L’intelligence artificielle ne génère pas de valeur homogène après une migration ERP. En effet, les résultats de l’étude ISG SAP Migration Study 2025, qui a interrogé 200 dirigeants, révèlent que les utilisations prioritaires de l’IA diffèrent considérablement entre les secteurs. Cette dispersion montre que les différences ne tiennent pas à la maturité des modèles, mais plutôt à l’architecture des données, aux contraintes réglementaires et aux mécanismes opérationnels.
Les programmes de migration vers SAP S4 HANA ont absorbé une part importante du budget informatique entre 2022 et 2024, visant principalement à uniformiser les procédures financières et opérationnelles. Après avoir franchi cette étape, l’IA est présentée comme un moyen naturel de réaliser des économies. Toutefois, les données d’ISG montrent que les secteurs ont des priorités très différentes concernant l’impact de l’IA, ce qui remet en question l’idée d’un modèle d’industrialisation unique. Dans l’étude, les participants devaient sélectionner leurs deux domaines les plus significatifs où l’IA aurait un impact après la mise en œuvre d’un ERP. Les pourcentages observés ne mesurent donc pas un taux d’adoption global, mais une hiérarchisation des usages perçus comme créateurs de valeur. Cette précision méthodologique est essentielle pour relier chaque chiffre à un mécanisme métier et éviter toute lecture essentialisante.
Dans la banque, prévision et conformité dominent
Dans le secteur bancaire et financier, 34 % des répondants placent la prévision financière parmi leurs deux premières priorités IA après migration ERP. Les assistants numériques sont utilisés dans 29 % des cas, tandis que la gestion des risques, de la conformité et du reporting réglementaire représente 25 % des utilisations. Ces statistiques montrent clairement une tendance vers des fonctions de pilotage, de simulation et de sécurisation des décisions.
Ce choix est justifié par les exigences spécifiques du secteur. Les établissements financiers disposent de données fortement structurées et historiquement bien intégrées à l’ERP, ce qui rend les cas d’usage analytiques immédiatement exploitables. Cependant, la réglementation impose des restrictions à l’automatisation globale. L’intelligence artificielle est donc utilisée pour améliorer la qualité des prévisions et renforcer la transparence des décisions, plutôt que pour révolutionner les processus opérationnelles.
Dans l’industrie, exécution et flux physiques
Le secteur manufacturier présente une hiérarchie sensiblement différente. Selon une enquête auprès de 33 % des industriels, le traitement automatisé des factures et des paiements est la priorité en matière d’intelligence artificielle (IA) post-migration, devançant la prévision financière et l’optimisation de la demande (toutes deux à 23 %). La maintenance prédictive et les assistants numériques se situent à 20 % chacun.
Ces chiffres traduisent une logique d’exécution et de continuité opérationnelle. Contrairement aux services financiers, la valeur de l’intelligence artificielle réside dans la réduction des frottements, la prévision des pannes et l’optimisation des flux physiques. Or, ces usages reposent largement sur des données issues de systèmes industriels, de capteurs ou de plateformes IoT. Ces données ne sont pas intégrées nativement à SAP. La migration vers un système ERP ne garantit pas le bon fonctionnement de ces cas d’utilisation.
Santé et secteur public : planification et allocation des ressources
Dans la santé et les sciences de la vie, 25 % des répondants placent l’optimisation de la demande et des stocks en tête des priorités IA, devant le traitement des factures et paiements à 22 %. L’automatisation des tâches et l’analyse intelligente des contrats atteignent chacune 15 %. Ces résultats montrent des secteurs sous pression en ce qui concerne les ressources, la complexité logistique et la fiabilisation des approvisionnements.
Dans le secteur public et les services aux collectivités, la prévision financière et l’optimisation de la demande dominent, avec des taux respectifs de 28 % et 24 %, tandis que la gestion des dépenses se situe à 24 %. Ces données révèlent que l’IA est principalement perçue comme un outil de gestion budgétaire. La faible représentation de cas d’usage avancés, comme la maintenance prédictive ou les tableaux de bord personnalisés, révèle des systèmes d’information encore très fragmentés et des capacités d’intégration limitées.
Après l’ERP, l’IA révèle les angles morts des architectures de données
L’enseignement transversal de l’étude ISG est explicite. Les applications les plus fréquemment mentionnées de l’intelligence artificielle sont celles qui fonctionnent avec des données bien organisées, cohérentes et contrôlées. À l’inverse, les cas d’utilisation qui dépendent de données hétérogènes ou faiblement intégrées, comme la gestion des exceptions ou certaines automatisations de terrain, restent marginalisés dans la plupart des secteurs, représentant généralement moins de 5 %.
Pour les directions informatiques, ces chiffres mettent en évidence un constat opérationnel précis. La migration ERP est une étape nécessaire, mais non suffisante, pour tirer parti de l’intelligence artificielle en termes de création de valeur. Pour que l’IA devienne un véritable levier de performance, de contrôle des coûts et de fiabilité opérationnelle, il est essentiel de se concentrer sur trois aspects clés : l’intégration des données, la gestion des données et l’interopérabilité entre les systèmes. En effet, sans une attention particulière à ces domaines, l’IA reste confinée à des niches de valeur isolées. À l’inverse, les organisations capables de traiter ces angles morts transforment l’IA en levier mesurable de performance, de maîtrise des coûts et de fiabilité opérationnelle.
