et la valeur.

Le tableau ci-dessous synthétise les signaux à suivre. Il sert d’ancrage aux comités de pilotage. Il permet d’aligner les priorités et d’ajuster la feuille de route.

Indicateur	Tendance observée	Levier correctif	Effet attendu
Usage déclaré interne	-15%	Ateliers applicatifs par métier	Adoption progressive et mesurable
Usages non conformes	43%	Catalogue d’outils approuvés simple	Diminution du shadow AI
Confiance collaborateurs	-38%	Transparence et garde-fous clairs	Rétablissement de la crédibilité
Confiance après formation	+144%	Coaching et cas réels	Usage soutenu et conforme

Orion Foods a lancé un “AI Service Desk”. Les salariés y obtiennent une validation rapide de leurs cas d’usage. Ils trouvent des prompts-types, des politiques claires, et un support en direct. Le taux de contournement a baissé. Les managers disposent d’indicateurs d’adoption, ce qui facilite la priorisation des prochains cas.

Mesures immédiates pour contenir le risque

• Canal de déclaration anonyme des besoins non couverts.
• Bibliothèque d’outils et prompts approuvés, avec recherche simple.
• Formation par rôle sur les limites, biais et relectures nécessaires.
• Observabilité centralisée : logs, coûts, et qualité perçue.
• Comité d’éthique relié aux décisions produit et aux audits.

Avec ces garde-fous, l’innovation reste vive, mais la confiance remonte. L’organisation gagne en sérénité et en résultats.

Rééquilibrer les investissements : remettre les talents humains et la gestion des ressources au centre

Réparer le ratio 93-7 suppose un choix. Les investissements doivent financer la montée en compétence, la refonte des postes et la gouvernance. Les données sectorielles confirment l’intérêt. Un rapport récent indique que 74% des entreprises atteignent ou dépassent le ROI de l’IA. Le facteur différenciant tient à la préparation des équipes.

Dans les métiers d’investissement, d’autres chiffres éclairent la tendance. 84% des professionnels estiment que l’humain apporte une vraie valeur pour détecter des opportunités. 77% pour établir des valorisations. Près de 70% pour les due diligences. La machine accélère, l’expertise décide.

Le redesign des emplois devient un chantier clé. Un leader RH résume : il faut reconstruire les rôles. Beaucoup de fonctions n’ont pas ce “muscle”. Pourtant, la demande est pressante. En Italie, 78% des entreprises signalent un désalignement fort entre compétences disponibles et besoins du marché. Ce décalage freine l’adoption.

Comment avancer sans chaos ? La méthode consiste à cartographier les tâches, pas les titres. Chaque rôle se décompose en blocs. Certains seront amplifiés par l’IA, d’autres automatisés, d’autres encore réservés à l’humain. Cette granularité guide la formation, les KPI et les carrières.

Orion Foods a piloté ce travail dans ses centres logistiques. Les superviseurs ont vu leur rôle évoluer. L’IA prédit les pics, l’humain arbitre les priorités. Des parcours de compétence ont été créés. Les promotions tiennent compte de la maîtrise des outils, mais aussi de la qualité des décisions.

Priorités de financement pour 12 mois

• Academy IA interne avec badges par compétence.
• Redesign de 10 rôles critiques via ateliers métiers.
• Gouvernance agents (cycle de vie, responsabilités, audits).
• Produit interne d’observabilité et coût unitaire par cas d’usage.
• Change management avec indicateurs d’adoption et de confiance.

Ces axes transforment la gestion des ressources. Ils installent une boucle d’apprentissage. Ils maximisent les chances de passer de tests isolés à l’échelle.

Avec ce cap, la part dédiée aux talents humains cesse d’être marginale. Elle devient le levier principal de la valeur, aux côtés de la technologie.

De la peur du “buyer’s remorse” au plan d’action : gouvernance, exécution et “physical AI”

Beaucoup de dirigeants redoutent l’achat “trop tôt”. Ils craignent le “buyer’s remorse”. La réaction logique serait d’attendre. Pourtant, ce réflexe ralentit la courbe d’apprentissage. La métaphore sportive est parlante : mieux vaut “partir” et ajuster en route.

Un cadre de portefeuille aide à décider. On alloue les budgets par catégories : efficacité interne, nouveaux revenus, gestion des risques, et expérimentation. Chaque catégorie a ses jalons et ses métriques. On maximise l’optionnalité tout en progressant.

La montée de la “physical AI” accélère l’urgence. Robots, drones et systèmes embarqués sortent du laboratoire. Les cas d’usage sont concrets. Un acteur comme HPE rapporte des cycles “data to decision” 50% plus rapides avec un agent baptisé Zora AI. La leçon est limpide : l’intégration prime.

