DSI : comment tirer profit et intégrer l'IA ?

Le MIT vient de publier un chiffre qui mérite de figurer dans toutes vos revues de projet : 95 % des organisations qui investissent dans l’IA générative n’en retirent aujourd’hui aucun retour financier mesurable, selon The GenAI Divide: State of AI in Business 2025. Pour vous, DSI, ce constat déplace le problème. La question n’est plus de savoir si l’IA doit entrer dans votre système d’information, mais comment en extraire une valeur que votre comité exécutif peut vérifier, chiffre à l’appui.

L’IA, un sujet qui a changé de statut pour le DSI

Du sujet IT au sujet de comité exécutif

Il y a deux ans encore, un projet IA se discutait dans votre direction des systèmes d’information et remontait rarement plus haut qu’une ligne budgétaire, alors qu’aujourd’hui il atterrit directement sur la table du COMEX. Selon l’étude Global AI Survey 2025 de Wavestone, 45 % des dirigeants estiment aujourd’hui être en retard sur leurs concurrents en IA, contre 75 % en 2024. Le retard perçu recule, mais l’attention du COMEX sur le sujet, elle, ne redescend pas : elle s’est simplement déplacée de la crainte de rater le train vers l’exigence de résultats.

Si vous vous interrogez encore sur le rythme d’adoption à tenir, notre article faut-il vraiment prendre le train de l’IA en marche apporte des éléments de réponse. 

Ce que le COMEX attend désormais du DSI sur l’IA

Le COMEX ne vous demande plus de justifier l’existence de l’IA dans votre feuille de route, mais un cadre précis pour la piloter. Selon l’étude Trends of AI 2026 de KPMG France, menée auprès de 356 organisations dont 62 % de directeurs ou membres du COMEX, 86 % des organisations ont déjà validé une charte d’usage responsable de l’IA, le plus souvent portée par le COMEX lui-même. Le sujet a donc quitté le strict périmètre IT pour devenir une question de gouvernance d’entreprise, avec des attentes précises : cadre d’usage, priorisation transparente, mesure de la valeur.

Chez Ozitem, nous accompagnons des DSI d’ETI depuis 35 ans sur ces bascules stratégiques, et le constat est constant : les projets IA qui survivent à leur première revue budgétaire sont ceux dont le DSI est arrivé au COMEX avec un cas de valeur écrit avant de demander un budget, pas après.

Construire un cas de valeur pour prioriser et arbitrer les projets IA

Une grille de priorisation par valeur mesurable, pas par enthousiasme technologique

Le premier réflexe d’un COMEX face à un portefeuille de cas d’usage IA est de demander lequel financer en premier. Répondre par l’enthousiasme technique ou l’urgence perçue expose au risque documenté par le MIT : investir sans retour. Une grille de priorisation efficace croise trois critères simples : la valeur attendue (gain de temps, de coût ou de chiffre d’affaires, si possible chiffré), la faisabilité technique et la disponibilité de la donnée nécessaire au cas d’usage.

Le retour sur investissement reste rare mais commence à se matérialiser en France. Selon l’étude Intelligence artificielle : quel retour sur investissement ? de Deloitte France, qui a interrogé 1 854 dirigeants européens dont 249 en France, 18 % des entreprises françaises constatent déjà un retour sur investissement concret de leurs projets IA, et 45 % en attendent un en moins d’un an. Cette progression donne un repère utile pour calibrer les attentes de votre COMEX : un cas de valeur crédible se construit sur un horizon de douze mois, pas sur une promesse immédiate.

Un cas d’usage à forte valeur perçue et souvent sous-exploité concerne l’expérience client, comme le détaille notre article sur l’IA au service de l’expérience client : c’est un terrain où le gain se mesure facilement (satisfaction, délai de réponse, taux de résolution), ce qui en fait souvent un bon candidat pour un premier cas de valeur documenté.

Build, buy ou partenaire : comment trancher sans se tromper

C’est l’arbitrage que la plupart des guides destinés aux DSI passent sous silence, alors qu’il conditionne directement le taux de réussite du projet. Les données du MIT sont sans ambiguïté sur ce point : les projets IA menés avec un partenaire externe atteignent le stade de déploiement deux fois plus souvent (67 %) que les développements internes (33 %), selon The GenAI Divide.

Ce résultat ne condamne pas le développement interne. Il éclaire plutôt les conditions dans lesquelles chaque option fonctionne.

‍

Pour un DSI d’ETI qui ne dispose pas d’une équipe data science dédiée, le partenariat reste souvent l’option la plus rapide à sécuriser sans sacrifier la qualité d’exécution. Comme le montrent les atouts ROI d’une migration bien menée, un partenaire qui a déjà industrialisé le même type de projet ailleurs raccourcit mécaniquement le chemin vers la mise en production.

