Les erreurs de l’IA pèsent sur les finances des entreprises et retardent les projets dans le monde entier

Une étude de Paligo révèle que sept répondants sur dix sont confrontés au moins une fois par mois à des réponses ou des actions de l’IA comportant des erreurs importantes.

STOCKHOLM, 13 nov. 2026 (GLOBE NEWSWIRE) -- Les erreurs de l’intelligence artificielle (IA) alourdissent les coûts des entreprises et retardent leurs projets, selon une nouvelle étude réalisée par Paligo, fournisseur d’infrastructures contextuelles gouvernées pour l’IA d’entreprise. L’étude révèle que 14 % des répondants font état de pertes financières directes ou d’un impact sur leur chiffre d’affaires en raison de résultats erronés ou peu fiables générés par l’IA.

Plus d’un répondant sur cinq (22 %) signale des retards dans les processus internes ou les projets, tandis que 18 % font état de coûts supplémentaires liés aux technologies ou aux ressources informatiques. Ces résultats portent sur les expériences des répondants au cours des 12 derniers mois.

Au moins 78 des 411 répondants (19 %) ont signalé des conséquences en matière de sécurité, de conformité ou de réputation. Par ailleurs, sur l’ensemble de l’échantillon, 49 % ont fait état d’un incident lié à la sécurité ou d’une augmentation des risques dans ce domaine (17 %), d’un problème de conformité, juridique ou réglementaire (17 %), ou d’un impact sur la réputation de leur organisation (15 %).

Cette étude internationale a été menée au Royaume-Uni, aux États-Unis, en Allemagne et au Benelux, auprès de 411 dirigeants d’entreprises impliqués dans les décisions relatives à l’IA d’entreprise ou aux informations qu’elle utilise. Ses résultats sont présentés dans le nouveau rapport de Paligo, What does it cost an organization when AI gets the answer wrong? (Combien coûte à une organisation une réponse erronée de l’IA ?)

Rahul Yadav, PDG de Paligo, a déclaré : « La plupart des erreurs de l’IA ne proviennent pas des modèles eux-mêmes, mais des contenus qu’ils exploitent. Lorsqu’une IA consulte un manuel obsolète ou la mauvaise version d’un produit, elle fournit une réponse erronée avec une assurance déconcertante.

« Chaque réponse erronée a un coût, mais la plupart des organisations ne le mesurent pas. Parmi les personnes confrontées à des erreurs, la moitié consacrent au moins cinq heures de travail pour corriger chacune d’entre. Pourtant, seule une organisation sur quatre environ mesure le temps passé à vérifier les réponses. C’est ce qui pourrait constituer une véritable taxe liée au contexte, payée discrètement chaque jour. »

Sept répondants sur dix (70 %) indiquent qu’une application d’IA d’entreprise utilisée au sein de leur organisation a produit au moins une fois par mois une réponse ou une action comportant une erreur importante. Seuls 15,6 % déclarent que leur organisation mesure le coût nécessaire pour obtenir une réponse fiable ou vérifiée. Une organisation sur cinq (20,4 %) mesure le coût par requête adressée à l’IA et 16,1 % suivent leur consommation de jetons.

Certains services d’IA facturent les jetons en entrée et en sortie, unités servant à mesurer la quantité d’informations lues et générées par un modèle. Les requêtes supplémentaires ou le traitement de données superflues peuvent alourdir la facture. Près des trois quarts des répondants (74,2 %) indiquent que leurs systèmes récupèrent fréquemment ou occasionnellement des informations identiques ou similaires. Le retraitement de ces informations peut entraîner une consommation supplémentaire de jetons, même si une nouvelle vérification peut être nécessaire pour confirmer la fiabilité d’une réponse.

Les problèmes liés aux informations utilisées par l’IA peuvent compliquer l’obtention de résultats fiables. Ainsi, 27 % des répondants indiquent que les investigations ont révélé l’utilisation d’informations obsolètes lors de la récupération des données, tandis que 25 % signalent une combinaison incorrecte d’informations pertinentes provenant de plusieurs sources. Interrogés sur les applications en production ou proches de leur mise en production, seuls 22 % déclarent que leur organisation est toujours en mesure d’identifier la version de la source utilisée.

Rahul Yadav a poursuivi : « Trouver des informations pertinentes n’est que la première étape. Un document peut être exact pour un produit et erroné pour un autre. Avant de faire confiance à une réponse de l’IA, les dirigeants doivent savoir de quelle version des informations elle provient, si celle-ci a été approuvée et pourquoi elle était pertinente dans ce contexte. Si vous ne pouvez pas répondre à ces questions, vous ne pouvez pas justifier la réponse. »

La vérification et la correction mobilisent également des ressources importantes au sein des entreprises. Parmi les 334 répondants ayant rencontré des erreurs, 51 % indiquent qu’un problème classique nécessite au moins cinq heures de travail cumulées pour être analysé, vérifié et corrigé. Par ailleurs, 83 % de l’ensemble des répondants déclarent effectuer fréquemment ou occasionnellement des vérifications à partir des sources originales, mais seuls 27 % indiquent que leur organisation mesure le temps consacré à ces vérifications.

