Selon Stanford University, les investissements mondiaux des entreprises dans l’IA ont plus que doublé en 2025. Capgemini Research Institute indique également que 80 % des organisations ont renforcé leurs investissements dans l’IA générative depuis 2023.
Pourtant, un rapport du MIT publié en 2025 révèle que près de 95 % des entreprises ne constatent aucun retour sur leurs investissements internes dans l’IA.
Des investissements aussi massifs, engagés à un rythme soutenu, montrent que nous sommes entrés dans une nouvelle ère des technologies du travail. Pour autant, ces dépenses considérables ne produisent pas encore les résultats attendus. Et, contre toute attente, le problème ne vient pas de la technologie elle-même.
Investir dans l’IA ne suffit pas à générer du ROI
Quand le ROI déçoit, le premier réflexe consiste souvent à incriminer la technologie (voire l’implémentation) : fournisseur qui a survendu sa solution, intégrations qui ne fonctionnent pas comme prévu… Ces situations existent. Mais lorsque le problème est aussi généralisé, les causes semblent plus profondes. Si une technologie ne produit des résultats que pour une entreprise sur sept, alors que les autres continuent d’investir toujours plus sans obtenir les mêmes effets, le problème est sans doute systémique.
Voici ce qui se passe réellement : la plupart des entreprises considèrent encore le déploiement technologique comme une finalité. Elles configurent le système, organisent une session de formation, puis déclarent le déploiement réussi. Mais la vraie question, celle de savoir si les équipes peuvent réellement utiliser ces nouveaux outils pour travailler autrement, reste souvent reléguée au second plan. C’est précisément ce qui explique l’absence de résultats. Le véritable frein réside dans les compétences des équipes.
La plupart des « stratégies IA » ressemblent davantage à des plans d’acquisition technologique, auxquels on ajoute une session de formation. Les systèmes fonctionnent généralement comme prévu, mais les équipes n’évoluent pas au même rythme que le changement. Une simple session de formation au moment du déploiement ne suffit pas à préparer les collaborateurs aux compétences qu’exige l’IA. Les entreprises doivent trouver des moyens d’accélérer le développement de ces compétences, et surtout de l’inscrire dans la durée.
Même lorsqu’un système fonctionne exactement comme prévu, son adoption peut rester limitée. Et cela suffit à compromettre le succès d’une technologie, dont la valeur dépend avant tout de la manière dont les équipes s’en emparent au quotidien. L’écart entre l’accès à la technologie et les capacités humaines est devenu le principal frein au ROI des investissements en IA et à la transformation métier qui les accompagne.
Pour un modèle opérationnel axé sur les compétences
Si le principal frein métier provient d’un déficit de compétences, adopter un modèle opérationnel d’abord axé sur elles permet de guider chaque étape de la transformation IA à partir de données fiables sur les équipes. Sans cette visibilité, le développement des compétences relève davantage de l’intuition que d’une stratégie structurée, avec peu de chances de résoudre le problème du ROI de l’IA.
Qu’est-ce qu’un modèle opérationnel axé sur les compétences ?
Il s’agit d’un modèle axé sur les compétences détenues par les collaborateurs, mais aussi celles qu’ils développent actuellement ou qu’ils devront acquérir demain. La première étape consiste souvent à disposer d’une vision claire des compétences présentes dans l’organisation, ainsi que de leur niveau de maîtrise, à un instant T. Contrairement aux modèles traditionnels, cette approche ne repose pas sur des rôles figés.
Elle exige de pouvoir répondre à des questions auxquelles les modèles centrés sur les rôles ne répondent pas. Quelles équipes sont prêtes à faire face aux nouvelles transformations du travail ? Quels rôles risquent d’évoluer rapidement ? Quelles compétences progressent réellement, et lesquelles stagnent ?
En quoi la visibilité sur les compétences peut-elle améliorer le retour sur investissement de l’IA ?
Impossible de développer des capacités liées à l’IA si vous ignorez lesquelles font défaut. De la même manière, il est difficile de faire progresser les niveaux de maîtrise sans savoir d’où l’on part. Constater qu’il existe un écart entre les technologies d’IA et les personnes qui les utilisent est une chose. Pour atteindre plus vite les objectifs fixés, il faut surtout comprendre précisément où se situe cet écart et comment le combler.
