L’IA générative (genAI) devient rapidement un élément essentiel des stratégies technologiques des entreprises. Selon Gartner Research, d’ici 2026, 80 % des entreprises auront intégré dans leurs environnements de production des API de genAI, des modèles de langage de grande taille (LLM) ou des applications basées sur la genAI.
Cette augmentation spectaculaire par rapport au taux d’adoption de moins de 5 % observé en 2023 montre clairement la reconnaissance croissante du potentiel de la genAI pour stimuler l’innovation, l’efficacité et l’avantage concurrentiel dans diverses industries.
Actuellement, 9 % des entreprises utilisent déjà la genAI pour transformer leurs modèles d’entreprise et créer de nouvelles opportunités.
Les organisations utilisent la genAI pour automatiser les tâches répétitives, générer des informations exploitables à partir de vastes ensembles de données et améliorer l’expérience des clients grâce à une personnalisation avancée. Comme de plus en plus d’entreprises sont témoins de ces avantages, le taux d’adoption devrait poursuivre sa trajectoire ascendante.
Quand les projets d’IA générative s’effondrent
Malgré ces perspectives prometteuses, près d’un tiers des projets de genAI devraient être abandonnés d’ici la fin de l’année prochaine.
Selon une enquête de Gartner menée auprès de 822 dirigeants d’entreprise et administrateurs, les principales raisons de l’échec des projets sont la mauvaise qualité des données, l’insuffisance des contrôles des risques, l’escalade des coûts et l’imprécision de la valeur commerciale.
Les taux élevés d’abandon montrent clairement les défis majeurs auxquels les organisations sont confrontées lors de la mise en œuvre de cette technologie. Les questions clés sont les suivantes :
- Mauvaise qualité des données : Elle conduit à des modèles inexacts et à des résultats peu fiables, ce qui compromet l’ensemble du projet.
- Contrôles des risques inadéquats : Exposent les organisations à des violations potentielles de la sécurité et à des problèmes de conformité, ce qui peut être particulièrement préjudiciable dans des secteurs tels que la finance et la santé.
- L’escalade des coûts : Les coûts associés aux projets de genAI, souvent compris entre 5 et 20 millions de dollars, peuvent rapidement devenir prohibitifs, en particulier lorsque la valeur commerciale n’est pas immédiatement apparente.
- Un taux élevé d’abandon de projets : La mauvaise qualité des données et l’insuffisance des contrôles des risques y contribuent collectivement, ce qui indique la nécessité d’adopter des stratégies de planification et d’exécution plus complètes.
Le coût élevé et la complexité du déploiement de l’IA générative
La mise en œuvre de la genAI est complexe et coûteuse. La charge financière liée au déploiement de solutions d’IA peut aller de 5 à 20 millions de dollars, ce qui en fait un investissement important pour toute organisation. Ces coûts couvrent le développement et le déploiement de modèles d’IA, l’intégration dans les systèmes existants, ainsi que la maintenance et les mises à jour permanentes.
Gartner prévoit que d’ici 2028, plus de la moitié des entreprises qui ont créé des LLM à partir de zéro abandonneront ces projets. Les raisons de cet abandon sont notamment les coûts élevés, la complexité et la dette technique accumulée associés aux déploiements.
La dette technique, qui correspond au coût implicite des futurs travaux de révision résultant du choix d’une solution facile au lieu d’une meilleure approche qui prendrait plus de temps, peut s’accroître rapidement dans les projets d’IA.
Au fur et à mesure que les modèles deviennent plus complexes et que l’infrastructure qui les soutient se développe, la maintenance et la mise à jour de ces systèmes deviennent de plus en plus difficiles et coûteuses.
Les montagnes russes des investissements dans l’IA générative
Contrairement aux investissements technologiques traditionnels, dont les coûts et les bénéfices peuvent être plus facilement prévus, les projets de genAI sont influencés par un large éventail de facteurs, notamment les cas d’utilisation spécifiques, le niveau d’investissement et les approches de déploiement adoptées.
Les coûts et les rendements des investissements dans l’IA générique peuvent être très imprévisibles.
Une entreprise qui investit massivement dans des modèles d’IA personnalisés pourrait constater des coûts initiaux plus élevés, mais aussi des retours sur investissement plus importants à long terme grâce à des solutions plus adaptées et plus efficaces.
