Quatre façons d'adopter l'IA dans les entreprises italiennes

L'intelligence artificielle est aujourd'hui au centre du débat stratégique dans les entreprises italiennes. La pression concurrentielle, le désir d'innover et la peur de rester derrière de nombreuses entreprises pour évaluer les solutions d'IA. Pourtant, la réalité, photographiée par une recherche qualitative menée par la SDA Bocconi School of Management en collaboration avec SAP Italia, raconte un panorama fait de l'enthousiasme et de l'incertitude. L'étude, basée sur seize entreprises moyennes, souligne comment l'adoption ne passe pas de la construction de modèles de propriétaires complexes, mais plutôt de la relance à l'écosystème technologique déjà disponible.

L'introduction de l'IA est principalement les fournisseurs de logiciels et les plateformes numériques, qui agissent comme des médiateurs sur un marché en évolution rapide.

La véritable compétence requise des entreprises n'est pas tant de développer des algorithmes sophistiqués, de savoir comment s'orienter dans l'offre, évaluer les fournisseurs et intégrer des modules intelligents dans les outils déjà utilisés.

En ce sens, la recherche comble un vide, car elle photographie les méthodes concrètes auxquelles les entreprises italiennes sont confrontées à l'IA, loin des slogans et des promesses de marché.

Le contexte de l'adoption

Les entreprises italiennes se trouvent dans un passage délicat. D'une part, l'IA est perçue comme une priorité, avec quatre sociétés sur cinq qui l'indiquent comme un élément stratégique. D'un autre côté, les difficultés liées à la qualité des données restent, avec des systèmes fragmentés et des compétences encore immatures. Le scénario, également confirmé par des études comparatives européennes, montre un écart entre les grandes entreprises et les PME, avec les premiers plus loin dans les projets d'intégration, ce dernier souvent limité par des ressources limitées.

Le rapport de SDA Bocconi et SAP Italia souligne que l'IA ne peut pas être un « patch » pour les processus mal conçus. Sans données propres et architecture cohérente, l'introduction de modules intelligents risque d'amplifier les inefficacités et de générer des erreurs.

Les entreprises qui approchent de ces technologies doivent donc commencer à partir d'un examen des processus et des architectures existants, pour éviter l'illusion d'une transformation rapide et indolore.

Les quatre archétypes de recherche

La recherche a identifié quatre méthodes de mise en œuvre principales.

1. IA infusé, ou l'adoption de modules déjà incorporés dans des systèmes de gestion tels que l'ERP. Dans ce scénario, la majeure partie de la responsabilité demeure pour le fournisseur, l'entreprise bénéficie d'une intégration indigène et d'une complexité réduite, mais renonce à beaucoup de flexibilité.

2. AI à la demande, qui prévoit l'utilisation d'outils externes sans intégration native. La flexibilité est élevée, car vous pouvez essayer plusieurs outils disponibles sur le marché, mais la gouvernance est fragile et les risques de fragmentation sont remarquables. C'est un choix qui s'adapte aux projets pilotes ou aux contextes dans lesquels l'expérimentation rapide est favorisée.

3. AI interfacé, dans lequel les modules verticaux dialoguent avec les systèmes d'entreprise à travers des interfaces bien conçues. Il s'agit d'un compromis entre la modularité et l'intégration, qui nécessite des compétences techniques pour la gestion des abeilles mais permet un plus grand contrôle des données.

4. Architecture hybride, une approche complexe et coûteuse qui voit des modules pour interagir avec des architectures hybrides composées de différents systèmes de gestion. C'est le chemin qui offre le plus de liberté et de personnalisation, mais nécessite une garnison interne solide et un haut niveau de gouvernance.

Pour le tissu industriel italien, il observe Severino Meregalli de SDA Bocconi, l'intégration indigène avec l'ERP représente la trajectoire la plus cohérente, car elle équilibre la maturité, la durabilité et la garnison.

Les implications pour les entreprises

Ce qui change entre les modèles est le niveau de responsabilité qui reste envers l'entreprise et la possibilité de personnalisation. Plus vous montez vers l'architecture hybride, plus le poids de la gouvernance augmente et la nécessité de présider les données et la sécurité. Au contraire, s'appuyer sur des solutions déjà infusées dans les systèmes signifie abandonner une partie de la liberté de choix, mais aussi une complexité éclairante.

La recherche met en évidence certains principes généraux valides pour chaque chemin.

Tout d'abord, vous avez besoin d'une approche progressive: à partir de projets conformes aux priorités commerciales et à la croissance pour les notes.

Deuxièmement, la gouvernance doit être équilibrée, avec l'informatique pour présider la sécurité et la conformité et les fonctions commerciales gratuites pour expérimenter.

Troisièmement, il est nécessaire d'investir dans la culture et les compétences, car sans conscience généralisée, les outils risquent de rester sous-utilisés ou mal interprétés.

Conclusions et perspectives futures

Le rôle des fournisseurs reste central. Dans un marché où les acteurs changent rapidement, avoir des partenaires solides capables d'intégrer de nouvelles solutions devient un facteur critique pour transformer le battage médiatique en valeur durable. L'IA, rappelle le PDG de SAP Italia Carla Masperi, n'est pas une technologie autonome mais nécessite des logiciels cloud modernes, une gestion avancée des données et une pile cohérente de technologies connectées.

Le message final du travail SDA Bocconi – SAP est clair: l'IA est une énorme opportunité, mais sans des processus bien conçus, une gouvernance claire et des compétences généralisées, le risque est de la transformer en mode passagère. Pour les entreprises italiennes, le défi consiste à saisir la poussée innovante en évitant les raccourcis et en construisant des bases solides pour une transformation vraiment durable.