Pourquoi les petites entreprises dominent la course au ROI de l’IA?
Bienvenue à l'ère de l'intelligence artificielle. La capacité d'adaptation rapide est le nouveau facteur de différentiation concurrentiel. Les petites entreprises, optimisées pour les environnements dynamiques, sont les mieux placées pour le savoir.
Un important rapport datant d'octobre 2025* et publié par la Wharton School et GBK Collective a révélé que les géants multimillionnaires peinaient à convertir leur utilisation de l'IA en fonds réels. Les entreprises de moins de 2 milliards de dollars de chiffre d'affaires annuel enregistrent des gains financiers plus rapidement.
Aaron Levie, CEO de Box explique que c'est parce qu'elles ne perdent pas de temps dans l'expérimentation.
« Le plus étonnant et révélateur, c'est le delta entre les entreprises de moins de 2 milliards de dollars de chiffre d'affaires et celles de plus de 2 milliards de dollars. Le groupe des petites entreprises enregistre des taux de gains réels plus élevés et des taux plus faibles de blocage dans la phase pilote », observe-t-il.
Points essentiels :
- Les petites entreprises peuvent rentabiliser plus rapidement leurs investissements en IA, car leur agilité naturelle leur permet d’adopter et de déployer rapidement les changements de processus nécessaires, sans être freinées par la complexité et l’inertie qui ralentissent les grandes entreprises.
- Repenser les workflows métier permet de maximiser les gains liés à l'IA, car l'intégrer progressivement dans les processus existants ne suffit pas à exploiter le potentiel de transformation profonde qu'elle offre.
- Le manque d'investissement dans la formation des employés entraîne des goulots d'étranglements critiques, car c'est le capital humain qui définit la cadence de l'évolution. Sans prise en compte de l'érosion des compétences et des besoins en nouveaux talents, les organisations ne peuvent pas tirer pleinement parti de l'IA à grande échelle.
Les petites entreprises enregistrent un ROI plus rapide.
La taille des grandes entreprises freine désormais la rentabilisation de leurs investissements dans l’IA.
L'étude de Wharton hiérarchise l'environnement professionnel, en définissant les entreprises de plus de 2 milliards de dollars de chiffre d'affaires comme des entreprises de niveau 1. Ces géants sont ralentis par la complexité de leurs processus. Ils sont plus susceptibles de déclarer qu'il est « trop tôt » pour calculer les retours de l'IA, malgré des dépenses importantes. Au contraire, les entreprises moyennes de niveau 2 (entre 250 millions et 2 milliards de dollars) et les petites entreprises de niveau 3 (moins de 250 millions de dollars) déclarent un retour sur investissement plus rapide.
« C'est plutôt logique, car les petites entreprises peuvent évoluer plus rapidement et adopter les nouvelles technologies plus facilement », explique Levie. « L'IA amplifie cette différence fondamentale, car elle change la nature du travail et, contrairement aux autres technologies, on ne peut pas l'implémenter, puis poursuivre simplement son chemin. »
Le rapport souligne le fait que les petites entreprises continuent à dominer l'utilisation de l'IA. Elles se considèrent comme plus flexibles, et affichent des gains supérieurs par rapport aux grandes entreprises grâce à leur adoption organisationnelle plus rapide.
L'IA amplifie cette différence fondamentale, car elle change la nature du travail et, contrairement aux autres technologies, on ne peut pas l'implémenter, puis poursuivre simplement son chemin.
Aaron Levie, CEO de Box
Se réinventer via la réingénierie
« Grandes ou petites, les entreprises qui réussissent avec l'IA sont celles qui commencent par redéfinir leurs flux de travail de manière à intégrer l'IA », affirme Levie.
Wharton prévoit un tournant majeur de cette intégration en 2026, alors que les entreprises bénéficiant d'un retour sur investissement structuré atteindront des performances à grande échelle ». Pour y parvenir, les grandes entreprises doivent dépasser leur blocage organisationnel et s'engager dans une refonte de leurs processus professionnels. Pour les petites entreprises, la directive est plus claire : maintenir leur flexibilité.
