En 1987, l'économiste Robert Solow écrivait dans le New York Times : « On voit l'âge de l'ordinateur partout, sauf dans les statistiques de productivité. » Cette phrase est devenue l'une des plus citées en économie. Elle nommait quelque chose que personne ne savait encore formuler : une technologie peut être réelle, puissante, omniprésente — et ne rien changer aux chiffres pendant des années.
On appelle ça le Productivity Paradox. Une technologie majeure arrive, les entreprises investissent massivement, les discours s'emballent. Et les gains de productivité tardent. Pas parce que la technologie est mauvaise. Parce que les organisations n'ont pas encore changé autour d'elle. L'électricité a mis quarante ans avant de transformer réellement la productivité industrielle. Les ordinateurs ont mis vingt ans. Non pas faute de puissance — faute de reconfiguration.
Nous y sommes à nouveau. Les chiffres sont vertigineux : 252 milliards de dollars d'investissement privé mondial en IA en 2024, multiplié par six en un an pour la seule IA générative en entreprise. Et pourtant, selon l'étude MIT GenAI Divide publiée en 2025 sur 300 déploiements réels, 95 % des projets IA en entreprise ne livrent aucun retour financier mesurable. Gartner estime que 74 % des organisations sont à l'équilibre ou perdent de l'argent sur leurs investissements IA. 42 % des entreprises ont abandonné la majorité de leurs initiatives en 2025 — contre 17 % l'année précédente.
Ce n'est pas un échec de la technologie. C'est le signal classique d'une technologie en avance sur les organisations qui l'accueillent. Les vrais freins ne sont pas techniques : c'est l'inertie des process, le management intermédiaire qui protège son périmètre, l'absence de vision sur ce qui doit réellement changer.
L'IA ne crée pas le désordre. Elle révèle celui qu'on avait appris à tolérer.
Quatre formes, quatre rapports à l'IA
En quinze ans d'accompagnement d'entreprises en transformation, j'ai vu les mêmes schémas revenir. Certaines structures organisationnelles fonctionnent — tant que tout va lentement. Et parfois, dès qu'on accélère, elles craquent.
En projetant l'IA sur les quatre formes les plus connues (quand bien même la réalité en est un mélange), voici ce que nous pourrions explorer :
Le diagnostic avant l'outil
Avant de savoir quel outil déployer, il faut regarder l'entreprise telle qu'elle fonctionne vraiment — pas telle qu'elle se décrit dans ses organigrammes.
Concrètement, cela veut dire passer du temps dans les équipes. Observer comment l'information circule. Identifier qui prend réellement les décisions. Repérer les compensations informelles — ces ajustements que les collaborateurs inventent au quotidien pour pallier des process défaillants. Ces compensations sont souvent invisibles pour le dirigeant. Elles sont pourtant le socle sur lequel l'entreprise tient.
C'est pourquoi le premier travail ne doit pas être technique. Il doit être un travail de clarification organisationnelle.
Il doit partir du principe qu'aucune des quatre organisations n'est mauvaise en soi.
L'étoile est souvent ce qui permet de survivre aux premières années. Le silo est parfois une réponse sensée à une complexité métier réelle. La pyramide tient des organisations de grande taille depuis des décennies. Et le réseau, s'il est bien cultivé, est le modèle le plus résilient qui soit.
Le plus souvent, il n'est pas nécessaire de détruire pour construire, les réponses sont souvent déjà existantes et il ne tient qu'à poser les bonnes questions pour les révèler. Tout n'est parfois qu'une question de perspective.
Et l'IA, en tant qu'outil, peut devenir un catalyseur de cette clarification.