Professeure permanente à HEC Rabat L'intelligence artificielle est partout, sauf là où les entreprises en attendent le plus : dans la création de valeur concrète. Derrière l'enthousiasme technologique et les investissements massifs, un blocage structurel persiste. Il ne tient pas à l'accès aux outils, mais à un facteur plus discret et pourtant décisif : la rareté des talents capables de transformer l'IA en levier opérationnel. Une révolution technologique sans traduction économique immédiate Depuis l'avènement de l'IA générative en 2023, nous assistons à une asymétrie flagrante. L'offre technologique est pléthorique, pourtant son industrialisation s'avère déceptive. Le Boston consulting group souligne à ce titre qu'en 2024, moins d'un tiers des entreprises ont franchi le cap de la mise en production à grande échelle. Ce hiatus révèle que l'accessibilité d'une technologie ne garantit en rien son exploitation efficiente, la possession de l'outil ne dispensant pas de la maîtrise du geste. L'émergence du profil «hybride», clé de voute de la transformation Le véritable goulet d'étranglement se situe à la confluence du savoir technique et de l'expertise métier. Le marché du travail actuel souffre d'un déficit aigu de profils intermédiaires : ces «architectes traducteurs» capables de convertir un enjeu stratégique en une solution algorithmique opérationnelle. Sans cette médiation, les projets s'enlisent. Les données de McKinsey corroborent ce constat : près de la moitié des organisations mondiales reconnaissent leur impuissance faute de compétences internes adéquates. La tension ne porte plus que sur les seuls data scientists, mais sur une carence généralisée en compétences d'appropriation et de pilotage transverse. Microsoft souligne dans son Work trend index 2024 que 75% des salariés utilisent l'intelligence artificielle, souvent sans formation suffisante. Or, ces outils s'imposent dans leur quotidien professionnel, illustrant un déficit massif d'encadrement. Ce manque généralisé crée un effet de blocage : les outils existent, mais leur usage reste superficiel, fragmenté, voire contre-productif. Les investissements étant freinés par l'incapacité d'exécution, ce goulet d'étranglement a des conséquences directes sur la performance des entreprises. Les projets se multiplient, mais peinent à franchir le cap de l'industrialisation. Gartner estime que 30% des projets d'intelligence artificielle échouent à atteindre leurs objectifs, principalement en raison d'un manque de compétences adaptées et d'une gouvernance insuffisante. Une recomposition silencieuse des hiérarchies économiques À plus long terme, ce blocage pourrait redessiner les rapports de force entre entreprises. Celles capables d'attirer, former et structurer ces talents hybrides disposeront d'un avantage déterminant. À l'inverse, les organisations qui se contentent d'accumuler des outils sans développer les compétences associées s'exposent à une dépendance accrue vis-à-vis des prestataires externes et des grandes plateformes technologiques. Le débat sur l'intelligence artificielle se concentre souvent sur la performance des modèles. Sont-ils plus rapides ? Plus puissants ? Plus autonomes ? Par ailleurs, une autre question devient centrale : sont-ils suffisamment fiables pour être utilisés à grande échelle ? En effet, une technologie peut être performante sans être massivement adoptée. Dans de nombreux secteurs, le problème n'est plus seulement d'accéder aux outils, mais de leur faire confiance. Une entreprise hésite à automatiser des tâches critiques si elle craint des erreurs difficiles à détecter. Un salarié se méfie d'un assistant qui produit parfois des réponses convaincantes mais fausses. Une organisation ralentit le déploiement si les risques juridiques ou de sécurité restent mal maîtrisés. Le goulet d'étranglement devient alors cognitif et institutionnel. Ce sujet prend encore plus d'importance avec la montée des agents d'IA capables non plus seulement de répondre, mais d'agir : réserver, acheter, analyser, exécuter des tâches… À partir du moment où la machine agit, la question n'est plus seulement «est-elle utile ?» mais concerne un seuil bien plus difficile à franchir. L'histoire des technologies montre que l'adoption repose rarement sur la seule performance technique, mais aussi sur la confiance. Les paiements en ligne n'ont décollé qu'avec leur sécurisation. Le cloud s'est imposé quand les entreprises ont jugé les risques acceptables. L'IA pourrait suivre la même logique. Autrement dit, le prochain plafond n'est peut-être pas algorithmique. Il tient à une question plus simple : à partir de quel niveau de fiabilité accepte-t-on de laisser ces systèmes entrer dans les processus critiques ? Et si le vrai goulet d'étranglement n'était pas seulement le manque de compétences, mais le temps nécessaire pour construire cette confiance ? La compétence humaine comme nouvelle rareté Nous assistons à un basculement sémantique de la valeur. À mesure que l'algorithme se banalise et devient une «commodité», la rareté se déplace vers l'intelligence de l'usage. La réussite de la révolution de l'IA ne dépendra pas de la sophistication des modèles, mais de la capacité des entreprises à résorber ce goulet d'étranglement humain. En somme, la technologie ne vaut que par les esprits capables de l'activer. C'est pourquoi le vrai goulet d'étranglement n'est peut-être pas la sophistication des modèles, mais la vitesse à laquelle les systèmes éducatifs, les entreprises et les politiques publiques peuvent adapter le capital humain. On investit aujourd'hui des milliards dans les infrastructures d'IA. La question est de savoir si l'on investit à la même hauteur dans les compétences qui permettront réellement de les utiliser. Car une révolution technologique ne se diffuse pas quand les machines sont prêtes. Elle se diffuse quand la société l'est.