Les problèmes de contenu retardent également le déploiement de l’IA. Plus de trois répondants sur cinq (61 %) font état de retards fréquents ou occasionnels dans le déploiement ou l’extension de solutions d’IA, en raison d’informations de référence insuffisamment à jour, approuvées, structurées ou encadrées.

« Le moyen le plus rapide d’obtenir une IA plus fiable consiste à corriger les contenus à la source », a ajouté Rahul Yadav.

« Assurez-vous que les informations sont à jour, approuvées et traçables, et configurez l’IA pour qu’elle signale les questions auxquelles elle ne peut pas répondre ou s’abstienne de répondre lorsqu’aucune réponse approuvée n’existe. Commencez par un produit ou une réponse présentant un risque élevé, puis mesurez les changements obtenus. »

Paligo recommande de suivre la consommation de jetons et les coûts associés à chaque requête nécessaire pour obtenir une réponse exploitable, ainsi que le temps consacré par les équipes à sa vérification et à sa correction. Lorsque l’absence de contexte ou des versions contradictoires entraînent des requêtes répétées, les équipes peuvent évaluer si l’amélioration des contenus sources ou des modalités de récupération des informations permet de réduire les coûts tout en préservant la fiabilité des réponses.

Lire le rapport complet : What does it cost an organization when AI gets the answer wrong? (Combien coûte à une organisation une réponse erronée de l’IA ?)

Notes à l’intention des rédactions
Pour obtenir davantage d’informations sur Paligo, veuillez contacter Stephen Sanders, Kiran Patel ou Adam Gooseman au sein de l’agence de relations publiques PR Agency One. Tél. : +44 161 871 9140
E-mail : paligo@pragencyone.co.uk

Méthodologie
L’étude a été commanditée par Paligo et menée en octobre 2026 au Royaume-Uni, aux États-Unis, en Allemagne et au Benelux, auprès de 411 personnes impliquées dans les décisions relatives à l’IA d’entreprise ou aux informations qu’elle utilise. Les répondants représentaient des organisations à différents stades d’adoption de l’IA : expérimentation, déploiement limité en production et utilisation en production dans plusieurs fonctions.

Le chiffre de 70 % correspond à la proportion de répondants ayant signalé des résultats comportant des erreurs importantes au moins une fois par mois au cours des 12 derniers mois. Les données relatives au temps consacré aux corrections portent sur les 334 répondants ayant rencontré des erreurs, y compris ceux qui y ont été confrontés moins d’une fois par mois. Le nombre d’heures de travail correspond au temps cumulé consacré à un problème par l’ensemble des collaborateurs concernés.

Les répondants pouvaient sélectionner plusieurs causes et conséquences. Le minimum de 78 personnes ayant signalé un impact sur la sécurité, la conformité ou la réputation correspond au plus élevé des trois groupes dans chaque marché (26 au Royaume-Uni, 21 aux États-Unis, 20 en Allemagne et 11 au Benelux). Les données relatives à l’économie des jetons sont présentées avec une décimale. Les autres pourcentages de l’enquête sont arrondis à l’unité la plus proche.

Le rapport décrit une éventuelle « taxe liée au contexte », correspondant au surcroît de travail nécessaire à la vérification et à la récupération des informations. L’enquête n’a pas quantifié le gaspillage de jetons, les économies potentielles, le coût financier global ni l’effet net de l’IA sur la productivité.

À propos de Paligo
Paligo fournit des infrastructures contextuelles gouvernées pour l’IA d’entreprise. Des organisations des secteurs de l’industrie manufacturière, des technologies médicales et d’autres industries réglementées utilisent Paligo pour structurer leur documentation et leurs connaissances opérationnelles, les maintenir à jour et les soumettre à validation. Ainsi, les collaborateurs et les systèmes d’IA qui en dépendent disposent d’informations fiables. Fondée en 2015, Paligo accompagne les entreprises pour lesquelles une réponse inexacte peut avoir des conséquences sur la sécurité, la conformité ou la production.

Pour en savoir plus, consultez le site : paligo.net.

Une photo annexée au présent communiqué est disponible à l’adresse suivante : http://www.globenewswire.com/NewsRoom/AttachmentNg/a4e2d5ff-d6ba-4833-a4be-27c3a531a7e1