À l’inverse, les organisations qui optent pour des modèles prêts à l’emploi peuvent économiser sur les coûts initiaux, mais pourraient être confrontées à des limitations en matière de personnalisation et d’intégration, ce qui pourrait réduire les avantages globaux.
La variabilité fait qu’il est essentiel pour les entreprises d’évaluer soigneusement leurs besoins et contextes spécifiques lorsqu’elles planifient leurs investissements dans l’IA générique.
Comprendre ces nuances et se préparer aux fluctuations potentielles des coûts et des rendements peut aider les organisations à mieux naviguer dans les complexités de la mise en œuvre des genAI et à maximiser leurs chances de succès.
Comment les premiers utilisateurs gagnent avec l’IA générative
Malgré les défis, les premiers utilisateurs de la genAI font état d’avantages substantiels.
En moyenne, les entreprises ont constaté une augmentation de 15,8 % de leur chiffre d’affaires, une réduction de 15,2 % de leurs coûts et une amélioration de 22,6 % de leur productivité.
Les entreprises qui utilisent la genAI pour l’automatisation du service client ont fait état de temps de réponse plus rapides et de taux de satisfaction des clients plus élevés.
Dans le secteur manufacturier, l’IA générique est utilisée pour prévoir les besoins en maintenance et optimiser les programmes de production, ce qui permet de réduire les temps d’arrêt et d’accroître l’efficacité.
Les premières réussites montrent que si le chemin vers l’adoption de l’IA générique peut être semé d’embûches, les récompenses peuvent être considérables pour ceux qui le parcourent avec succès.
Élargir le champ d’application de l’IA
En 2022, 55 % des organisations ont expérimenté l’IA générative (genAI) dans leurs flux de travail, selon McKinsey & Co, ce qui montre un intérêt pour l’exploration du potentiel de la genAI, mais l’application reste limitée.
Moins d’un tiers de ces entreprises ont utilisé l’IA pour plus d’une fonction.
La portée limitée de l’utilisation montre que si les organisations sont intéressées par la genAI, nombre d’entre elles en sont encore au stade pilote, testant ses capacités dans des parties isolées de leurs opérations avant d’envisager une mise en œuvre plus large.
Une approche prudente est probable en raison du stade naissant de la technologie et des incertitudes entourant son intégration et ses avantages.
Tendances en matière d’investissement dans l’IA générative
Selon la deuxième étude annuelle GenAI Global Study de LucidWorks, 63 % des entreprises mondiales prévoient d’augmenter leurs dépenses en IA au cours des 12 prochains mois, ce qui représente une baisse notable par rapport aux 93 % qui prévoyaient d’augmenter leurs dépenses en 2023, signalant une approche plus prudente à l’égard des investissements en IA.
L’étude de LucidWorks explique également une tendance spécifique au sein du secteur des services financiers, où seulement un quart des initiatives d’IA prévues pour 2024 sont déployées.
Cette hésitation peut être attribuée à plusieurs préoccupations clés.
Services financiers et IA
Dans le secteur des services financiers, la sécurité des données reste la principale préoccupation, citée par 45 % des dirigeants interrogés.
Elle est suivie de près par la précision (43 %) et le coût (40 %).
Les préoccupations des organisations financières montrent clairement les enjeux élevés des services financiers où les violations de données peuvent avoir de graves conséquences, où la précision est primordiale pour la prise de décision et où les coûts peuvent rapidement grimper.
La position prudente de l’industrie suggère que si le potentiel de l’IA est reconnu, les risques et les investissements nécessaires conduisent à une approche plus mesurée.
Le moteur de la concurrence derrière l’investissement dans l’IA
Les entreprises sont souvent amenées à déployer des outils de genAI en raison de pressions concurrentielles. Alors que les entreprises s’efforcent de rester en tête, la genAI devient un investissement stratégique pour éviter de se laisser distancer.
D’ici 2030, on prévoit que les entreprises dépenseront 42 milliards de dollars par an dans des projets de genAI, englobant des applications telles que les chatbots, les outils de recherche et le résumé de contenu.