Et plus cette compréhension est fine, plus le learning peut être personnalisé. Les données de compétences constituent la base d’un learning adapté à chaque individu. Sans elles, les contenus et les expériences restent nécessairement génériques. Une fois ce contexte établi, des mises en situation pilotées par l’IA, du coaching ou d’autres expériences de formation dynamiques deviennent non seulement possibles, mais aussi réellement efficaces.
Exemple : un modèle opérationnel axé sur les compétences avec l’intégration Degreed + SAP
Lorsqu’il est utilisé comme système learning, Degreed crée un hub de compétences unifié entre les écosystèmes RH et d’apprentissage, offrant aux responsables une vision claire et exploitable des capacités des équipes.
Grâce à son intégration avec des plateformes comme SAP et des fournisseurs de contenus, cette couche unifiée transforme les données de compétences en insights directement exploitables. La force et l’interopérabilité de ce partenariat jouent un rôle essentiel. À ce titre, Degreed est une application recommandée par SAP, une certification premium qui atteste du respect des standards les plus exigeants de SAP en matière de sécurité, de tests et de performance.
Ce niveau d’interconnexion permet aussi de résoudre certains des défis les plus complexes, notamment celui du passage à l’échelle sans perte de cohérence. Prenons l’exemple d’une stratégie de compétences mondiale : l’un des principaux défis consiste à garantir la cohérence. Un niveau de maîtrise « 3 » à Londres peut recouvrir une réalité totalement différente d’un niveau « 3 » à Singapour. Le langage des compétences n’est pas universel, ce qui rend les données difficiles à exploiter et parfois peu fiables. Dans ce contexte, Degreed unifie les signaux de compétences issus de différents fournisseurs technologiques et les aligne sur un référentiel commun, comme le Talent Intelligence Hub de SAP. Les données deviennent alors claires, cohérentes et exploitables.
Cette approche facilite ensuite la planification des talents à l’échelle de l’entreprise et la mobilité internationale des équipes, tout en conservant la flexibilité nécessaire localement pour les compétences spécifiques à chaque fonction.
Lorsqu’ils fonctionnent ensemble, SAP SuccessFactors et Degreed créent un écosystème de talents cohérent, dans lequel les insights sur les compétences alimentent directement les stratégies de développement des équipes. SAP SuccessFactors sert de système de référence, en identifiant les rôles, les besoins des équipes et les écarts de compétences critiques. Degreed devient alors le système d’action, capable de proposer des expériences learning personnalisées et adaptatives.
Ensemble, ces deux plateformes accélèrent la transformation.
La préparation des équipes, pièce manquante des investissements IA
Les entreprises qui tirent réellement parti de l’IA ont compris une chose : développer les compétences des équipes est aussi stratégique que d’investir dans la bonne technologie.
C’est là qu’interviennent un modèle opérationnel axé sur les compétences et un écosystème connecté. Quand vous intégrez le système maître SAP SuccessFactors et Degreed, les données de compétences peuvent circuler au sein d’un système d’information cohérent. Les organisations obtiennent ainsi une vision complète du niveau de préparation des équipes, un élément essentiel de toute stratégie de transformation métier et d’adoption de l’IA. Elles peuvent alors identifier plus facilement les écarts de compétences qui freinent l’adoption de l’IA et le ROI, les combler plus rapidement et ajuster les priorités de développement à mesure que les besoins évoluent.
La transformation ne peut réussir que si les capacités des équipes évoluent au même rythme que les technologies. À l’ère de l’IA, les organisations qui tirent leur épingle du jeu sont celles qui développent les capacités nécessaires pour transformer l’IA en véritable moteur de performance.
Télécharger le livre blanc → L’IA ne transformera pas votre entreprise. Vos équipes, si. Co-créé par Degreed et SAP.
Restons en contact
Je souhaite m’inscrire à la newsletter mensuelle pour me tenir informé(e) des prochains événements, bénéficier d’éclairages exclusifs et recevoir l’actualité des solutions Degreed.