Besoin d’un avis extérieur pour trancher entre build, buy ou partenaire sur votre prochain projet IA ? Exposez vos besoins à nos experts, nous vous orientons vers la meilleure solution.

{{cta-contact="/cta"}}

Porter le sujet IA au COMEX et sécuriser le budget

Parler le langage financier de la valeur IT (ROI, TCO, payback)

Un DSI qui présente son projet IA en termes de fonctionnalités perd son COMEX en dix minutes, quand celui qui le présente en coût total de possession (TCO), en délai de retour sur investissement (payback) et en indicateurs de suivi post-lancement obtient une décision. La difficulté n’est pas de calculer ces indicateurs, elle est de les documenter avant la demande de budget, pas pendant la réunion. Notre article sur les mots clés pour convaincre le management de passer au cloud détaille cette mécanique de conviction budgétaire, transposable presque telle quelle à un projet IA.

Anticiper les objections du DAF et des directions métier

Le DAF n’objectera pas à l’IA en tant que telle. Il objectera plutôt à l’absence de méthode de calcul du retour, à la difficulté d’isoler l’effet de l’IA d’autres facteurs de performance, ou au risque de dépendance à un fournisseur. Préparer ces objections en amont, avec des chiffres sourcés plutôt que des promesses, change la nature de la conversation. L’enjeu de compétitivité que pose l’IA à l’échelle d’un secteur entier, documenté dans notre analyse des entreprises qui vont gagner ou disparaître face à l’IA, constitue souvent l’argument qui débloque un DAF hésitant : le coût de l’inaction devient, lui aussi, mesurable.

Structurer la gouvernance IA côté organisation et compétences

Qui fait quoi : DSI, métiers, data, RSSI

Passer du pilote à l’échelle suppose un pilotage transverse assumé. Selon l’étude Trends of AI 2026 de KPMG France, 60 % des organisations ont déployé un dispositif de pilotage transverse pour franchir le cap de l’industrialisation, preuve que la gouvernance IA ne peut plus reposer sur la seule DSI. Concrètement, cela signifie un comité qui réunit DSI, direction métier porteuse du cas d’usage, fonction data quand elle existe, et RSSI pour les enjeux de sécurité et de conformité, avec des rôles clairement répartis dès le lancement du projet plutôt que négociés en cours de route.

Former ou recruter : construire les compétences IA en interne

La question des compétences n’est plus secondaire, elle est devenue le principal facteur de blocage. Selon l’étude Talent Shortage Survey 2026 de ManpowerGroup, menée auprès de plus de 39 000 employeurs dans 41 pays, 74 % des employeurs français font face à un contexte pénurique critique sur les compétences IA. Face à cette tension, la réponse la plus fréquente n’est pas le recrutement mais la formation interne : la montée en compétences et la reconversion (27 %) arrivent en tête des stratégies déployées par les employeurs, devant la flexibilité des horaires ou des lieux de travail.

Pour un DSI d’ETI, cet arbitrage entre former et recruter se pose concrètement à chaque nouveau cas d’usage. Notre article sur le recrutement des talents IT et IA de demain détaille les leviers disponibles quand le recrutement externe reste la voie la plus rapide.

Conduire le changement et obtenir l’adhésion des équipes

Lever les résistances internes avant qu’elles ne bloquent le déploiement

Un cas de valeur solide et un budget sécurisé ne suffisent pas si les équipes qui doivent utiliser l’outil au quotidien ne se l’approprient pas. Selon l’étude IA au travail : six actifs sur 10 se sentent livrés à eux-mêmes, menée par Ipsos pour Jedha auprès de 1 000 actifs français, 76 % des actifs français n’ont reçu aucune formation à l’IA, un chiffre qui éclaire directement le sentiment d’isolement mesuré par la même étude : six actifs sur dix se disent livrés à eux-mêmes face à ces outils. La résistance au changement tient donc moins à un manque de motivation individuelle qu’à un accompagnement absent.

Impliquer les équipes dès la phase pilote

L’adoption réelle reste le point faible de la plupart des déploiements IA. D’après l’étude Global AI Survey 2025 de Wavestone, en moyenne, seuls 30 % des utilisateurs cibles ont significativement modifié leur manière de travailler une fois l’outil déployé. Ce chiffre plaide pour associer des utilisateurs finaux dès la phase de test, avant l’industrialisation, plutôt que de leur imposer un outil déjà figé. Désigner des ambassadeurs au sein des équipes concernées, former en amont du déploiement plutôt qu’en réaction aux blocages, et documenter les premiers succès concrets restent les leviers les plus efficaces pour transformer un outil disponible en un outil réellement utilisé.

