Deux courbes qui évoluaient ensemble se sont séparées cette année. Les organisations réalisant plus d'un milliard de dollars de chiffre d'affaires annuel sont passées de 27 % à 40 % sur le passage à l'échelle des agents IA dans au moins une fonction. Celles situées sous ce seuil sont passées de 22 % à 22 % (McKinsey, 2026).
Pas plus lentes. Immobiles.
C'est le résultat sur lequel il vaut la peine de s'arrêter dans l'enquête McKinsey sur l'état de l'IA, publiée le 25 août 2026 — 1 719 répondants dans 97 pays, terrain du 4 mai au 8 juin, pondéré par la contribution de chaque pays au PIB mondial. L'année où les agents ont cessé d'être une démonstration pour devenir un schéma de production, une cohorte a converti et l'autre n'a pas converti du tout.
L'explication réflexe, c'est le budget. Les données ne la soutiennent pas. La deuxième explication réflexe, ce sont les compétences. Les données ne la soutiennent pas davantage. Reste une lecture moins confortable et plus actionnable : passer des agents IA à l'échelle est un problème de capacité d'exécution, et la capacité d'exécution est le seul intrant qu'une équipe opérations resserrée ne peut pas acheter sur bon de commande.
Ce que l'enquête a réellement mesuré
Une précaution d'abord, car elle change la lecture du chiffre. La segmentation de McKinsey se fait par chiffre d'affaires, pas par effectif. « Organisations plus petites » signifie moins d'un milliard de dollars de revenus annuels — un ensemble qui contient beaucoup d'entreprises nettement plus grandes qu'une structure de 200 personnes. Traitez les 22 % comme une indication de tendance pour le mid-market, pas comme un recensement du mid-market.
Cela posé, la structure du résultat est d'une netteté rare :
- Agents passés à l'échelle dans une ou plusieurs fonctions : les organisations à plus d'un milliard passent de 27 % à 40 %. Les plus petites restent à 22 %.
- IA déployée à l'échelle de l'entreprise (toute IA, pas seulement les agents) : 54 % des grandes organisations contre environ un tiers des plus petites.
- Impact sur l'EBIT : 37 % de l'ensemble des répondants attribuent à l'IA au moins un effet sur le résultat — inchangé d'une année sur l'autre.
- Les « AI high performers » (au moins 5 % de l'EBIT attribuable à l'IA, avec un impact jugé significatif) : stables à environ 6 % des répondants.
McKinsey a également validé la comparaison annuelle auprès des 552 répondants ayant participé aux vagues 2025 et 2026, ce qui compte : un écart qui se creuse dans une coupe transversale répétée n'est souvent qu'un échantillon modifié. Celui-ci survit au contrôle sur panel.
Le récit agrégé est donc celui d'une stagnation : impact EBIT stable, high performers stables. Sous cet agrégat plat, une cohorte a pris 13 points d'avance sur la seule capacité qui a défini l'année.
Le budget n'est pas la contrainte active
L'explication que j'entends le plus souvent chez les directeurs des opérations, c'est le coût — les agents coûtent cher à faire tourner, les factures d'inférence sont imprévisibles, le grand groupe peut absorber cela et nous non.
L'enquête teste cette thèse frontalement. Seul environ un répondant sur cinq déclare que les coûts d'exploitation liés à l'IA, coûts de tokens inclus, ont limité son usage de l'IA. 60 % anticipent une hausse des investissements IA de leur organisation l'année prochaine. 28 % consacrent déjà plus de 10 % du budget ICT total à l'IA (McKinsey, 2026).
Une cohorte qui prévoit de dépenser davantage, et qui ne désigne pas la dépense comme sa limite, n'est pas bloquée par l'argent.
Un résultat connexe renforce discrètement le point : 32 % des répondants ont renoncé à acheter au moins un produit ou une fonctionnalité logicielle parce qu'ils pouvaient le construire en interne avec des outils de codage agentique. Les organisations qui passent les agents à l'échelle ne dépensent pas seulement autrement. Elles revalorisent l'arbitrage faire-ou-acheter. C'est un déplacement de capacité, pas une ligne budgétaire.
