IA en entreprise : des budgets en hausse, une valeur client encore difficile à démontrer

En octobre 2025, l’intelligence artificielle n’est plus un sujet expérimental pour les directions informatiques britanniques : elle est devenue une priorité stratégique. Pourtant, entre l’annonce d’un projet, le déploiement d’un outil et l’obtention d’un bénéfice concret pour les clients, le chemin reste long. Le dernier rapport de Red Hat décrit un paradoxe saisissant : les budgets progressent, mais la valeur reste, pour une large part des organisations, difficile à établir.

L’enjeu dépasse la simple adoption d’un assistant conversationnel ou l’ajout d’une fonction d’automatisation. Pour une entreprise, tirer de la valeur de l’IA signifie généralement améliorer un service, accélérer une opération, réduire une friction ou permettre à des équipes de prendre de meilleures décisions. Or ces effets demandent des données utilisables, des systèmes reliés entre eux, des règles de sécurité et des salariés capables de faire fonctionner les nouveaux outils dans leurs pratiques réelles.

Un paradoxe : investir davantage sans bénéfice client visible

Le chiffre le plus marquant du rapport est sans ambiguïté : 89 % des entreprises interrogées déclarent ne pas avoir encore constaté de valeur pour leurs clients grâce à leurs initiatives d’IA. Cette réponse ne signifie pas nécessairement que ces projets sont tous des échecs. Elle indique plutôt que, à ce stade, les organisations ne parviennent pas encore à identifier ou à démontrer des résultats tangibles côté client.

Ce décalage n’a pas refroidi leurs ambitions. Les répondants anticipent au contraire une hausse de 32 % de leurs investissements en IA d’ici à 2026. Les entreprises semblent donc considérer que l’absence de résultat immédiat appelle davantage de moyens, de compétences et d’infrastructures, plutôt qu’un abandon de leurs projets.

La prudence est nécessaire dans l’interprétation de ce type de chiffres. Le rapport mesure des perceptions et des priorités déclarées par les organisations, non un bilan financier uniforme de tous les projets d’IA. Mais il souligne une réalité importante : acheter de la technologie ne garantit pas, à lui seul, un changement utile dans l’activité de l’entreprise.

Coût, données et intégration : les freins les plus souvent cités

Les répondants identifient trois obstacles principaux. Le premier est le coût de mise en œuvre et de maintenance, cité par 34 % d’entre eux. Construire ou déployer une solution d’IA ne consiste pas seulement à souscrire un service : il faut aussi connecter l’outil à des logiciels existants, gérer les accès, suivre les usages et, parfois, adapter l’infrastructure informatique.

Le deuxième frein concerne la confidentialité et la sécurité des données, mentionnées par 30 % des entreprises. Une organisation qui manipule des informations commerciales, des données personnelles ou des contenus internes doit savoir quelles données sont envoyées à un outil d’IA, où elles sont traitées et qui peut y accéder. Les inquiétudes ne portent donc pas uniquement sur les capacités des modèles, mais sur les conditions dans lesquelles ils sont utilisés.

Enfin, 28 % des répondants évoquent la difficulté d’intégrer l’IA dans leurs systèmes existants. Cette question est souvent moins visible que l’interface d’un assistant IA, mais elle est déterminante. Pour être utile dans une activité quotidienne, un outil doit pouvoir fonctionner avec les applications, les référentiels de données et les procédures déjà employés par l’entreprise.

Ces trois freins sont liés. Un environnement informatique complexe renchérit un projet. Des données dispersées ou sensibles compliquent les connexions. Des règles de sécurité insuffisamment définies ralentissent les déploiements. C’est pourquoi la valeur de l’IA dépend autant de l’organisation et de l’architecture technique que du modèle choisi.

Pourquoi l’IA et la sécurité avancent-elles ensemble ?

Pour les 18 mois suivant l’enquête, l’IA et la sécurité figurent en tête des priorités informatiques de 62 % des répondants britanniques. Le rapprochement de ces deux sujets n’est pas fortuit. L’IA peut accélérer l’accès à l’information et l’automatisation, mais elle fait aussi circuler de nouvelles données, ouvre de nouveaux usages et impose de définir qui peut faire quoi.

Les entreprises s’intéressent parallèlement aux stratégies de cloud hybride ou de multi-cloud, ainsi qu’à la virtualisation. Le cloud hybride associe généralement des environnements distincts, par exemple des ressources exploitées en interne et des services hébergés à l’extérieur. Le multi-cloud consiste à s’appuyer sur plusieurs fournisseurs de cloud. Ces choix peuvent offrir davantage de souplesse, mais ils rendent aussi la gouvernance plus complexe.

L’intégration de charges de travail liées à l’IA dans ces environnements se heurte, selon le rapport, à plusieurs difficultés : des silos internes, des préoccupations de souveraineté et un retour sur investissement encore flou. La souveraineté renvoie ici au besoin de conserver une maîtrise sur l’emplacement, le traitement et le contrôle des données ou des services critiques.

Le shadow AI révèle un décalage entre règles et pratiques

Le rapport met en avant un phénomène particulièrement révélateur : le shadow AI, ou IA non autorisée. 83 % des organisations signalent que des salariés utilisent des outils d’IA sans validation formelle de l’entreprise.

