Un directeur financier du secteur de la santé a récemment reconnu avoir dépensé plus de 100 millions de dollars en intelligence artificielle sans pouvoir montrer le moindre retour. Ce n’est pas un cas isolé. C’est un signal précoce de ce qui deviendra l’une des courbes d’apprentissage les plus coûteuses de l’histoire récente des entreprises.
Le réflexe consiste à accuser la technologie. Ce réflexe est faux. Les modèles fonctionnent. Ce qui échoue, c’est la méthode d’achat, et la plupart des organisations supply chain appliquent encore celle qu’elles ont construite dans les années 1990. Cadrer un projet. Sélectionner un fournisseur. Implémenter. Mesurer l’adoption. Passer à autre chose.
Cette séquence créait de la valeur réelle quand le logiciel faisait un seul travail dans une seule fonction. Elle s’effondre quand toute la promesse de la technologie consiste à travailler entre les fonctions.
La valeur se cache dans les interstices
L’architecture centrée sur les applications a été conçue pour le contrôle et la standardisation. Votre ERP gouverne la transaction. Votre TMS gouverne le transport. Votre outil de planification gouverne la prévision. Chacun fait correctement son travail.
Le problème se situe entre eux. Le contexte partagé, les décisions transverses et la logique opérationnelle tombent tous dans les interstices. Aucun système ne les prend en charge, donc les humains s’en chargent. C’est pourquoi l’analyse d’une rupture de stock nécessite encore quatre réunions et un tableur.
Le processus S&OP existe précisément pour combler ces interstices. C’est aussi pourquoi les projets S&OP prennent des années et pourquoi beaucoup s’arrêtent à la couche reporting. Vous demandez à un processus de gouvernance de compenser une architecture qui n’a jamais prévu que les fonctions partagent une vision commune du réel.
L’IA agentique ne peut pas fonctionner dans cet environnement. Un agent chargé de résoudre un retard fournisseur doit comprendre ce qu’est une commande d’achat, quel transport la porte, quel ordre de fabrication en dépend, quel engagement client se trouve en aval et quel impact financier en découle. Si ces objets vivent dans cinq systèmes avec cinq définitions différentes, l’agent n’a rien de cohérent sur quoi agir.
C’est pour cette raison que le mot ontologie est passé du vocabulaire académique aux discussions de comité de direction. Une représentation partagée de l’entreprise, reliant les données à des objets réels, à des décisions et à des actions, constitue le prérequis technique pour industrialiser des workflows agentiques transverses. Sans elle, vous automatisez des tâches dans des silos et vous appelez cela une transformation.
Les preuves de l’échec sont désormais difficiles à ignorer
Une recherche du MIT a établi qu’environ 95% des pilotes d’IA générative en entreprise n’ont produit aucun retour mesurable sur le compte de résultat. Gartner prévoit de son côté que plus de 40% des projets d’IA agentique seront abandonnés avant la fin 2027, pour cause de valeur métier floue et de coûts qui dérapent.
Lisez ces deux constats ensemble et un schéma apparaît. Les entreprises n’échouent pas sur le choix du modèle. Elles échouent sur l’intégration dans la façon dont le travail se fait réellement.
La réaction de nombreux conseils d’administration a été de freiner les dépenses. C’est la mauvaise correction. La bonne correction consiste à changer ce que vous achetez.
Achetez des partenariats, pas des produits
Les travaux de Zero100 montrent un basculement net, depuis l’investissement classique en achat et implémentation d’applications cloisonnées, vers des partenariats transverses plus profonds avec les fournisseurs technologiques. Dans le même temps, de plus en plus d’organisations supply chain construisent elles-mêmes des capacités spécifiques à leurs workflows, à l’aide d’outils de génération de code et de développement assisté par IA.
Le tissu conjonctif de ces deux approches, c’est l’équipe fusionnée. Des experts métier des opérations travaillant directement aux côtés de développeurs. Pas un cahier des charges transmis par-dessus un mur. Les mêmes personnes dans la même pièce, qui itèrent sur le même processus.