L’importance des investissements montre clairement que la genAI est une tendance technologique et une nécessité concurrentielle.
Les entreprises visent à utiliser l’IA pour simplifier les opérations, accroître l’engagement des clients et favoriser l’innovation.
Les avantages insaisissables de l’IA générative
Mesurer le retour sur investissement (ROI) des projets de genAI reste un défi pour de nombreuses organisations. Selon les enquêtes, 42% des entreprises n’ont pas encore constaté d’avantages significatifs de leurs initiatives de genAI.
Alors que les secteurs de la technologie et de la vente au détail font état d’un déploiement plus important et de gains réalisés, la plupart des industries peinent à aller au-delà des programmes pilotes.
Les préoccupations croissantes concernant la sécurité et les coûts, qui ont été multipliés par 14 et 5 respectivement au cours de l’année écoulée, compliquent encore l’évaluation du retour sur investissement.
Comment mesurer le retour sur investissement dans l’IA générative
La détermination du retour sur investissement de la genAI est complexe en raison de ses impacts indirects et non financiers. L’automatisation de la génération de code peut accroître la productivité des développeurs de logiciels, ce qui permet d’accélérer le développement des produits et d’améliorer la satisfaction des clients.
Bien qu’ils aient un impact, ces avantages ne sont pas immédiatement quantifiables en termes financiers.
Pour mesurer précisément le retour sur investissement, les entreprises doivent le considérer comme un ratio financier du gain ou de la perte de l’investissement par rapport à son coût, ce qui implique de suivre les gains financiers directs et de prendre en compte les impacts à plus long terme sur l’efficacité et l’innovation.
Comment les dirigeants peuvent gagner avec l’IA générative
- Votre feuille de route pour réussir l’IA générative : Les dirigeants qui souhaitent mettre en œuvre des projets d’IA générative ont besoin d’une stratégie claire.
Gartner décrit plusieurs étapes cruciales pour comprendre cette technologie complexe.
- Aligner l’IA sur les objectifs commerciaux : Tout d’abord, il est important de déterminer la valeur commerciale potentielle dérivée de l’IA générique en l’alignant sur les ajustements stratégiques de l’entreprise.
Cela signifie qu’il faut identifier les domaines dans lesquels l’IA générique peut avoir l’impact le plus important et intégrer ces informations dans la stratégie générale de l’entreprise.
- Le véritable prix de l’IA générative : Ensuite, il est essentiel de calculer le coût total du déploiement de l’IA générative, qui comprend les dépenses directes liées à la mise en œuvre de la technologie et les coûts associés aux ajustements nécessaires de l’entreprise.
Une analyse complète des coûts permet de comprendre l’ensemble de l’engagement financier requis.
- Évaluer le retour sur investissement des projets d’IA : L’évaluation du retour sur investissement consiste à estimer le rendement financier des initiatives d’IA générique et à le comparer au coût total.
Cette étape est essentielle pour prendre des décisions d’investissement éclairées.
Si le retour sur investissement atteint ou dépasse les attentes, c’est un indicateur qui permet d’accroître les investissements en étendant l’IA générique à d’autres divisions de l’entreprise ou à une base d’utilisateurs plus large.
- Décider quand et comment faire évoluer l’IA : enfin, si le retour sur investissement n’est pas à la hauteur, il est important de reconsidérer les investissements et d’explorer d’autres scénarios.
Une approche flexible permet de s’assurer que les ressources sont allouées de manière efficace et que les initiatives de genAI s’alignent sur les objectifs globaux de l’entreprise.
Pourquoi les petits modèles d’IA gagnent-ils en popularité ?
Les marchés affichent une nette préférence pour les grands modèles linguistiques (LLM) commerciaux, près de 80 % des entreprises utilisant ces modèles.
Cependant, les petits modèles personnalisés suscitent un intérêt croissant, 21 % des organisations optant exclusivement pour des solutions à code source ouvert.
L’évolution vers des modèles personnalisés est motivée par le désir d’un plus grand contrôle et d’une plus grande spécificité dans les applications de l’IA. De petits modèles adaptés aux besoins spécifiques de l’organisation peuvent offrir des informations plus précises et plus pertinentes, bien qu’ils nécessitent souvent des efforts de développement initiaux plus importants.
