# mit-nanda-genai-divide-95-percent-pilots-fail-legalio-2025-08-23

## Veille

Relais Legal.io de l'étude MIT NANDA "The GenAI Divide: State of AI in Business 2025" : 95% des pilotes IA en entreprise n'apportent aucun ROI mesurable malgré $30-40 Mds investis. Concept de "GenAI Divide", "shadow AI economy", quatre facteurs structurels d'échec, recommandation back-office et build-to-buy. Justification empirique du basculement RH-organisationnel.

## Titre Article

MIT Report Finds 95% of AI Pilots Fail to Deliver ROI, Exposing "GenAI Divide"

## Date

2025-08-23

## URL

https://www.legal.io/articles/5719519/MIT-Report-Finds-95-of-AI-Pilots-Fail-to-Deliver-ROI-Exposing-GenAI-Divide

## Keywords

MIT NANDA, GenAI Divide, 95% pilotes échec, ROI IA entreprise, shadow AI economy, agentic AI, Model Context Protocol, NANDA, back-office automation, build vs buy, enterprise AI deployment, $30-40 milliards investis, gouvernance IA, P&L impact, paradoxe enterprise, Tech et Media, sales et marketing biais

## Authors

Legal.io (relais et synthèse) — étude MIT NANDA "The GenAI Divide: State of AI in Business 2025"

## Ton

**Profil** : Article de synthèse média B2B (Legal.io, plateforme legal talent), registre journalistique-business avec accent statistique. Voix neutre du relais, ancrée par des chiffres provenant de la source MIT et des citations directes du rapport. Public cible : juristes corporate, dirigeants legal ops, plus largement décideurs C-level cherchant un benchmark sur l'état réel de l'adoption IA.

**Style** : Article structuré "key points → contexte → 4 facteurs → shadow economy → recommandations → agentic AI → conclusion". Densité chiffrée élevée (52 interviews exécutives, 153 sondages, 300 déploiements analysés, 95% / 5% / 80% / 40% / 60% / 20%). La force du document tient à sa **portée argumentative** : c'est l'étude qui fait basculer le débat industriel de *"l'IA marche"* à *"l'IA échoue par défaut d'adoption"*. Citation iconique du COO manufacturier : *"The hype on LinkedIn says everything has changed, but in our operations, nothing fundamental has shifted."* Conclusion programmatique : *"from building to buying, from central labs to empowered teams, and from static tools to adaptive systems"*. Tonalité grave-réaliste, sans complaisance pour le narratif officiel des entreprises. Pièce-clé du dossier RH-organisationnel : si 95% échouent par défaut d'adoption, alors le bottleneck est culturel et c'est aux RH de le résoudre.

## Pense-betes

- **Étude source** : MIT NANDA, *"The GenAI Divide: State of AI in Business 2025"*, publiée juillet 2025. Méthodologie : **52 interviews exécutives + 153 sondages leaders + 300 déploiements publics analysés**.
- **Chiffre choc** : **95% des pilotes IA en entreprise n'apportent aucun impact P&L mesurable**. Seulement 5% créent une valeur significative.
- Investissement total estimé : **$30-40 milliards** en GenAI enterprise.
- Adoption ≠ transformation : **80%+ des organisations ont piloté ChatGPT/Copilot, ~40% ont déployé**, mais ces systèmes **boostent surtout la productivité individuelle**, pas les outcomes enterprise.
- Funnel enterprise-grade : **60% évaluent → 20% pilotent → 5% en production**.
- Citation pivot du COO manufacturier : *"The hype on LinkedIn says everything has changed, but in our operations, nothing fundamental has shifted."*
- **4 facteurs structurels du GenAI Divide** :
  1. **Limited disruption** : seulement 2 des 9 secteurs majeurs (**Tech et Media**) montrent une transformation business matérielle.
  2. **Enterprise paradox** : les grandes entreprises mènent en volume de pilotes mais traînent en déploiement.
  3. **Investment bias** : les budgets IA favorisent sales et marketing, alors que **operations et finance offrent un meilleur ROI**.
  4. **Implementation advantage** : **les outils construits par vendors externes réussissent 2× plus souvent** que les builds internes.
- **Shadow AI economy** : seulement 40% des entreprises ont des subscriptions LLM officielles, mais **90% des employés** reportent un usage quotidien d'outils personnels (ChatGPT, Claude). Performance souvent meilleure que les outils corporate. Trou de gouvernance.
- Préférence employés : ils préfèrent leurs comptes personnels aux outils internes, **même quand les modèles sous-jacents sont identiques**. Pour les tâches à fort enjeu (juridique, communication client), **90% préfèrent une supervision humaine** (limites mémoire et contexte de l'IA).
- **Recettes du succès (5% qui réussissent)** : (1) partenariats vendors avec systèmes customisables et apprenants, (2) focus sur l'intégration workflow, (3) déploiement back-office (document automation, procurement, risk review).
- Cas concrets de ROI back-office : **$2-10M économies annuelles** sur support et document review externalisés ; **-30%** dépenses d'agences externes en marketing/content ; **$1M économies annuelles** en risk monitoring financier.
- **Phase suivante = Agentic AI** : systèmes qui se souviennent, apprennent, agissent autonomement. Protocoles structurants : **NANDA** (Networked Agents and Decentralized AI, projet MIT) et **MCP (Model Context Protocol)** d'Anthropic. Vision "Agentic Web" remplaçant les static SaaS.
- Conclusion programmatique : *"The GenAI Divide isn't inevitable. But bridging it requires a fundamental shift — from building to buying, from central labs to empowered teams, and from static tools to adaptive systems."*
- **Articulation avec le récit RH** : le 95% d'échec valide empiriquement la thèse Mollick et Bersin — la techno marche mais l'adoption est culturelle/organisationnelle. Le levier est RH (empowered teams, change management, destigmatiser le shadow AI), pas IT (which builds and abandons).