« L'importance des résultats obtenus via les agents IA sera directement corrélée à la manière dont vous modifiez (ou repensez) votre flux de travail », déclare Levie. « C'est un continuum entre les entreprises qui conçoivent un processus de zéro d'une part, et celles qui ne veulent pas changer d'un iota, de l'autre ».
Grandes ou petites, les entreprises qui réussissent avec l'IA sont celles qui commencent par redéfinir leurs flux de travail de manière à intégrer l'IA.
Aaron Levie, CEO de Box
Les études de Box indiquent qu'il existe cinq étapes de maturité de l'IA, le niveau le plus élevé étant « la gestion complète des fonctions par l'IA ». Ce niveau implique un travail de réingénierie de A à Z, et non tâche par tâche.
Les petites entreprises peuvent modifier leurs processus plus facilement », affirme Levie. Ce qui est clairement plus compliqué pour les grandes entreprises. C'est la clé de l'exploitation totale de l'IA.
Les grandes entreprises ont comblé leur retard global en termes d'utilisation de l'IA (82 % des leaders utilisent maintenant l'IA générative de manière hebdomadaire), mais elles doivent encore convertir cette activité en résultats positifs structurés et mesurables. La taille des entreprises, autrefois un avantage majeur, pourra être la cause d'un éventuel échec si des décennies de règles établies et de systèmes en silos empêchent un changement radical.
Vos employés mènent la cadence.
La clé de la flexibilité repose sur des équipes formées à l'IA.
Wharton indique que 43 % des leaders interrogés alertent sur la baisse des compétences et le manque de définition des postes, d'accompagnement et de pratique, et 89 % pensent même que les outils d'IA générative augmentent la charge de travail. En parallèle, seuls 69 % des responsables intermédiaires sont optimistes quant au retour sur investissement (contre 81 % des responsables seniors).
Une stratégie claire et éprouvée, visant à engager les employés, peut représenter un bon début pour réduire les divergences entre la vision des cadres et les réalités du terrain. C'est pourquoi Box applique une approche en quatre phases pour permettre à ses équipes de se former à l'IA et de mener des expérimentations à tous les niveaux de l'entreprise. Le leadership sélectionne ensuite le « pari gagnant » stratégique pour éviter de stagner à l'étape de formation des idées.
« Si vous pensez que vous pouvez simplement exploiter votre agent pour commencer, c'est possible pour certaines petites tâches », explique Olivia Nottebohm, Chief Operating Officer chez Box. « Mais si vous cherchez réellement à transformer votre entreprise, il faut adopter une approche plus réfléchie et plus structurée. »
Les entreprises doivent redéfinir leurs flux de travail.
Si le retour sur investissement de l'IA repose sur la vitesse, et non les dépenses, il vous faut alors appliquer la bonne stratégie pour engendrer les mêmes gains que vos concurrents. Pour commencer votre transformation, étudiez ces quelques suggestions basées sur des recherches :
- Confiez à l'IA des tâches reproductibles et complexes, le « type de travail relativement fréquent et qui nécessite un niveau de pensée critique que seuls les récents développements de l'IA peuvent fournir. (Rapport sur l'IA de Box)
- Optez pour des adoptions prouvées et éprouvées, dans les domaines détaillés dans le rapport de Wharton, notamment l'analyse de données (73 % de l'utilisation), la synthèse de documents (70 %) et l'édition/l'écriture de documents (68 %).
- Définissez des cadres de gouvernance fiables pour garantir une utilisation de l'IA responsable (Rapport sur l'état de l'IA en 2025 de Box). Le rapport de Wharton souligne un renforcement des garde-fous en entreprise : 64 % des organisations ont désormais adopté des politiques de sécurité des données, soit une hausse de 9 points par rapport à l’an dernier.
- Définissez vos priorités de transformation de l’IA avec la méthodologie complète de Box, qui couvre les cadres de référence pour les principes d’IA, les structures de gouvernance et la création de valeur.