Une démo d’outil IA fonctionne toujours. C’est même sa principale caractéristique.

Le jeu de données a été choisi. Le cas présenté est le cas favorable. Il n’y a pas d’historique à reprendre, pas de volume, pas d’exception, pas de collègue qui a rempli le champ « commentaire » avec trois lignes de contexte indispensable. Rien de tout cela n’est malhonnête: une démo qui échouerait ne démontrerait rien, alors on la construit pour qu’elle réussisse.

C’est un appartement témoin. Il est réel, propre, bien éclairé, et il ne vous apprend rien sur le fait d’y vivre. Les meubles sont à l’échelle réduite pour que les pièces paraissent grandes, il n’y a ni voisins ni désordre, et personne ne vous ment en vous le faisant visiter. Simplement, vous n’achetez pas l’appartement témoin.

La question n’est donc pas de savoir si la démo ment. C’est de savoir ce qu’elle est structurellement incapable de montrer.

Le test que vous pouvez faire pendant la démo#

Il y en a un, simple, et vous pouvez le faire depuis votre téléphone pendant qu’on vous présente l’outil.

Prenez la demande que le vendeur vient de taper. Collez-la dans ChatGPT, dans Claude, dans n’importe quel assistant grand public. Si vous obtenez 80 % du même résultat, ce que l’on vous propose n’est pas un produit, c’est une interface.

Le secteur a un mot pour ça: un wrapper, une couche mince posée sur l’API d’un modèle. Et il faut être juste, parce que le mot sert beaucoup à disqualifier sans réfléchir. Le reproche est fondé face à un produit qui se limite à un prompt et à une jolie mise en page. Il est paresseux face à une entreprise qui a réellement construit quelque chose. La différence ne tient pas au fait d’appeler un modèle, tout le monde appelle un modèle. Elle tient à ce qu’il y a autour.

Le test n’est donc pas un verdict, c’est une question à poser: qu’avez-vous que je n’ai pas déjà dans mon abonnement à vingt euros ? Les réponses qui tiennent parlent de vos données, de votre façon de travailler, de ce que l’outil sait de votre entreprise. La réponse qui ne tient pas, c’est « un meilleur prompt ».

Ce que la démo ne peut pas montrer, c’est vous#

Reprenons l’appartement témoin. Ce qu’il ne montre pas, ce n’est pas un défaut caché du bâtiment. C’est vous dedans.

Une démo tourne sur les données du vendeur. Elles sont propres, cohérentes, complètes, et elles ont été choisies. Les vôtres sont ailleurs: dans un logiciel de gestion configuré il y a huit ans, dans des fichiers Excel qui font autorité sans que personne l’ait jamais décidé, dans un CRM à moitié rempli, et dans la tête de deux personnes.

Or votre catalogue, vos fiches clients, vos procédures internes, vos règles de gestion et vos obligations réglementaires ne sont pas dans le modèle. Ils n’y seront jamais: il a été entraîné sur Internet, pas sur votre entreprise. Un outil qui n’y a pas accès peut répondre à des questions. Il ne peut pas résoudre vos problèmes. C’est toute la distance entre une FAQ améliorée et un collaborateur.

Ce n’est pas une opinion. Dans son rapport sur les tendances 2026, Adobe relève que 78 % des entreprises françaises citent la qualité et l’intégration des données comme le principal frein au passage à l’échelle des agents IA. Et que 36 % seulement estiment leurs données en état d’être exploitées.

Retenez surtout ceci, parce que c’est ce qui vous arrivera. Quand l’outil décevra, tout le monde conclura que le modèle n’est pas assez bon, et quelqu’un proposera d’attendre la version suivante. Dans la grande majorité des cas, le modèle n’y est pour rien. C’est un problème d’architecture, pas d’intelligence.

L’écart entre ce qui marche et ce qu’on vous vend#

Il faut être précis ici, parce que le sujet se prête aux caricatures et que ces outils produisent de vrais résultats.

Le même rapport Adobe indique que 74 % des entreprises françaises constatent un gain réel de volume et de rapidité sur la production de contenus grâce à l’IA générative. Ce n’est pas rien, et personne ne le conteste.

Mais dès qu’on monte d’un cran, vers l’agent qui exécute des tâches à l’intérieur de vos processus, les chiffres s’effondrent: 13 % seulement des marques françaises ont déployé de l’IA agentique à l’échelle pour leur support client.

À l’échelle mondiale, l’enquête annuelle de PwC auprès de 4 454 dirigeants dans 95 pays donne un résultat difficile à écarter: 56 % ne constatent, après douze mois, ni hausse de revenus ni baisse de coûts attribuable à l’IA. Douze pour cent seulement obtiennent les deux. Un rapport du MIT très commenté avance de son côté que 95 % des projets pilotes d’IA générative n’ont produit aucun effet mesurable sur le compte de résultat. Ce chiffre est à prendre avec ses réserves, le rapport étant préliminaire, non relu par les pairs, et sa définition du succès particulièrement étroite.

L’écart entre ces deux mondes n’est pas un mensonge. C’est un glissement de périmètre. On vous montre ce qui marche, la génération de contenu, et on vous vend ce qui ne passe pas encore l’échelle, l’agent qui travaille dans votre entreprise.

L’intégration, c’est tout le travail#

S’il ne fallait retenir qu’une chose: dans un projet d’IA en entreprise, le modèle est la partie facile.

Le travail réel, c’est le reste. Se brancher sur les systèmes existants, ceux que personne n’a documentés. Formaliser des règles de gestion qui n’ont jamais été écrites parce que tout le monde les connaît. Décider ce que l’outil a le droit de faire, ce qu’il doit proposer sans l’exécuter, et à qui il demande avant d’agir. Nettoyer et structurer les données pour qu’elles deviennent exploitables. Puis mesurer, comparer à la situation d’avant, et recommencer.

Rien de tout cela ne tient dans un abonnement mensuel, parce que rien de tout cela n’est générique. C’est de l’ingénierie menée chez vous, sur vos données, avec vos contraintes.

C’est aussi là que se logent les coûts que la démo ne montre pas. Au-delà du prix affiché, il y a le temps de formation, les dépassements de consommation, la perturbation des flux existants pendant la bascule, et la dette d’intégration qu’on accumule à chaque outil supplémentaire. L’addition peut doubler la facture réelle.

Et il y a cette conséquence dont on parle peu: 77 % des petites entreprises qui utilisent l’IA n’ont aucune règle écrite sur son usage. Ce n’est pas un détail de conformité. C’est ce qui fait qu’un mardi matin, un salarié colle un fichier client dans un outil en ligne, sans que personne ne lui ait jamais dit que c’était un problème.

Trois questions avant de signer#

Je ne vous dis pas de refuser la démo. Regardez-la, elles sont souvent impressionnantes, et l’outil derrière est parfois excellent.

Posez seulement trois questions. Que se passe-t-il quand l’outil doit travailler sur mes données, et qui fait ce travail ? Qu’avez-vous que je n’obtiens pas en collant ma demande dans un assistant grand public ? Et à quoi verrai-je, dans trois mois, que ça a marché ?

Si les trois réponses sont solides, vous avez trouvé un bon prestataire. Si elles restent floues, vous n’avez pas visité l’appartement. Vous avez visité l’appartement témoin.

Sources#