Cela déplace la question du retour sur investissement de manière utile. Vous ne pariez plus sur la capacité d’un outil à délivrer un bénéfice promis. Vous pariez sur un partenariat qui améliore à la fois votre technologie et vos compétences. La seconde moitié de cette phrase porte l’avantage durable, car les fournisseurs changent alors que la compétence se capitalise.
Concrètement, cela signifie sélectionner un petit nombre de fournisseurs, de consultants ou de spécialistes IA prêts à rester assez longtemps auprès de vos équipes pour construire des ontologies partagées et des workflows transverses. Cela signifie des contrats structurés autour de jalons d’apprentissage plutôt que de jalons de déploiement. Cela signifie accepter que vos six premiers mois produisent de la capacité plutôt que des économies.
La leçon de l’électricité
Dans les années 1880, les usines fonctionnaient avec une seule machine à vapeur massive entraînant un arbre central, des courroies distribuant la puissance à chaque machine de l’atelier. Quand les moteurs électriques sont apparus, la plupart des industriels ont fait le choix évident. Remplacer la machine à vapeur par un moteur électrique et conserver l’arbre.
La productivité n’a presque pas bougé.
La rupture est venue des décennies plus tard, quand les ingénieurs ont placé un moteur sur chaque machine et redessiné l’usine entière autour de cette nouvelle liberté. Le complexe River Rouge de Ford a montré ce qui devenait possible une fois les flux matières, l’implantation et les compétences des opérateurs reconstruits autour d’une énergie distribuée plutôt que d’une courroie centrale.
Le même schéma s’est répété avec le commerce en ligne. Kmart et Blockbuster ont greffé un canal digital sur un modèle opérationnel inchangé. Amazon et Netflix en ont construit un nouveau. Après l’éclatement de la bulle internet, beaucoup de dirigeants ont classé le e-commerce parmi les modes passagères. Entre 2000 et 2025, la part du e-commerce dans le commerce de détail américain a progressé de plus de 1800%.
Greffer une technologie puissante sur un modèle opérationnel inchangé n’est pas une stratégie. C’est une manœuvre dilatoire assortie d’une dépense d’investissement.
Ce que cela implique pour votre prochain cycle de planification
Partez de la stratégie concurrentielle, pas des cas d’usage. Demandez-vous à quoi ressemblerait votre opération si les décisions transverses se prenaient en minutes plutôt qu’en semaines, puis remontez jusqu’à l’architecture qui le permettrait. Cette question produit un plan d’investissement très différent d’un atelier qui collecte 200 idées d’IA et les classe par effort.
Posez ensuite une question plus dure. Si un concurrent reconstruisait son modèle opérationnel autour de cette capacité, quelle barrière vous protégerait ? Si la réponse honnête est la taille ou la position historique, vous êtes exposé.
Deux enseignements
Premièrement, déplacez vos dépenses des outils vers le contexte partagé. La contrainte sur l’IA agentique en supply chain n’est pas la qualité des modèles. C’est l’absence d’une représentation commune de votre activité sur laquelle les agents puissent raisonner. Financez ce travail explicitement, même s’il ne produira pas d’économie spectaculaire la première année.
Deuxièmement, structurez vos relations fournisseurs autour de l’apprentissage organisationnel. Choisissez moins de partenaires, engagez-les plus longtemps, et inscrivez le transfert de compétence dans le contrat. Si vos équipes ne savent ni maintenir ni faire évoluer ce qu’un partenaire a construit, vous avez loué un résultat, pas acquis un avantage.
Les entreprises qui ont vu dans l’éclatement de la bulle internet la preuve que le web avait échoué ont perdu vingt-cinq ans de capitalisation. Le même piège est ouvert aujourd’hui, sous la même forme.
Où votre organisation est-elle réellement bloquée, dans la technologie ou dans le modèle opérationnel qui l’entoure ? Et si vous avez constitué une équipe fusionnée d’experts métier et de développeurs, qu’avez-vous appris lors des quatre-vingt-dix premiers jours qui vous a surpris ?
Continuez la discussion sur Chain.NET, la communauté mondiale des professionnels de la supply chain, https://www.chain.net. Vous pouvez y poser vos questions, rejoindre des événements et débats, et accéder à des ressources exclusives réservées aux membres.