Et ce n'est pas non plus l'écart de compétences
La deuxième explication, c'est le talent — le grand groupe a des ingénieurs IA, le mid-market non.
La contre-preuve la plus propre vient d'une enquête dont l'échantillon est le mid-market, plutôt que des données grands comptes transposées vers le bas. Le Heartbeat Index de CLA, publié en août 2026 auprès de 722 petites et moyennes organisations, montre que 69,9 % des dirigeants estiment que leurs équipes disposent déjà des compétences nécessaires à leur réussite future. Pourtant, seuls 49,5 % signalent une amélioration d'efficacité, quelle qu'elle soit, issue de leurs investissements récents en technologie ou en IA, et seulement 20,2 % rapportent des effets nettement positifs (CLA, 2026).
C'est une inversion, pas un écart. La population étudiée déclare que la capacité est là et que les résultats n'y sont pas.
Une réserve à garder : la confiance déclarée en ses propres compétences est un instrument faible, et ces 69,9 % mesurent peut-être de l'optimisme. Mais même décoté, le chiffre dit ce que croient les dirigeants du mid-market — et donc là où ils ne cherchent pas le problème.
Si le budget est écarté par ceux qui dépensent et les compétences par ceux qui les possèdent, le candidat restant est le travail lui-même.
Passer un agent à l'échelle, c'est assumer un processus redessiné
Voici la différence mécanique entre un pilote et un agent passé à l'échelle, et ce n'est pas la qualité du modèle.
Un pilote tourne à côté du processus existant. Le jeudi libre de quelqu'un, une copie des données, une sortie qu'un humain relit puis ressaisit dans le vrai système. Rien en aval n'en dépend. On peut l'abandonner sans réunion.
Un agent passé à l'échelle est le processus. Cela veut dire que les passages de relais sont réécrits, que le chemin des exceptions est défini et porté, que la traçabilité satisfait celui qui signe, et qu'une personne nommément désignée répond quand l'agent se trompe à deux heures du matin. Rien de tout cela ne relève des achats. Tout relève de la chirurgie organisationnelle, pratiquée par les trois mêmes personnes qui font déjà tourner le trimestre.
La recherche pointe dans la même direction sous deux angles indépendants.
Le State of AI in the Enterprise 2026 de Deloitte — 3 235 dirigeants dans 24 pays — constate que la réponse à l'IA penche vers l'intervention la moins chère. 53 % forment leurs équipes pour élever leur aisance avec l'IA. Seuls 30 % repensent l'organisation autour des nouveaux schémas de l'IA et 33 % redessinent les parcours de carrière. Seuls 34 % utilisent l'IA pour transformer en profondeur produits, processus ou modèles économiques ; les deux tiers restants en restent à l'incrémental (Deloitte, 2026).
Le Work Trend Index 2026 de Microsoft — 20 000 travailleurs dans 10 pays, terrain du 18 février au 20 avril — chiffre le coût de ce déséquilibre. Les facteurs organisationnels — culture, soutien managérial, pratiques RH — pèsent plus du double des facteurs individuels dans l'impact réel de l'IA : 67 % contre 32 %. Et seuls 26 % des utilisateurs d'IA déclarent une direction alignée sur la stratégie IA (Microsoft, 2026).
La formation est une décision budgétaire. Redessiner un processus est une décision de droits de décision. Les grands groupes ont des gens dont c'est précisément le métier. Les équipes opérations du mid-market ont les trois mêmes personnes qui closent aussi le mois.
C'est la thèse de la capacité d'exécution — et pour être explicite sur son statut épistémique, le lien causal est ma lecture, pas un résultat de McKinsey. Ce que McKinsey établit, c'est que la divergence existe et que le coût ne l'explique pas.
L'objection honnête : peut-être que stagner est le bon choix
Prenons la thèse adverse au sérieux, car elle tient en partie.
