En avril 2026, Stanford a publié la neuvième édition de l’AI Index, la mesure indépendante la plus complète du domaine. Enfouie dans ses chapitres sur l’économie et l’IA responsable se trouve la description la plus nette que nous ayons vue du problème que nous avons créé Ripcord pour résoudre. Nous l’appelons l’impasse: tout le monde a acheté de l’autonomie, et presque personne n’ose s’en servir. La voici en trois chiffres.
des organisations interrogées utilisent désormais l’IA, et 70% font tourner de l’IA générative dans au moins une fonction de l’entreprise. L’adoption n’est pas le goulot d’étranglement.
Le déploiement à l’échelle d’agents IA, les systèmes qui agissent réellement, reste à un pourcentage à un chiffre des répondants dans presque toutes les fonctions de l’entreprise. Dans la plupart des fonctions, une majorité ne déclare aucun usage d’agents.
des répondants citent la sécurité et le risque comme principal obstacle au passage à l’échelle de l’IA agentique, loin devant les limites techniques (38%), l’incertitude réglementaire (38%) et les lacunes des outils de contrôle et d’IA responsable (36%).
Source: enquête McKinsey et AI Index auprès de dirigeants d’entreprise, via le Stanford AI Index Report 2026, chapitres 3 et 4.
Relisez ce troisième chiffre. Quand les entreprises expliquent pourquoi leurs agents restent bloqués au stade du pilote, la première réponse n’est pas « les modèles ne sont pas assez bons ». Seuls 38% le disent. La première réponse, et de loin, c’est la peur. Ce n’est pas un déficit de modèle. C’est une couche de contrôle qui manque.
Le même rapport explique pourquoi cette peur est méritée. Sur τ-bench, le benchmark qui teste la capacité des agents à respecter des contraintes de politique tout en utilisant des outils, aucun modèle de pointe ne dépasse 71%. Sur OSWorld, les agents accomplissent 66.3% des tâches informatiques réelles, à six points de la référence humaine de 72.35%, ce qui veut dire que les agents échouent désormais à peu près aussi souvent qu’un employé junior. La différence: l’employé junior travaille dans un cadre de validations, de plafonds de dépense et de piste d’audit, à vitesse humaine. L’agent travaille sans rien de tout cela, à la vitesse de la machine.
Et les incidents arrivent comme prévu: les incidents IA documentés ont augmenté de 55% en un an, de 233 en 2024 à 362 en 2025, après être restés sous la barre des 100 par an jusqu’en 2022 (AI Incident Database). Le moniteur distinct de l’OCDE a culminé à 435 pour le seul mois de janvier 2026. Les deux trackers surreprésentent les cas très visibles et anglophones, considérez donc ces décomptes comme des planchers. Dix des pires, intégralement sourcés, sont dans notre dossier des incidents.
Yolanda Gil et Raymond Perrault, coprésidents, Stanford AI Index Report 2026.
L’impasse paraît sûre parce que rien ne casse de façon visible. Mais la Fed de Saint-Louis a mesuré ce que les adopteurs de l’IA encaissent: 2.2 heures par employé et par semaine en moyenne, les 27% d’utilisateurs les plus assidus en économisant 9 ou plus et les utilisateurs intensifs en déclarant plus de 20. Pour une entreprise de 500 personnes à un coût horaire chargé de $75, attendre coûte des millions par an, en silence. Pendant ce temps, les organisations qui ont déployé encaissent des coups avec une confiance en baisse: parmi celles qui déclarent des incidents IA, la part touchée 3 à 5 fois dans l’année est passée de 30% à 50%, tandis que la réponse aux incidents auto-évaluée « excellente » est tombée de 28% à 18%.
Les deux portes coûtent donc cher. Déployer à l’aveugle et encaisser les incidents, ou attendre et encaisser la perte de productivité. L’impasse persiste parce que la plupart des entreprises croient que ce sont les deux seules portes.
La sortie n’est pas un meilleur modèle. Les capacités des modèles ont convergé: Stanford place les quatre premiers modèles de pointe à moins de 25 points Elo les uns des autres, et conclut que la pression concurrentielle se déplace vers la fiabilité. La sortie, c’est ce que 62% des répondants demandent en réalité: une couche de contrôle qui rend un agent fiable à 70% déployable dès aujourd’hui. Scorer chaque action avant qu’elle ne s’exécute. Router les risquées vers un humain nommé. Garder les destructrices réversibles, pour qu’une erreur reste survivable. Geler l’agent qui conteste un refus. Produire la piste de preuves que votre auditeur et, un jour, votre assureur vous demanderont.
C’est ce que nous avons construit. Le budget existe déjà, lui aussi: parmi les organisations réalisant au moins $30 milliards de chiffre d’affaires, 41% prévoyaient de dépenser $25 millions ou plus pour opérationnaliser l’IA responsable, et 22% ont budgété plus de $50 millions. L’impasse ne sera pas brisée par la prochaine sortie de modèle. Elle sera brisée par la première entreprise de chaque secteur capable de dire oui en sécurité, et d’encaisser les heures que ses concurrents débattent encore.
Le calculateur de notre page d’accueil modélise ce que l’impasse coûte à votre entreprise par an, sans protection, avec les hypothèses exposées au grand jour.
Calculer votre chiffre →