Une enquête Censuswide menée pour le compte de Semarchy révèle un paradoxe persistant : les investissements dans l'IA agentique progressent trois fois plus vite que la maturité des fondations de données censées les alimenter, exposant les organisations à une dette technique en IA dont les effets sont déjà mesurables.
L'étude porte sur des organisations affichant un chiffre d'affaires annuel supérieur à 200 millions de dollars et déjà engagées dans des initiatives IA. Elle cible les cadres supérieurs impliqués dans les décisions technologiques — CDO, CIO et leurs équivalents directs — dans trois marchés représentatifs de la maturité IT occidentale. Les données françaises font l'objet d'un traitement spécifique qui permet d'isoler les dynamiques propres au marché hexagonal.
Le chiffre le plus structurant de l'étude concerne la gouvernance des données en amont des déploiements IA : 64 % des dirigeants français conduisent des initiatives IA sans avoir mis en place de fondations MDM (Master Data Management), et 53 % sans appliquer de normes de qualité des données. Ces deux indicateurs combinés signifient que la majorité des projets IA en entreprise s'appuient sur des pipelines de données non gouvernés — c'est-à-dire des flux dans lesquels la traçabilité, la cohérence référentielle et la qualité des entrées ne sont pas formellement garanties. Dans un contexte d'IA agentique, où les agents prennent des décisions autonomes à partir des données qui leur sont fournies, cette absence de gouvernance amont constitue un risque d'erreur systémique, pas seulement ponctuel.
Le CDO exclu des décisions sur les systèmes qui dépendent de lui
Les conséquences sont déjà observables. En 2025, un dirigeant sur cinq a enregistré des retards dans ses projets IA imputables à des données peu fiables (21 %), à des problèmes de qualité des données (19 %) ou à une perte de confiance dans le modèle IA générée par la qualité des entrées (18 %). Ces trois postes de défaillance pointent tous vers le même nœud causal : des architectures de données non préparées pour alimenter des systèmes d'inférence à haute fréquence. « La moitié des décideurs qui s'appuient sur des bases MDM solides se positionnent pour faire évoluer l'IA agentique et déployer des data products fiables. L'autre moitié ne fait pas que prendre du retard — elle accumule activement une dette technique en IA », déclare Craig Gravina, directeur technique de Semarchy.
L'étude met en évidence un paradoxe de gouvernance particulièrement saillant pour les DSI : la gestion des données est identifiée comme le premier obstacle aux projets IA par les répondants, mais seulement 11 % des CDO et 23 % des CIO sont considérés comme jouant un rôle principal dans la stratégie IA de leur organisation. En d'autres termes, les décideurs les mieux positionnés pour traiter le problème le plus fréquemment cité sont systématiquement écartés des instances de pilotage stratégique de l'IA. Ce décrochage entre responsabilité fonctionnelle et poids décisionnel produit un angle mort structurel dans la gouvernance des projets IA à l'échelle de l'entreprise.
« Il est alarmant que, bien que la gestion des données soit le plus grand obstacle, seulement 11 % des CDO et 23 % des CIO soient considérés comme jouant un rôle principal dans la stratégie IA de leur organisation. Vous ne pouvez tout simplement pas séparer la vision de l'IA de la réalité des données. Lorsque les architectes de votre infrastructure de données sont écartés de la stratégie, les lacunes d'exécution sont inévitables », ajoute Craig Gravina. Pour les directions informatiques, cela soulève une question de gouvernance concrète : qui valide la cohérence entre les ambitions IA portées par le COMEX et la capacité réelle des architectures de données à les soutenir ?
Un optimisme déclaré qui masque des lacunes de compétences reconnues
L'étude révèle un écart notable entre la confiance affichée et l'auto-évaluation des compétences disponibles. La confiance des dirigeants français dans l'atteinte de leurs objectifs IA est passée de 45 % en 2025 à 87 % en 2026 — une progression de 42 points en un an qui dépasse toute évolution plausible de maturité réelle. Simultanément, 80 % de ces mêmes dirigeants reconnaissent que les compétences globales en matière de données de leur organisation constituent un frein à leur plein potentiel IA, et 76 % formulent le même constat sur leur stratégie. Seules 45 % des entreprises françaises se considèrent effectivement prêtes pour l'IA.
La progression de la conformité réglementaire suit une logique similaire. En 2025, 50 % des dirigeants avaient intégré l'éthique et la régulation IA dans leur gouvernance des données. Ce taux atteint 68 % en 2026 chez les décideurs français — mais Semarchy note explicitement que cette progression résulte d'une adaptation sous pression réglementaire, non d'une anticipation proactive. Pour les DSI, la distinction est opérationnellement significative : une conformité construite sous contrainte laisse des angles morts là où une démarche anticipée aurait permis de concevoir des architectures robustes dès l'origine.
L'IA sans infrastructure de données adéquate
Malgré les lacunes documentées, les intentions d'investissement pour 2026 sont massives : 82 % des entreprises françaises prévoient d'allouer plus de 10 % de leur budget technologique à des initiatives IA. Les priorités déclarées portent sur l'IA agentique opérationnelle (43 %), les DataOps et data products (43 %), les pilotes agentiques (38 %) et la gestion des données (37 %). Le fait que la gestion des données arrive en quatrième position — après les cas d'usage applicatifs — illustre précisément le déséquilibre que l'étude cherche à documenter. Les organisations financent les couches applicatives avant de sécuriser les couches fondationnelles.
Seules 42 % des organisations interrogées investissent dans une approche DataOps pour combler cet écart, c'est-à-dire dans une rationalisation du cycle de vie complet des données, de l'ingestion à l'analyse, visant à garantir une livraison rapide et fiable de données de haute qualité en tant que produit consommable par les systèmes IA. Pour les directions IT, l'enjeu des prochains mois est moins de choisir entre IA agentique et consolidation des données que de séquencer correctement les deux. Les organisations qui déploient des agents autonomes sur des pipelines de données fragmentés exposent leurs métiers à des erreurs d'inférence dont le coût de correction augmente avec l'échelle du déploiement.
