McKinsey a publié en mars 2026 une étude qui porte, en apparence, sur la budgétisation. Mais quiconque lit les chiffres en détail se heurte à un message plus inconfortable : la plupart des organisations dépensent leur budget technologique d’une façon qui compromet structurellement l’adoption de l’IA. Non pas parce qu’elles investissent trop peu, mais parce qu’elles investissent de la mauvaise manière.
Ce qui a été étudié
L’étude « Recalibrating technology budgets for the AI era » repose sur une enquête menée auprès de 17 grandes entreprises en Australie, en Europe et en Amérique du Nord, portant sur leurs dépenses informatiques en 2024 et leurs projets pour 2025. Les auteurs, Leandro Santos, Thomas Elsner et Ishaan Sharma, ont cartographié la relation entre deux types de dépenses : le « run », c’est-à-dire les coûts liés au maintien en fonctionnement des systèmes existants, et le « change », soit les investissements dans le renouvellement, la modernisation et les nouvelles capacités. Les budgets IA ne constituent pas une catégorie distincte dans cette analyse. Ils font partie intégrante des deux.
Le constat central : l’IA absorbe un tiers des budgets « change » des grandes organisations, mais réduit à peine les coûts « run ». Pis encore, dans de nombreuses entreprises, les coûts opérationnels augmentent, car l’IA ajoute de nouveaux systèmes par-dessus une infrastructure existante, sans que rien ne soit démantelé.
Quatre profils, un seul schéma
McKinsey distingue quatre archétypes informatiques selon le rapport entre les investissements « run » et « change ».
Les « deliberate modernizers » consacrent au moins un tiers de leur budget au « change » (37 %), maintiennent structurellement leurs coûts « run » à un niveau bas et s’appuient sur des plateformes standardisées. Leur dette technique est gérable. Ils constituent la référence.
Les « strained transformers » investissent également beaucoup dans le « change » (34 %), mais construisent sur une infrastructure héritée. Les coûts « run » restent donc élevés (66 %) et le rendement des investissements « change » risque de stagner. Ils avancent, mais en portant un poids excessif.
Les « lean operators » maintiennent tout à l’étroit : peu de « run », mais aussi peu de « change » (13 % de « change », 87 % de « run »). Stables à court terme, mais vulnérables à l’immobilisme en matière d’innovation.
Les « heavy IT sustainers », enfin, consacrent l’essentiel de leur budget au « run » (80 %), avec peu de marge pour le « change » (20 %). Ce profil émerge d’une complexité structurelle ou à la suite d’une grande vague de modernisation au cours de laquelle l’environnement est délibérément maintenu stable.
Ce que font différemment les deliberate modernizers
La différence ne réside pas dans l’ampleur du budget, mais dans trois choix précis.
Premièrement, ils maintiennent leurs coûts d’infrastructure « run » à un niveau au moins 20 % inférieur à celui d’organisations comparables. Ce n’est pas le fruit du hasard, mais le résultat d’une décision délibérée de décommissionner des plateformes, de consolider des services et d’éliminer structurellement la dette technique.
Deuxièmement, 57 % de leur budget applicatif est consacré au « change », contre 21 à 47 % pour les autres archétypes. Ils dégagent de la marge en remplaçant, pas seulement en ajoutant.
Troisièmement, et c’est la conclusion la plus frappante, ils investissent 16 % de leur budget informatique total dans des ressources internes dédiées aux activités « change ». C’est 1,5 à 4 fois plus que les autres groupes. Le talent s’avère être le véritable goulot d’étranglement.
Pourquoi cela compte pour votre organisation
Cette étude se concentre sur les grandes multinationales, mais le schéma est tout aussi reconnaissable dans les organisations de taille intermédiaire. Beaucoup d’entreprises qui déploient aujourd’hui l’IA sont, en réalité, des « strained transformers » : elles ajoutent des outils IA aux flux de travail existants, sans rien remplacer ni simplifier. Le résultat est un environnement informatique qui devient simultanément plus moderne et plus complexe.
Cinq leçons pour ceux qui souhaitent en tirer les bonnes conclusions :
- La charge « run » détermine votre marge de manoeuvre. Les organisations qui surpayent structurellement le maintien en fonctionnement de leurs systèmes existants ne disposent plus de suffisamment de marge pour le renouvellement. Ce n’est pas un problème budgétaire. C’est un problème d’architecture. Qui ne gère pas activement ses coûts « run » finance l’immobilisme avec de l’argent de croissance.
- Ajouter de l’IA n’est pas synonyme de modernisation. L’erreur la plus répandue dans l’adoption de l’IA consiste à empiler de nouveaux outils sur une base technique inchangée. Cela coûte de l’argent, accroît la complexité et ne confère aucun avantage structurel. Chaque investissement IA devrait également soulever une question : qu’est-ce que nous démantelons pour lui faire de la place ?
- Les plateformes partagées ne sont pas un poste de coût, mais un levier. Les « deliberate modernizers » investissent délibérément dans des plateformes de données et une infrastructure standardisée, non pas parce que c’est bon marché, mais parce que cela rend les investissements futurs moins coûteux et plus rapides. Un investissement qui simplifie l’investissement suivant est plus stratégique qu’un investissement qui ne se justifie que par lui-même.
- Le talent est le goulot d’étranglement que personne ne veut nommer. McKinsey est explicite : la capacité interne au « change » est la distinction la plus nette entre les organisations les plus performantes et les autres. Les prestataires externes peuvent construire des systèmes. Ils ne bâtissent pas de capacité organisationnelle. Les connaissances que vos collaborateurs développent ne disparaissent pas à l’expiration d’un contrat.
- La simplification est un choix stratégique, pas une mesure d’économie. Utiliser l’IA comme catalyseur de simplification, comme le formule McKinsey, signifie concrètement : se servir de l’IA pour éliminer des processus, non pour les automatiser. Les organisations qui utilisent l’IA pour gérer la complexité n’ont pas compris le problème. Les organisations qui utilisent l’IA pour faire moins construisent de manière plus durable que celles qui l’utilisent pour faire plus.
La vraie leçon
McKinsey a rédigé cette étude pour les DSI des grandes entreprises. Mais la tension structurelle qu’ils décrivent s’applique tout autant à une entreprise de 200 collaborateurs qu’à une multinationale. Le rapport entre ce qu’une organisation dépense pour maintenir ce qui existe et ce qu’elle dépense pour progresser est un indicateur direct de sa liberté de manoeuvre stratégique.
En fin de compte, il ne s’agit pas du montant du budget IA. Il s’agit de savoir si votre organisation dispose de l’espace et de la capacité pour changer réellement, ou si elle continue à construire de nouvelles couches sur un socle qu’elle n’ose pas toucher.
Regardez honnêtement votre propre situation : quelle part de votre budget technologique est consacrée à la préservation de ce qui existe, et quelle part à ce que vous souhaitez devenir ?