Une étude mondiale menée auprès de dirigeants d'entreprise, responsables financiers et DSI révèle que les échecs des projets d'IA tiennent moins aux outils qu'aux pratiques internes.
Les organisations qui
peinent à tirer parti de l'intelligence artificielle ont souvent tendance à
incriminer leurs systèmes informatiques. Pourtant, selon une étude
internationale conduite pour le compte de SAP Concur auprès de 975 dirigeants - PDG, directeurs financiers et responsables IT -, les véritables obstacles sont
d'ordre humain et organisationnel.
« On cherche trop
souvent une solution technologique miracle. Mais nos données montrent que c'est
d'abord le socle humain et organisationnel autour de la donnée qui doit évoluer, souligne Sylvain
Muller, Senior Director of Product Management chez SAP Concur. Les
entreprises doivent faire de la donnée un actif stratégique partagé, et non un
problème que chacun renvoie au voisin. »
Réalisée entre décembre
2025 et janvier 2026 dans neuf pays (États-Unis, Canada, Royaume-Uni, Japon,
Italie, Allemagne, Brésil, Mexique, Australie), l’étude met en lumière trois
dysfonctionnements récurrents.
Des corrections
manuelles généralisées
Premier constat,
significatif :
la totalité des 795 PDG et responsables finance interrogés (100 %) déclarent
devoir corriger manuellement leurs jeux de données avant de les utiliser pour
prendre des décisions. Une pratique universelle qui dit beaucoup sur l’état
réel de la gouvernance des données en entreprise.
Parmi les causes citées : des définitions de
données hétérogènes d’un service à l’autre (62 %), un déficit de culture data
ou de compétences (49 %) et un manque de responsabilisation claire (40%).
Des perceptions
contradictoires de la qualité
L'étude révèle
également une tension paradoxale : 53 % des répondants estiment que des bases de
données solides améliorent le retour sur investissement de leurs projets d'IA…
tandis qu'exactement la même proportion pointe la mauvaise qualité des données
comme principal facteur d'échec.
Cette contradiction
s'explique en partie par des définitions variables selon les fonctions : pour
certains, une donnée « de qualité » est simplement une donnée disponible ; pour
d'autres, plus proches des usages opérationnels, elle doit être fiable, cohérente
et exploitable pour la décision.
Résultat : 60 % des responsables
IT considèrent aujourd'hui la qualité des données comme un frein majeur au
déploiement de l'IA — notamment pour des cas d'usage aussi stratégiques que la
détection de fraude ou la prévision de trésorerie.
Gouvernance : un flou
qui cristallise les tensions
Sur la question des
responsabilités, les réponses divergent nettement. Si 71 % des responsables IT
considèrent que la gouvernance des données relève d'une responsabilité partagée
avec la finance, 67% estiment dans le même temps que c'est la finance qui est
le plus souvent tenue pour responsable en cas d'erreurs. Aucun répondant ne
désigne l'IT comme seul responsable.
Ces désaccords sur les
responsabilités s'accompagnent de divergences sur les compétences. Les DSI
identifient trois lacunes prioritaires au sein des équipes finance : la
maîtrise de l'IA et du machine learning (56 %), l'analyse de données (50 %) et
la gouvernance des données (45%).
« Combler ce fossé
entre finance et IT suppose d'avancer vers une culture de la donnée commune,
avec des responsabilités clairement définies et des compétences renforcées.
C'est
à cette condition que les entreprises pourront transformer leurs données en
véritable levier de compétitivité », conclut Sylvain Muller.