La revue de valeur IA en cinq portes : une checklist de pilotage pour directeurs des opérations

L'enquête COO100 de McKinsey couvre 101 dirigeants opérationnels d'organisations réalisant au moins 1 Md$ de chiffre d'affaires, interrogés en juin-juillet 2025. Environ deux tiers décrivent l'IA comme encore en exploration ou en mise en œuvre ciblée, un tiers comme en début de passage à l'échelle, et 2 % seulement comme pleinement intégrée à l'ensemble des opérations.

L'intention n'est pas la contrainte. 93 % des répondants prévoient de dépenser davantage en numérique et IA sur cinq ans, et près d'un tiers au moins 5 % du coût des marchandises vendues. Les COO prévoient aussi de déployer à l'échelle un portefeuille ciblé de 5 à 12 cas d'usage d'ici 2030. La contrainte est la manière dont ces cas d'usage sont arbitrés.

Près de 60 % n'ont pas de cibles claires pour mesurer la valeur de l'IA. C'est important économiquement, car la même enquête montre que là où elles existent, près de deux tiers des entreprises les atteignent ou les dépassent. La redevabilité est associée aux résultats. Une enquête ne prouve pas la causalité, mais le schéma est cohérent avec la théorie élémentaire des incitations : ce qui n'est pas mesuré n'est pas piloté.

Les freins confirment la réalité des ateliers. La moitié des répondants cite le changement culturel comme frein majeur, presque autant la montée en compétences, 46 % les limites des données ou des systèmes IT/OT, et un quart peine à construire des applications réutilisables et évolutives. Une étude de juillet 2026 de la Manufacturers Alliance Foundation avec Roland Berger (plus de 100 dirigeants, environ 40 entretiens) ajoute que près de deux tiers ont dû nettoyer significativement leurs données avant de lancer des initiatives d'IA.

Les étapes proposées par McKinsey aux COO sont : piloter l'agenda de valeur IA avec des cibles liées aux KPI et un financement sanctuarisé, repenser la production de bout en bout, bâtir une technologie évolutive sur un socle interopérable, et soutenir l'adoption par la formation et un modèle opérationnel adapté. La méthode ci-dessous les transforme en routine de comité, cas d'usage par cas d'usage. C'est une synthèse propre à Cardan-AI, pas un cadre McKinsey.

Porte 1, cible : un KPI, une ampleur de changement et une date, convenus avant le développement. Porte 2, responsable : un dirigeant opérationnel, pas la DSI, qui signe le résultat. Porte 3, données : les données sont-elles utilisables maintenant, et qui finance le nettoyage. Le conseil de Roland Berger est de résoudre les problèmes avec les données disponibles tout en renforçant le socle, car la perfection ne doit pas être l'objectif.

Porte 4, financement : un budget sanctuarisé libéré étape par étape, pour qu'un cas d'usage en échec cesse de coûter. Porte 5, adoption : quels métiers, routines et compétences changent sur site, et qui est formé. Le comité clôt chaque revue par l'une de trois décisions à date fixe : arrêter, passer à l'échelle ou corriger.

Limites : l'échantillon compte 101 grandes organisations, surtout d'Amérique du Nord et d'Europe de l'Ouest, interrogées en 2025 ; les fournisseurs de taille moyenne et les conditions 2026 peuvent différer. La maturité est déclarée par les dirigeants. Une revue en cinq portes ajoute un coût de gouvernance : à appliquer aux cas d'usage au-dessus d'un seuil de matérialité, pas à chaque expérimentation, en gardant un petit budget d'option explicite pour l'exploration.