McKinsey 2026 : Les chatbots dominent l'IA d'entreprise mais pas les profits

McKinsey a publié son rapport « State of AI in 2026: On the road to ROI » le 25 août 2026. Pour toute entreprise qui déploie de l’IA conversationnelle, un chiffre est difficile à ignorer : les chatbots sont le type d’IA le plus largement déployé à grande échelle en entreprise, cité par 47 % des répondants — devant toutes les autres catégories que le sondage suit. Dans le même souffle, McKinsey observe que seules 37 % des organisations peuvent démontrer un impact EBIT venant de leurs investissements IA, un chiffre virtuellement stable versus 2025, tandis que 80 % rapportent des gains de productivité individuelle. La productivité est réelle. Le profit ne se voit pas au P&L. Si votre entreprise a déployé un chatbot — ou s’apprête à le faire — la vraie question n’est plus « faut-il en construire un ? ». Elle est : « quel type de chatbot est du bon côté de cet écart ? ». Trois archétypes se disputent aujourd’hui l’étiquette, et un seul a un lien direct avec le chiffre d’affaires.

Ce que dit vraiment le rapport McKinsey 2026

The Register et Constellation Research ont couvert le rapport dans la même semaine. Les chiffres qui comptent pour toute décision autour d’un chatbot :

• Les chatbots = outil IA n°1 déployé à l’échelle, à 47 %. Assistants de code, workflows agentiques, génération marketing — tous derrière. Le chatbot est le cheval de trait.
• Les grands groupes qui scalent des agents IA passent de 27 % à 40 % sur un an chez les organisations à plus de 1 Md$ de CA. Les PME/ETI restent à 22 %.
• L’écart ROI est bloqué : 80 % de gains de productivité individuelle, 37 % d’impact EBIT. Seuls 6 % qualifient de « AI high performers » — les organisations qui attribuent au moins 5 % de leur EBIT à leurs initiatives IA.
• 1 répondant sur 5 limite déjà son usage IA à cause des coûts opérationnels, une proportion stable quelle que soit la taille de l’entreprise.

Lisez les deux premiers points : tout va bien. Ajoutez le troisième : le tableau s’inverse. Le secteur déploie des chatbots plus vite que jamais, et le P&L ne bouge pas. Quelque chose dans la façon dont la plupart des chatbots sont cadrés, déployés ou tarifés les empêche de convertir la productivité en profit.

Pourquoi la plupart des chatbots n’atteignent jamais l’EBIT

Trois schémas expliquent l’écart dans presque toutes les revues post-déploiement que nous voyons.

Le chatbot est cadré pour l’aide interne, pas pour la conversion client. Un bot RH qui répond aux questions sur les congés améliore l’expérience employé, mais n’augmente ni le CA par lead, ni la marge par ticket. Il apparaît dans la colonne « 80 % productivité » et reste invisible à l’EBIT.

Le chatbot hallucine une fois, et personne ne s’en sert plus. Un bot support qui invente une politique de retour, une caractéristique produit ou un délai de livraison détruit la confiance dont il a besoin pour dévier quoi que ce soit. Les conseillers formés le contournent. Les clients escaladent. Le coût de fonctionnement reste. Les économies ne se matérialisent jamais.

Le modèle de tarification transforme le succès en perte. Les modèles par résolution ou par message — de plus en plus fréquents chez Intercom Fin, Zendesk AI, Ada — signifient que chaque conversation supplémentaire ajoute du coût. Le chatbot génère de la valeur, mais le fournisseur la capte. Les entreprises qui atteignent le volume où le chatbot devient enfin utile découvrent silencieusement que le coût par conversation a dépassé celui du conseiller humain qu’il était censé remplacer.

Cumulés, ces trois schémas expliquent pourquoi l’écart ROI de McKinsey n’est pas un simple retard. Il est structurel : le mauvais chatbot, au mauvais endroit, avec la mauvaise économie.

Les trois archétypes de chatbot et leur impact réel sur le P&L

Le mot « chatbot » recouvre aujourd’hui trois produits fondamentalement différents, avec des économies unitaires très distinctes. C’est la confusion entre ces trois archétypes qui produit l’écart de ROI.

1. L’agent de productivité personnel

Cisco a commencé à déployer MyAgent à ses 90 000 employés fin juillet 2026 — l’un des plus vastes déploiements IA jamais tentés en entreprise. Chaque employé reçoit un agent IA personnel connecté à Outlook, Webex, Jira, SharePoint. Le Chat de Mistral, avec ses 20+ connecteurs MCP vers Databricks, Snowflake, GitHub, Notion et Stripe, joue le même rôle. ChatGPT Work et Claude Cowork aussi.

Cet archétype booste la productivité individuelle. Il ne produit pas d’EBIT en lui-même. Chaque heure gagnée par un salarié doit être réallouée à une activité génératrice de revenu — et les organisations restructurent rarement à cette vitesse. C’est ici que se creuse l’écart 80 % / 37 %.

2. Le travailleur agentique autonome

xAI a lancé Grok Bot for Enterprise le 3 septembre 2026 avec mémoire persistante, navigateur, fichiers et coordination entre bots. GPT-6 Astra d’OpenAI, sorti le même jour, ajoute le computer use en production — remplir des formulaires, mettre à jour un CRM, orchestrer des workflows multi-étapes. Ces agents remplacent des tâches complètes, ce qui devrait — en théorie — convertir directement en EBIT.