Cette pratique peut prendre des formes très diverses : demander à un assistant de résumer un document, de rédiger un texte, de générer du code ou d’analyser une information. Elle témoigne avant tout de l’intérêt des salariés pour ces outils et de leur volonté de gagner du temps. Mais elle crée une rupture entre les règles définies par la direction informatique et les usages réels sur le terrain.

Les risques sont multiples. Des informations internes peuvent être saisies dans un outil qui n’a pas été approuvé. Les équipes peuvent obtenir des résultats difficiles à vérifier ou à reproduire. Des services similaires peuvent être utilisés en parallèle, sans cadre partagé, ce qui multiplie les dépenses et complique la sécurité.

Réduire le shadow AI ne consiste donc pas seulement à interdire. Une entreprise doit aussi proposer un cadre compréhensible : quels outils sont autorisés, quelles données ne doivent jamais être transmises, quels contrôles s’appliquent et vers qui se tourner en cas de doute. Sans solutions accessibles et adaptées au travail réel, les règles risquent d’être contournées.

L’open source, un levier de contrôle recherché par les entreprises

Face à ces contraintes, l’open source s’impose dans les réponses des entreprises britanniques. 84 % des répondants jugent cette approche essentielle à leur stratégie d’IA. L’intérêt ne concerne pas seulement les modèles d’intelligence artificielle : il s’étend aussi à la virtualisation, au multi-cloud et à la sécurité.

Un logiciel open source est un logiciel dont le code source est accessible selon des conditions de licence définies. Cette ouverture peut permettre à une organisation d’examiner plus facilement le fonctionnement d’un composant, de l’adapter à son environnement ou d’éviter une dépendance trop forte envers un fournisseur unique. Elle ne signifie pas que le logiciel est sans coût, sans maintenance ou automatiquement sécurisé. L’entreprise doit toujours disposer des compétences nécessaires pour le déployer, le mettre à jour et le gouverner.

Pour Hans Roth, vice-président senior et directeur général EMEA de Red Hat, la souveraineté constitue un enjeu central des stratégies cloud comme des opportunités liées à l’IA. Dans cette perspective, l’open source répond à une recherche de transparence, de flexibilité et de résilience opérationnelle.

L’IA agentique concentre les attentes et le besoin de compétences

Parmi les domaines à privilégier, l’IA agentique arrive en tête pour 68 % des répondants. Ce terme désigne des systèmes capables d’exécuter certaines étapes avec un degré d’autonomie élevé, en s’appuyant sur des consignes, des outils ou des données. Là où un assistant répond principalement à une question, un agent peut être conçu pour enchaîner des actions dans le cadre qui lui est donné.

Cette promesse explique son attrait : une entreprise peut espérer automatiser une partie d’un processus, et non plus seulement assister ponctuellement un salarié. Mais elle rend aussi les questions de contrôle plus sensibles. Plus un système agit de façon autonome, plus il faut définir ses autorisations, surveiller ses résultats et prévoir la manière dont un humain reprend la main lorsqu’une situation sort du cadre attendu.

Le manque de compétences demeure, pour la deuxième année consécutive, la carence de talents la plus urgente selon le rapport. Le besoin est particulièrement important pour l’IA agentique et pour la formation des équipes à un usage efficace de ces technologies. Il ne s’agit pas uniquement de recruter des spécialistes : l’adoption dépend aussi de la capacité des métiers à formuler leurs besoins, à évaluer les résultats et à intégrer les outils dans leurs procédures.

Le Royaume-Uni affiche ses ambitions, malgré des fragilités

L’optimisme est réel : 83 % des sondés considèrent que le Royaume-Uni est déjà une puissance mondiale de l’IA, ou qu’il peut le devenir dans les trois ans. Cette confiance reflète la place prise par le sujet dans les stratégies technologiques des organisations.

Le rapport relève néanmoins plusieurs limites susceptibles de freiner cette ambition : un vivier de talents insuffisant, un financement public limité et une implication jugée insuffisante du secteur privé. L’écart entre aspiration et exécution se retrouve donc à l’échelle du pays comme à celle des entreprises.

La question n’est pas seulement de disposer d’outils d’IA performants. Pour transformer une ambition nationale en résultats économiques et opérationnels, il faut aussi former les équipes, financer les projets, déployer des infrastructures adaptées et établir des conditions de confiance autour des données.

Ce qu’il faut surveiller d’ici à 2026

Les prochains mois diront si la hausse annoncée des investissements de 32 % permet de réduire l’écart observé entre expérimentations et valeur client. Trois signaux seront particulièrement importants.

D’abord, la capacité des organisations à définir des usages précis, reliés à un problème concret plutôt qu’à une promesse générale autour de l’IA. Ensuite, la mise en place de règles pratiques sur les données et les outils autorisés, afin que les usages réels ne restent pas dans l’ombre. Enfin, l’effort de formation : sans compétences techniques, mais aussi sans compréhension par les équipes métiers, les projets risquent de demeurer coûteux et isolés.

Le rapport de Red Hat ne décrit donc pas un recul de l’IA en entreprise. Il montre au contraire une phase de maturation exigeante. Les organisations britanniques continuent d’investir et misent sur l’open source, le cloud hybride et l’IA agentique. Mais la véritable mesure de leur succès ne sera pas le nombre d’outils adoptés : ce sera leur capacité à produire des bénéfices identifiables, sécurisés et durables pour les clients comme pour les salariés.