Mesurer et communiquer la valeur créée par l’IA dans la durée

Les indicateurs à suivre après l’industrialisation

La plupart des cas de valeur s’arrêtent à la phase de lancement, ce qui devient risqué à mesure que la capacité à mesurer le ROI dans la durée progresse et s’impose comme un standard implicite. Selon l’étude Trends of AI 2026 de KPMG France, la part des organisations françaises capables de mesurer le ROI de leurs projets IA est passée d’un tiers en 2025 à deux tiers en 2026. Un DSI qui ne peut pas répondre, un an après le lancement, à la question « qu’est-ce que ce projet a rapporté ? » perd en crédibilité, même si le projet fonctionne correctement sur le plan technique. Les indicateurs à suivre dépassent le seul ROI financier : temps gagné par utilisateur, taux d’adoption réel, réduction des erreurs ou des délais, satisfaction des équipes concernées.

Restituer la valeur au COMEX au-delà du lancement

Un reporting de valeur qui ne vit qu’au moment de la demande de budget initial s’épuise vite. Restituer la valeur créée de façon régulière, sous forme de points courts au COMEX plutôt que de bilans annuels exhaustifs, entretient la confiance nécessaire pour financer les projets suivants. C’est aussi l’un des axes sur lesquels l’offre OZIA Consult d’Ozitem, actuellement en cours de lancement, se positionnerait pour accompagner les DSI dans l’évaluation de leur maturité IA et la construction d’une feuille de route pragmatique, du cadrage initial jusqu’au suivi de la valeur après industrialisation.

Conclusion

L’IA a changé de statut dans votre organisation, mais la méthode pour la piloter reste celle de tout projet stratégique : un cas de valeur documenté, un arbitrage assumé entre build, buy et partenaire, une gouvernance claire et une mesure de la valeur qui ne s’arrête pas au jour du lancement. Les DSI qui réussissent cette bascule ne sont pas ceux qui adoptent l’IA le plus vite, ce sont ceux qui savent en démontrer la valeur le plus régulièrement.

Vous voulez accélérer la mise en œuvre de vos projets IA en vous appuyant sur un partenariat cabinet-ESN ? Découvrez comment réduire de 40 % votre délai de mise sur le marché grâce à ce type d’alliance.

{{cta-infographie-conseil-esn="/cta"}}

Sources

• MIT NANDA (Project NANDA, MIT Media Lab), The GenAI Divide: State of AI in Business 2025, juillet 2025.
• KPMG France, Étude Trends of AI 2026 : l’IA s’ancre dans le pilotage transverse des organisations, janvier 2026.
• ManpowerGroup, Talent Shortage Survey 2026, février 2026.
• Ipsos pour Jedha, IA au travail : six actifs sur 10 se sentent livrés à eux-mêmes, juin 2025.
• Deloitte France, Intelligence artificielle : quel retour sur investissement ?, novembre 2025.
• Wavestone, Global AI Survey 2025, 2025.

FAQ

Comment un DSI doit-il aborder l’intégration de l’IA dans son organisation ? En commençant par un cas de valeur documenté plutôt que par le choix d’un outil : quel problème métier précis l’IA résout-elle, avec quel gain mesurable et sur quel horizon de temps.

Comment convaincre le COMEX d’investir dans un projet IA ? En présentant le projet dans le langage financier du COMEX (TCO, retour sur investissement, indicateurs de suivi) plutôt que dans le langage technique de l’IT, et en anticipant les objections du DAF sur la mesure du retour.

Faut-il internaliser, acheter une solution ou passer par un partenaire pour un projet IA ? Cela dépend du caractère différenciant du cas d’usage et de la maturité de vos équipes. Les données disponibles montrent que les partenariats externes atteignent le stade de déploiement deux fois plus souvent que les développements internes, ce qui en fait une option à considérer sérieusement pour accélérer un premier cas de valeur.

Comment mesurer le ROI d’un projet IA une fois en production ? En suivant des indicateurs au-delà du seul gain financier immédiat : temps gagné, taux d’adoption réel par les équipes, réduction des délais ou des erreurs, puis en restituant ces résultats au COMEX de façon régulière.

Quelles compétences le DSI doit-il développer en interne pour piloter l’IA ? Face à une pénurie de compétences IA jugée critique par la majorité des employeurs français, la formation interne et la montée en compétences des équipes existantes arrivent devant le recrutement externe dans les stratégies déployées par les entreprises.