Combien de vos licences Copilot ont été ouvertes cette semaine ? Personne dans votre équipe growth ne le sait précisément. Vous avez signé 200 sièges IA l’an dernier. Le board veut un ROI. Vous montrez un chiffre d’achat. L’usage reste invisible.
Une part significative des licences IA achetées par les entreprises reste inactive plusieurs mois après l’achat. Mesurer cette activation comme un PQL, poste par poste, révèle où l’argent part vraiment, avant même le renouvellement du contrat. Vous saurez quoi répondre au board avant qu’il pose la question.
Le chiffre que personne ne vérifie avant de signer
Le marché anglophone a un nom pour ça : le shelfware IA, licences payées qui ne servent jamais. Gartner mesure une perte moyenne de 25% du budget SaaS des entreprises à cause de licences inutilisées et d’outils redondants. Ce chiffre existait avant l’IA. L’IA l’a aggravé.
Le taux d’utilisation des licences SaaS grimpe à 54% en 2025 selon le SaaS Management Index 2026 de Zylo, contre 47% un an plus tôt. Ce qui laisse encore 46% des sièges payés silencieux, pour une facture moyenne de 19,8 millions de dollars de gaspillage annuel par entreprise. Productiv arrive à un constat voisin : 53% des licences restent sans usage, sur un budget SaaS par employé qui dépassait déjà 10 000 dollars en 2023.
Pour les licences IA spécifiquement, Rencore, comme d’autres outils de gouvernance M365, surveille l’inactivité sur 90 jours pour repérer le shelfware. Sur un lot type de 1 000 licences, le cabinet n’en compte que 300 réellement utilisées, soit 70% de gaspillage dans cet exemple. Les équipes forment mal. Elles découvrent le taux réel au moment du renouvellement.
Gartner prévoit que 40% des projets d’IA agentique seront abandonnés d’ici 2027, dépassement de budget et valeur métier introuvable en cause. Un signal différent du shelfware mesuré par Zylo. Le symptôme reste le même : personne ne suit l’usage réel avant de signer.
Les sièges dorment silencieusement et le renouvellement arrive avant que quiconque n’ait ouvert le tableau d’usage.
Le cas Copilot, licence par licence
Microsoft revendique plus de 100 millions d’utilisateurs Copilot actifs par mois tous usages confondus et 70% du Fortune 500 sous licence Microsoft 365 Copilot. L’utilisation hebdomadaire réelle des sièges payés plafonne pourtant entre 20 et 30%, d’après les données croisées par Value Add VC, qui combine les résultats Microsoft avec les enquêtes Gartner et Forrester.
Une entreprise de 10 000 salariés qui licencie tout le monde à 30 dollars le siège par mois dépense 3,6 millions de dollars par an. Si seulement 25% des sièges sont actifs, le coût réel par utilisateur actif quadruple et grimpe à 120 dollars par mois, sans qu’aucune ligne budgétaire ne le signale.
Recon Analytics suit la confiance des utilisateurs de Copilot depuis juillet 2025. Le NPS de précision des réponses est passé de -3,5 à -24,1 en septembre, puis remonté à -19,8 en janvier 2026. 44% des utilisateurs qui abandonnent citent la méfiance envers les réponses comme raison principale.
Le retard se retrouve aussi côté salariés, à l’échelle mondiale cette fois. 54% des travailleurs déclarent avoir déjà utilisé l’IA générative au moins une fois et 14% l’utilisent tous les jours, d’après l’étude PwC Global Workforce Hopes and Fears 2025 menée sur près de 50 000 répondants dans 48 pays. L’adoption existe donc à grande échelle. Elle ne dit rien de l’usage réel poste par poste dans une organisation donnée, ni de la part de ces 54% qui n’ouvrent l’outil qu’une seule fois avant de l’abandonner.
Le budget grossit. L’usage, non.
L’équation semble évidente : plus de licences, plus d’utilisateurs, plus de valeur. Le marché SaaS raconte une autre histoire depuis des années. Une grande entreprise gère en moyenne plus de 400 applications SaaS. Une part écrasante de ces sièges ne sert jamais un usage réel, IA comprise.
Le même seuil Rencore, appliqué à l’échelle d’un DSI qui gère plusieurs centaines de licences IA, produit un chiffre qui ressemble au précédent : le taux réel de sièges actifs n’apparaît qu’au moment du renouvellement, quand il est déjà trop tard pour changer de trajectoire dans l’année budgétaire en cours. Six mois plus tard.
Un board qui regarde le nombre de sièges achetés regarde le mauvais tableau de bord. Le nombre qui compte ressemble à celui qu’une équipe growth suit déjà pour son propre produit : un activation rate, mesuré poste par poste, mois par mois.
Traiter la licence IA comme un PQL
Une équipe growth ne laisse jamais un compte inactif dormir dans son tunnel sans réagir. Elle mesure le time-to-value, repère le moment où un utilisateur devient PQL, celui où il touche enfin la fonctionnalité qui compte vraiment, puis trace une retention curve pour surveiller où elle s’effondre.
Rien de tout ça n’existe pour la plupart des déploiements Copilot ou ChatGPT Enterprise. Les licences Claude distribuées aux équipes produit ne font pas mieux. Aucun filtre. Les sièges se distribuent par service, jamais par ICP interne. Personne ne définit qui, dans l’organisation, a le profil qui justifie réellement l’outil. Personne ne suit d’activation rate mensuel par siège.
La correction demande une discipline déjà connue : fixer un seuil d’usage minimal par licence, le revoir chaque trimestre, couper ce qui reste en dessous avant le renouvellement plutôt qu’après.
Le save rate avant le renouvellement
Un exit survey auprès des salariés qui n’ouvrent jamais l’outil coûte peu à organiser. 30 minutes. Il révèle en général la même chose : mauvaise formation, mauvais cas d’usage ou un outil qui double une habitude déjà installée ailleurs. Des produits comme Churnkey ou ProfitWell Retain automatisent ce réflexe pour le churn client. Rien n’empêche d’appliquer la même logique de save rate en interne, avant que le buying committee ne revienne négocier le contrat suivant.
Vous allez dire que ce diagnostic ressemble à tout ce qui circule sur le growth depuis 2020. Une méthode de plus, recyclée pour l’IA. Vérifiez une seule chose ce trimestre : le nombre de sièges Copilot ou ChatGPT Enterprise ouverts au moins une fois par semaine, divisé par le nombre de sièges payés. Ce chiffre n’existe dans aucun tableau de bord standard chez les grands comptes interrogés par Rencore ou par Zylo. La méthode n’a pas changé. Le problème non plus : on continue d’acheter avant de savoir qui utilisera.
Cette logique ne s’applique pas partout. Un outil imposé par la conformité réglementaire, un accès IA prévu pour l’e-discovery ou l’audit légal, n’a pas besoin d’un usage quotidien pour justifier sa licence. Là, le siège dort par construction. Le confondre avec du shelfware serait une erreur de lecture.
La vague suivante de licences prendra la forme d’agents IA qui agiront sans qu’un seul salarié n’ouvre jamais une interface. Le tableau de bord capable de mesurer leur activation reste à inventer.