Pour le conseil d’administration, la gouvernance doit être praticable. Un comité IA suffit s’il sait décider. Il suit un tableau de risques, un tableau d’adoption, et un coût par décision assistée. Il arbitre sans délai les sujets d’éthique et de sécurité. Il tient le cap sur la valeur métier.

Orion Foods a adopté cette discipline. Quatre tranches budgétaires, des sprints de huit semaines, et des revues bimensuelles. Les décisions s’appuient sur des mesures d’usage et de qualité. La peur du mauvais choix s’estompe. Les paris sont plus petits, mais plus fréquents.

La communication interne est clé. Les équipes voient ce qui change, pourquoi, et comment contribuer. Les succès, même modestes, sont relayés. Ils nourrissent la confiance. Ils attirent les talents.

Cadre d’exécution en 6 mouvements

1. Cartographier 20 tâches à fort levier et faible risque.
2. Lancer des POCs avec mesure de coûts et qualité.
3. Former sur cas réels, pas sur fonctionnalités abstraites.
4. Industrialiser avec observabilité et RACI clairs.
5. Étendre aux rôles adjacents via guildes internes.
6. Itérer sur la base d’une boucle de feedback mensuelle.

Ce plan réduit l’aléa. Il dompte la complexité. Il prouve que l’innovation vient de l’action structurée, pas du pari total.

Agents IA et responsabilité : vers une “fonction RH” pour les systèmes autonomes

La prochaine frontière concerne la responsabilité. Les agents peuvent engendrer d’autres agents. Qui répond de leurs actes ? Pour éviter le flou, une “fonction RH” dédiée aux agents devient nécessaire. Elle définit les critères d’entrée, les droits, et la sortie du système.

Concrètement, chaque agent possède un dossier. Capacités, limites, métriques de performance, et historique des incidents y figurent. Un superviseur humain valide les actions à impact élevé. Le principe “l’agent propose, l’humain dispose” s’applique sur les zones sensibles. Cette discipline prévient les dérapages.

La notion de sanction change aussi. Un agent ne “comprend” pas la punition. Mais il peut être mis en quarantaine, réentraîné, ou restreint. Ces gestes constituent des “actions disciplinaires” techniques. Ils s’intègrent à la gouvernance IT et à l’audit interne.

Le juridique doit s’aligner. Les contrats fournisseurs clarifient les responsabilités. Les clauses de traçabilité et de réversibilité sont renforcées. Les équipes sécurité suivent les dérives et les hallucinations. Elles imposent des garde-fous sur les contenus et les connexions.

Cette architecture protège la marque. Elle protège aussi les personnes. Les salariés savent quand l’IA assiste et où elle décide. Ils disposent d’un recours. La confiance remonte car le système devient lisible. Le ratio 93-7 commence alors à se corriger par l’usage.

Artefacts indispensables pour encadrer les agents

• Fiches d’identité d’agent avec rôles, jeux de données et limites.
• Journal d’audit horodaté et non altérable.
• Politique d’escalade sur décisions à risque.
• Tests de robustesse et scénarios adverses.
• Registre des incidents partagé avec le contrôle interne.

Avec ces éléments, la transformation IA gagne en maturité. Elle se pilote comme une opération, pas comme une expérimentation sans fin.

On en dit quoi ?

Le message du CTO de Deloitte tombe juste. Le ratio 93%-7% n’est pas durable. Il reflète une stratégie du confort qui bride la valeur. En réallouant une part significative vers les talents humains, la formation et la refonte des métiers, les organisations débloquent l’usage, la confiance et le ROI. La technologie est prête. Le vrai jeu se situe désormais dans la culture, la méthode et la gouvernance. Mieux vaut démarrer maintenant, mesurer vite, et corriger souvent.

Pourquoi investir davantage dans les talents alors que l’IA progresse vite ?

Parce que l’adoption repose sur les usages réels. Sans formation, gouvernance et redesign des workflows, les outils ne s’intègrent pas, la confiance recule, et les gains restent théoriques.

Comment réduire le shadow AI sans freiner l’innovation ?

Simplifiez l’accès aux outils approuvés, ouvrez un canal de déclaration des besoins, publiez des prompts-types et proposez des ateliers. La transparence et la valeur perçue limitent les contournements.

Quel cadre de gouvernance pour les agents IA ?

Créez une ‘fonction RH’ des agents : fiches d’identité, RACI humain/agent, journal d’audit, règles d’escalade, et processus de quarantaine ou de réentraînement.

Comment éviter le buyer’s remorse en 2025 ?

Adoptez une approche portefeuille, itérez par sprints, et fixez des jalons d’impact. Mieux vaut apprendre vite sur de petits périmètres que viser un grand pari figé.

Quels indicateurs suivre pour piloter la transformation IA ?

Usage réel par cas, coût unitaire par décision assistée, qualité perçue, incidents, et niveau de confiance des équipes. Ces métriques guident l’allocation budgétaire.