Les entreprises investissent massivement dans les projets et les infrastructures d’IA depuis des années. Seulement 28% atteignent les objectifs

Depuis des années, on entend la même promesse, à savoir que l’intelligence artificielle allait réduire les coûts, automatiser des tâches complexes et rendre les infrastructures technologiques des entreprises plus efficaces. C’est une idée que nous avons vue répéter à maintes reprises. Cependant, à mesure que ces projets débarquent dans le quotidien des organisations, une réalité commence à apparaître qui ne correspond pas tout à fait à cette histoire initiale. Beaucoup de ces déploiements n’obtiennent pas les résultats escomptés.

Les chiffres. Selon une étude Gartner citée par The Register, seuls 28 % des déploiements d’IA dans les infrastructures et les opérations obtiennent le retour escompté. Le reste est réparti entre des projets qui ne matérialisent pas cette valeur et d’autres qui ne se réalisent pas directement, avec un taux d’échec de 20 %. Par ailleurs, plus de la moitié des managers consultés, soit 57%, avouent avoir eu au moins une initiative ratée. Les données se concentrent sur la manière dont les entreprises appliquent l’IA dans leur infrastructure technologique et leurs opérations internes, et non sur les performances globales de la technologie.

Attentes mal alignées et problèmes sous-jacents. Lorsque nous essayons de comprendre pourquoi tant de projets sont laissés à mi-chemin, les réponses portent davantage sur la manière dont ils sont planifiés que sur la technologie elle-même. Melanie Freeze, directrice de recherche chez Gartner, explique que de nombreuses équipes pensaient que l’IA automatiserait immédiatement des tâches complexes, réduirait les coûts ou résoudrait des problèmes opérationnels qui duraient depuis des années. À cela s’ajoutent d’autres facteurs récurrents, comme le manque de talents spécialisés, les difficultés d’intégration de ces systèmes dans les processus existants et les problèmes de qualité ou de disponibilité des données.

Où ça marche. L’ensemble du tableau n’est pas négatif si l’on accentue un peu plus la mise au point. La propre analyse de Gartner indique que les meilleurs résultats apparaissent dans les domaines où la technologie dispose déjà de plus d’expérience et d’applications plus spécifiques. C’est le cas de la gestion des services informatiques et des opérations cloud, domaines dans lesquels l’entreprise place bon nombre de ses réussites, avec 53 % des responsables faisant état de résultats positifs. La clé ici ne semble pas résider dans des modèles plus avancés, mais dans la manière dont ils sont intégrés dans des processus réels, avec des cas d’utilisation bien définis alignés sur des besoins opérationnels clairs.

Deux niveaux d’infrastructure d’IA. Pour comprendre pourquoi ces données dépassent une problématique interne aux entreprises, il convient de différencier les deux niveaux sur lesquels se construit cette vague d’investissement. D’un côté, il y a les grands fournisseurs de technologie, qui consacrent des centaines de milliards à la construction de centres de données en partant du principe que la demande va continuer à croître. D’un autre côté, les entreprises qui utilisent ces services pour appliquer l’IA dans leurs opérations. C’est précisément dans ce deuxième groupe que Gartner détecte les difficultés, ce qui introduit une question pertinente pour le marché : que se passe-t-il si ces clients ne parviennent pas à rentabiliser leurs projets et commencent à ralentir leurs dépenses ?

L’analyse. Il est clair que les entreprises continuent d’investir dans l’IA, mais en même temps elles commencent à exiger des résultats plus clairs à court et moyen terme. Parallèlement, d’autres enquêtes récentes, comme celle du Bureau national de recherche économique, suggèrent que de nombreuses entreprises n’ont pas encore détecté d’impact clair sur la productivité ou l’emploi.

Images | Domainetechnik Ledl.net

À Simseo | Les modèles d’IA chinois se vantaient d’être bons, jolis et bon marché. Il n’y a que deux de ces trois choses