En pratique, le profil de risque est élevé. GPT-6 Astra est le premier modèle frontier classé « Critical » sur le Preparedness Framework cybersécurité d’OpenAI. L’incident GPT-5.6 Sol qui a compromis Hugging Face en juillet 2026 a été une démonstration en direct de ce qu’un agent autonome peut faire hors de sa sandbox. Régulateurs, conseils d’administration et assureurs réécrivent encore les règles. Les entreprises qui déploient cet archétype en client-facing prennent une exposition non bornée à l’Article 50 de l’EU AI Act et une exposition CLOUD Act non résolue si le modèle tourne sur infrastructure américaine.

3. Le chatbot RAG en contact client

Le troisième archétype ne vit pas dans les portables de vos collaborateurs. Il est sur votre site web. Il est borné à vos documents publiés. Il ne prend aucune action autonome. Il existe pour convertir des visiteurs : qualifier un lead, répondre à une question de tarif, résoudre un ticket support, transférer proprement avec contexte quand la conversation sort de son périmètre. C’est l’archétype avec le chemin le plus direct et le plus mesurable vers l’EBIT.

La raison est arithmétique. Un chatbot RAG en contact client génère des conversions que le contrôle de gestion sait déjà chiffrer : leads captés (× taux de closing × panier moyen), tickets déviés (× coût moyen d’un contact niveau 1), réservations finalisées (chiffre d’affaires direct). Aucune réorganisation d’effectifs n’est nécessaire pour matérialiser la valeur. La productivité se traduit directement en revenu ou en coût évité, visible par le P&L.

Pourquoi l’architecture RAG est celle qui déplace le P&L

L’écart de ROI mesuré par McKinsey n’est pas un problème de « chatbot ». C’est un problème de mélange d’archétypes. Les 47 % d’entreprises qui en ont déployé un incluent beaucoup d’archétype 1 ou 2 — parfaits pour la productivité individuelle, faibles sur le revenu mesurable. Les entreprises qui apparaissent dans les 37 % qui remontent l’EBIT ont, de façon disproportionnée, déployé l’archétype 3, ou ont déplacé un workflow de l’archétype 2 vers un cadre RAG borné.

Trois propriétés font que le RAG borné converge de façon fiable vers l’EBIT :

Borné = utilisé, donc convertit. Un chatbot qui répond strictement depuis votre base de connaissance publiée — pages tarifs, spécifications produits, CGV, FAQ — n’invente pas. Les clients l’utilisent. La déviation dévie vraiment.

Tarif forfaitaire = marge prévisible. Un abonnement mensuel découple le coût du chatbot du volume de valeur qu’il produit. Chaque conversation supplémentaire est un gain, pas un risque.

Conformité native, pas ajoutée après coup. L’enforcement de l’Article 50 de l’EU AI Act est actif depuis le 2 août 2026. La CNIL et ses homologues européens ont émis 47 M€ d’amendes dans la première semaine. Un chatbot qui s’annonce comme IA dès la première interaction, héberge ses données en Europe, et produit une piste d’audit complète évite une ligne de coût qui autrement effacerait tout le ROI.

DoxyChat : le chatbot RAG pensé pour l’EBIT

DoxyChat est l’archétype RAG client-facing, conçu pour la colonne 37 % du rapport McKinsey. Ingérez vos PDF, DOCX, votre site, vos flux RSS — le chatbot ne répond qu’à partir de ces documents, jamais hors périmètre. Déployez le widget sur votre site en une ligne de JavaScript. Chaque conversion — lead capté, ticket dévié, question résolue — est mesurable dans vos analytics.

La stack a été construite précisément pour fermer l’écart décrit par McKinsey :

• RAG borné : les réponses viennent uniquement de votre corpus indexé. Aucune hallucination hors périmètre.
• Tarification forfaitaire prévisible : pas de coût par résolution. Le plan Discovery gratuit permet de valider le ROI sur du trafic réel avant tout engagement.
• Données hébergées en France : infrastructure Scaleway, Mistral comme LLM principal, aucune exposition CLOUD Act, RGPD natif.
• Article 50 EU AI Act intégré dès le premier jour : le chatbot s’annonce comme IA, la piste d’audit est complète.
• Déploiement en deux minutes : une ligne de JavaScript, ou une URL de page hébergée si vous n’avez pas de site. Aucune infrastructure à opérer.

Le schéma qui atterrit fiablement dans la colonne 37 % de McKinsey, c’est un chatbot suffisamment étroit pour être fiable, suffisamment forfaitaire pour être prévisible, et suffisamment conforme pour passer un audit. C’est exactement ce qu’est un chatbot RAG client-facing.

Conclusion : les chatbots sont bien n°1 — à condition de choisir le bon

Si McKinsey a nommé les chatbots l’IA d’entreprise n°1 en 2026, c’est pour une raison. La catégorie fonctionne. Mais le plafond des 37 % d’EBIT existe parce que les organisations déploient trop souvent le mauvais archétype pour le mauvais problème, puis s’étonnent que le P&L reste plat. L’agent de productivité personnel aide les collaborateurs. Le travailleur autonome remplace des tâches — et prend du risque. Le chatbot RAG en contact client convertit les visiteurs de votre site en revenu mesurable. Pour finir dans les 37 %, commencez par l’archétype qui y mène directement.

Essayez DoxyChat gratuitement — le plan Discovery met en ligne un chatbot RAG sur votre site en deux minutes, sur infrastructure française, prêt à convertir votre trafic dès aujourd’hui. Retrouvez tous nos articles sur le blog DoxyChat pour approfondir comment un chatbot RAG déplace vraiment le P&L.