Brillants en pilotes, pauvres en transformation
On a longtemps cru qu'une révolution technologique se mesurait à son adoption. Le livre blanc du CMIT propose un autre étalon : une révolution se mesure moins à ses proclamations qu'à ce qu'elle change vraiment dans le travail. Appliqué à l'IA dans le marketing, le verdict est inconfortable. L'équipement a précédé l'organisation, et il l'attend encore.
Le chiffre qui ne ment pas
Dans l'étude CMIT 2026, la totalité du panel utilise l'IA pour produire du contenu. Voilà pour l'adoption. Mais 81 % des mêmes équipes sont restées bloquées en phase d'expérimentation ou de pilotage. Le détail est parlant : 39 % expérimentent, 42 % pilotent, 14 % seulement passent à l'échelle, et 5 % parlent de transformation IA-first.
L'outil est entré dans les mains. Le système n'est pas entré dans l'organisation.
Regardez ensuite où l'IA est réellement utilisée. La stratégie de contenu domine avec 100 %, puis viennent la data et les insights (66 %), la personnalisation (45 %), l'automatisation (40 %), le code (36 %) et la segmentation prédictive (29 %). Plus on s'éloigne de l'écriture, moins l'IA s'installe. Elle est partout en surface, rare en profondeur. Là où elle touche la machine à produire des mots, elle prospère. Là où elle devrait toucher les processus, elle s'arrête.
Le mur a une adresse
Pourquoi ce plafond ? La réponse du livre ne tient pas dans une ligne de code. Chez Baker Tilly, Anne Bluteau raconte avoir documenté quatre-vingt-dix cas d'usage, dont une dizaine à peine atteignaient la production. Les autres dormaient ou attendaient. La cause est humaine, dit-elle : chaque passage du prototype à l'échelle réclame du temps aux métiers pour tester et itérer, et dans une profession facturée au taux journalier, ce temps coûte cher aujourd'hui pour un gain différé.
Le plafond de verre a donc une adresse précise : la disponibilité des équipes. Que l'on parle d'acculturation ou de formalisation de cas d'usage avant de les déléguer à des agents, le mur du temps revient sans cesse. Il faut parfois ralentir pour accélérer, et c'est exactement ce que presque personne n'a le temps de faire.
Il y a là une vérité que les directions n'aiment pas entendre. On peut acheter une licence en une matinée. On ne peut pas acheter la disponibilité d'une équipe qui doit, en plus de son travail, apprendre à en faire un autre.
Ce que l'IA produit, ce que l'IA rapporte
Pour nommer ce décalage, le livre emprunte à Emmanuel Obadia un couple de mots : output et outcome. L'output, c'est ce que l'IA fabrique : des contenus, des tests, des démonstrations. L'outcome, c'est ce que cela change pour le business. Le premier progresse dans des proportions spectaculaires, jusqu'à confiner parfois au slop, ce contenu synthétique massif et sans originalité. Le second reste modeste.
La plupart des organisations mesurent leur avancée à l'output. C'est confortable, car le volume se compte. Mais seule compte la valeur réellement créée. Tant que l'IA se juge à ce qu'elle produit plutôt qu'à ce qu'elle rapporte, la profession restera brillante en pilotes et pauvre en transformation.
Les gains de temps, eux-mêmes, racontent la même histoire. Dans l'étude, 64 % des répondants les situent entre 10 et 25 % par collaborateur actif, et 29 % entre 25 et 50 %. Des gains réels, mesurables, déjà irréversibles, concluent les auteurs, mais pas encore transformateurs. Le piège serait de s'en contenter. Maud Samagalski, de HPE, rappelle que l'IA ne fait pas que raccourcir une tâche : elle en élève la qualité, ce qui est un outcome. Et Nicolas Proust, d'Oracle, ajoute une réserve de praticien : on gagne sur la tâche, mais on paie en temps de compréhension.
Le gain de temps est le mauvais indicateur, parce qu'il mesure la vitesse et jamais la direction.
Du pilote à l'échelle : l'avantage a changé de camp
Le livre cite un constat de HubSpot : l'écart ne sépare plus ceux qui utilisent l'IA de ceux qui l'ignorent, mais ceux qui l'exploitent bien de ceux qui s'en contentent. L'adoption a cessé d'être un avantage pour devenir un prérequis. Le véritable différenciateur, désormais, est l'orchestration.
Les chiffres du marché le confirment. Selon McKinsey, 23 % des organisations mettent à l'échelle au moins un système d'agents et 39 % l'expérimentent. La vague monte, mais elle reste, pour l'essentiel, une vague d'essais au ressac rapide, faute de passer la digue de l'industrialisation. Gartner, de son côté, prévoit qu'une entreprise du Fortune 500 fera tourner en moyenne plus de cent cinquante mille agents en 2028, contre moins de quinze en 2025. Dans le même temps, le paysage des outils marketing a cessé de croître : Scott Brinker parle de peak martech.