Les rendements agrégés n'ont pas bougé. L'impact EBIT reste à 37 % et les high performers à environ 6 %. Une organisation plus petite qui a laissé passer une année où le rendement mesurable ne s'est pas amélioré n'a manifestement rien perdu. Attendre que l'outillage mûrisse et que les coûts unitaires baissent est une allocation défendable d'une attention rare.
Le taux de passage à l'échelle des agents n'est pas un résultat d'entreprise. C'est un indicateur d'intrant. Le poursuivre parce qu'une enquête dit que les grands groupes le poursuivent est la forme la plus pure de « pilotite » — financer du mouvement pour combler un benchmark plutôt qu'une contrainte.
Le passage à l'échelle des grands groupes est en partie un artefact de dénominateur. Une entreprise de 40 000 personnes compte plus de fonctions, donc la probabilité qu'au moins une ait passé un agent à l'échelle croît mécaniquement avec la taille. Une partie de ces 13 points est de la surface, pas de la supériorité.
L'objection échoue sur le coût d'un démarrage tardif. La capacité construite dans ces 13 points n'est pas une expertise des agents. C'est le muscle du redesign d'un processus de bout en bout et de la vie avec ses conséquences — qui se cumule, se transfère d'une fonction à l'autre, et ne s'achète pas après coup, dans l'urgence. Un concurrent qui a redessiné son order-to-cash cette année redessinera son quote-to-contract plus vite l'an prochain. Vous en serez encore à chiffrer votre premier redesign.
La bonne conclusion n'est pas « passez les agents à l'échelle ». C'est : menez un vrai redesign cette année, pour que la capacité existe quand les rendements arriveront.
Le test du processus unique
Le geste concret consiste à cesser de financer un portefeuille de pilotes et à redessiner de bout en bout exactement un processus ce trimestre. Choisissez-le avec quatre questions. Si un candidat échoue à l'une d'elles, c'est le mauvais processus — non parce que les agents en seraient incapables, mais parce que vous n'irez pas au bout.
- Une seule personne possède-t-elle tout le parcours ? Si le processus franchit une frontière où deux responsables doivent s'accorder, vous achetez une négociation, pas un déploiement. Pour le premier, restez dans un seul périmètre de responsabilité.
- Disposez-vous d'une base de référence mesurée avant d'y toucher ? Temps de cycle, taux d'erreur, coût par transaction, volume. Sans chiffre antérieur au déploiement, vous ne pouvez pas distinguer un gain réel d'une histoire plausible — et vous vous rabattrez sur « ça paraît plus rapide ».
- Existe-t-il un chemin d'exception défini, avec un responsable nommé ? Les agents n'échouent pas bruyamment ; ils échouent de façon plausible. Décidez maintenant qui relit quelle part des exécutions, et ce qui se passe quand l'agent se trompe avec assurance.
- Est-ce ennuyeux, à fort volume et visible en interne ? Le fort volume donne un signal statistique dans le trimestre. La visibilité interne fait de la première défaillance une leçon, pas un incident client.
Puis posez une porte de décision. À la fin du trimestre, le processus est passé à l'échelle, arrêté, ou explicitement reprogrammé avec une nouvelle hypothèse. La dérive silencieuse — le pilote qui ne meurt ni ne sort — est ce qui produit une courbe plate à 22 % pendant un an.
L'écart se cumule, et il n'est pas fait d'argent
Le chiffre qui devrait vous préoccuper n'est pas 40 %. C'est 22 % — les mêmes 22 % que l'an dernier, dans une cohorte qui déclare ne pas être contrainte par les coûts et qui juge ses équipes prêtes.
Stagner, avec de l'argent disponible et des compétences déclarées présentes, n'est pas un problème de ressources. C'est un problème de séquence. Les organisations qui ont réussi à passer des agents IA à l'échelle n'ont pas acheté davantage : elles se sont engagées à porter un processus redessiné jusqu'au bout, chemin des exceptions compris.
Avant la clôture de ce trimestre, nommez le processus unique que vous redessinerez de bout en bout, nommez la personne qui en répond, et écrivez aujourd'hui le chiffre de départ — tant qu'il est encore mesurable.