## RésuméDe400mots

Legal.io relaie en août 2025 l'étude MIT NANDA *"The GenAI Divide: State of AI in Business 2025"*, qui devient l'une des références empiriques les plus citées de l'année sur l'échec massif de l'adoption IA en entreprise. La méthodologie est solide : 52 interviews exécutives, 153 sondages, analyse de 300 déploiements publics.

Le chiffre central est sidérant : **95% des pilotes IA en entreprise ne livrent aucun impact P&L mesurable**, malgré $30-40 milliards investis. Seulement 5% créent de la valeur significative. C'est le **"GenAI Divide"** : un fossé entre forte adoption et faible transformation. 80%+ des organisations ont piloté ChatGPT ou Copilot, ~40% disent avoir déployé, mais ces systèmes améliorent essentiellement la productivité individuelle, pas les outcomes enterprise. Côté systèmes enterprise-grade, le funnel est encore plus brutal : 60% évaluent, 20% pilotent, **5% seulement passent en production**.

Citation iconique du COO manufacturier interviewé : *"The hype on LinkedIn says everything has changed, but in our operations, nothing fundamental has shifted."*

Le rapport identifie quatre facteurs structurels. **Limited disruption** : seulement 2 des 9 secteurs majeurs (Tech, Media) montrent une transformation business matérielle. **Enterprise paradox** : les grandes entreprises mènent en volume de pilotes mais traînent en déploiement. **Investment bias** : les budgets favorisent sales/marketing alors que operations et finance offrent un meilleur ROI. **Implementation advantage** : les outils construits par vendors externes réussissent **deux fois plus souvent** que les builds internes.

L'étude documente aussi la **"shadow AI economy"** : seulement 40% des entreprises ont des subscriptions LLM officielles, mais 90% des employés utilisent quotidiennement leurs outils personnels. Ces systèmes shadow sont souvent plus performants et plus rapidement adoptés que les outils corporate — un trou de gouvernance massif. Pour les tâches à fort enjeu (juridique, communication client), 90% des utilisateurs préfèrent une supervision humaine, l'IA peinant sur la mémoire et le contexte spécifique.

Les organisations qui réussissent partagent trois traits : partenariats vendors avec systèmes customisables, focus sur l'intégration workflow, déploiement prioritaire en back-office (document automation, procurement, risk review). ROI documentés : $2-10M économies annuelles sur support externalisé, -30% sur agences marketing, $1M sur risk monitoring financier.

La phase suivante sera l'**Agentic AI** : systèmes qui se souviennent, apprennent, agissent autonomement. Protocoles structurants : **NANDA** (MIT) et **MCP** (Anthropic), qui ouvrent la voie à un "Agentic Web" remplaçant les SaaS statiques.

Le rapport conclut : *"The GenAI Divide isn't inevitable. But bridging it requires a fundamental shift — from building to buying, from central labs to empowered teams, and from static tools to adaptive systems."* C'est l'étude qui fait basculer le débat industriel : le bottleneck n'est plus la techno, c'est l'adoption — et donc le levier n'est plus IT, mais RH.

## GrapheDeConnaissance

- MIT NANDA —publie→ The GenAI Divide State of AI in Business 2025 (DOCUMENT, 0.98)
- GenAI Divide —est_instance_de→ fossé entre adoption et transformation IA (CONCEPT, 0.97)
- MIT NANDA —affirme_que→ 95% des pilotes IA en entreprise n'ont aucun impact P&L (MESURE, 0.98)
- Pilotes IA enterprise —mesure→ 5% de succès (MESURE, 0.97)
- Investissement IA enterprise —mesure→ 30-40 milliards de dollars (MESURE, 0.95)
- Shadow AI economy —mesure→ 90% des employés utilisent une IA personnelle quotidiennement (MESURE, 0.95)
- Vendors externes —surpasse→ builds internes (CONCEPT, 0.93)
- Tech et Media —est_instance_de→ seuls secteurs avec transformation IA matérielle (CONCEPT, 0.92)
- Operations et Finance —surpasse→ sales et marketing en ROI IA (CONCEPT, 0.92)
- MIT NANDA —recommande→ passer du build à l'achat (from building to buying) (AFFIRMATION, 0.95)
- Back-office —permet→ meilleur ROI IA enterprise (CONCEPT, 0.92)
- IA agentique —est_instance_de→ phase suivante de l'IA enterprise (CONCEPT, 0.93)
- NANDA —est_instance_de→ protocole d'Agentic Web (CONCEPT, 0.92)
- Model Context Protocol —est_instance_de→ protocole d'Agentic Web (CONCEPT, 0.92)
- MIT NANDA —affirme_que→ le bottleneck de l'adoption IA enterprise est organisationnel, pas technologique (AFFIRMATION, 0.95)

---
Canonical: https://www.thekb.eu/en/fiches/mit-nanda-genai-divide-95-percent-pilots-fail-legalio-2025-08-23/