Le signal est limpide. Le problème n'est plus d'acquérir des outils. C'est d'orchestrer une prolifération d'agents que peu d'organisations savent piloter. L'avantage se déplace de l'achat vers la coordination.
Un corollaire surprend : le logiciel devient parfois jetable. Le livre cite un développeur qui a monté en cinq jours une application de gestion de projet taillée pour un besoin précis, promise au remplacement dès qu'un éditeur l'intégrera nativement. Là où l'on achetait un outil pour des années, on assemble une réponse pour quelques semaines. Le réflexe d'acheter cède devant celui de composer.
Ce qui compte n'est donc plus ce que l'on possède. C'est ce que l'on sait faire travailler ensemble.
Deux agents, deux destins
Rien n'illustre mieux cette différence que les deux cas que le livre place côte à côte. Du côté de la réussite, SaaStr a confié sa prospection à une vingtaine d'agents. L'un d'eux a dépassé le million de dollars générés en quatre-vingt-dix jours, et plusieurs ont conclu des ventes de façon autonome. L'équipe commerciale, de moins de dix personnes, est passée à une seule, épaulée par ses agents. Spectaculaire, certes. Mais Emmanuel Obadia insiste sur le prix : un mois d'entraînement à plein temps, une supervision permanente, un budget de l'ordre d'un demi-million de dollars. La personne qui pilotait n'a pas disparu. Elle est devenue responsable de ses agents. Voilà, dit-il, un outcome, pas une démonstration.
Du côté de l'échec, une entreprise a lâché trop tôt un agent de prospection, en anglais, avec un ton importé des États-Unis, sur une audience qui ne l'attendait pas. Des clients ont cru à une attaque et ont répondu au robot qu'ils travaillaient déjà avec leur commercial habituel. La leçon tient en trois mots : gérer son périmètre. Un agent lâché sans scope, sans langue adaptée, sans supervision, automatise et amplifie une erreur au lieu d'un succès.
Les deux agents ne différaient pas par la technologie. Ils différaient par ce qui les entourait : la donnée, le cadre, le jugement.
Hervé Gonay, de Zenbaia, en tire un conseil que le livre reprend : créer un métacontexte partagé, c'est-à-dire centraliser proposition de valeur, cibles, personas et ton de voix dans une couche unique, puis y brancher tous les agents avant de passer à l'échelle. La logique est celle d'un chef d'orchestre. Avant de faire jouer vingt instruments, on s'assure qu'ils lisent la même partition. Les résultats que Zenbaia rapporte, sept ouvertures sur dix et un rendez-vous accepté sur deux sur une campagne, valent d'ailleurs, précise le livre avec honnêteté, pour des clients déjà matures, mieux dotés en données et en méthode que la médiane du panel. Ils ne se transposent pas tels quels.
La prudence, dernier garde-fou
On pourrait croire que la maturité conduit à l'autonomie totale. Le livre montre l'inverse. Anne Bluteau pilote pourtant l'une des organisations les plus avancées : 83 % de ses collaborateurs utilisent activement l'IA, 47 % en sont des utilisateurs intensifs, 29 agents sont déjà en production. Elle donne zéro sur cinq à la délégation, parce que son métier n'autorise aucun doute. Kamel Ait, de Dassault Systèmes, dont la confiance dans la donnée est la plus haute du panel, donne un sur cinq, non par retard mais par doctrine. Sa réponse a un nom : le compagnon, qui propose des alternatives à l'ingénieur sans jamais décider pour lui.
Plus on connaît la machine, moins on lui abandonne la décision. Ce n'est pas de la frilosité. C'est de la lucidité.
Et le livre l'a vu venir : après les outils, c'est la prolifération d'agents qu'il faudra gouverner, avec ses questions de propriété, de droits et de savoir-faire.
Ce qu'il faut retenir
Il faut cesser de se demander si l'on utilise l'IA. Il faut se demander ce qu'elle change, et pour qui. Il faut cesser de compter ce qu'elle produit. Il faut commencer à mesurer ce qu'elle rapporte. Il faut cesser d'attendre que la technologie fasse le travail d'organisation. Il faut libérer du temps pour ceux qui testent, itèrent et valident, car c'est là que se joue le passage à l'échelle.
La technologie s'achète. L'organisation se construit.
Un outil dans les mains ne fait pas une transformation. Une transformation commence quand quelqu'un a le temps de la mener.
Source : livre blanc du CMIT, « Le moment agentif, ou le marketing en première ligne » (étude CMIT 2026).
-thumb.webp)