Les dépenses en matière d’IA et de calcul sont sur le point de monter en flèche
L’IA a entraîné un changement fondamental dans le mode de fonctionnement des entreprises. Et comme tout changement majeur, elle nécessite des investissements importants. Au cours des deux prochaines années, les entreprises vont plus que doubler leurs dépenses en matière de stockage de données et de puissance de traitement liés à l’IA, soit une augmentation stupéfiante de 224 %. Il ne s’agit pas d’une petite augmentation. C’est un signal clair que les dirigeants considèrent l’IA comme le prochain grand moteur de croissance, d’automatisation et d’avantage concurrentiel.
Cette montée en puissance n’est pas le fruit du hasard. L’IA a besoin d’une grande quantité de données et de puissance de calcul pour fonctionner correctement, en particulier avec des modèles à grande échelle. Entraîner l’IA sur des ensembles de données obsolètes et limités ne mènera pas loin. Les entreprises reconnaissent aujourd’hui que l’IA ne se résume pas à des algorithmes intelligents, mais qu’il s’agit plutôt d’alimenter ces algorithmes en données de haute qualité à grande échelle et de disposer de la puissance de calcul nécessaire pour les traiter en temps réel.
La plupart des dirigeants considèrent l’IA comme un investissement en R&Det non comme un moteur de profit immédiat. C’est une bonne chose. Les systèmes d’IA de pointe ne génèrent pas de revenus instantanés – ils nécessitent de la patience, des itérations et des ajustements. Mais quel est l’intérêt ? Des gains d’efficacité considérables, une prise de décision plus intelligente et des modèles commerciaux entièrement nouveaux.
La révolution de l’IA a un problème de données
La qualité de l’IA dépend des données sur lesquelles elle est entraînée. Si vos données sont désordonnées, biaisées ou incomplètes, votre IA le sera aussi. Or, à l’heure actuelle, la plupart des entreprises sont confrontées à de graves problèmes de qualité des données. Plus d’un tiers des dirigeants interrogés admettent qu’ils n’ont pas confiance dans la qualité de leurs données, et pour cause : les responsables informatiques signalent que les résultats de l’IA sont exacts moins d’une fois sur deux. C’est un énorme problème.
Une grande partie du problème ? Les données non structurées. Environ 75 % des données d’entreprise sont non structurées, ce qui signifie qu’elles ne peuvent pas être rangées dans des bases de données. Pensez à des courriels, des messages sur les médias sociaux, des fichiers audio, des évaluations de clients, des données de capteurs – en fait, tout ce dont l’IA a besoin pour apprendre. Sans une structuration adéquate des données, les modèles d’IA peinent à extraire des informations significatives.
« Malgré cela, de nombreuses entreprises continuent d’opérer sans une solide gouvernance des données. Plus d’un quart des entreprises n’ont même pas mis en place des contrôles de qualité des données de base ».
Pour y remédier, il faut faire des données une priorité, et non une réflexion après coup. Les responsables de l’IA doivent investir dans de meilleures stratégies de gestion des données, appliquer des normes de qualité strictes et s’assurer que leurs systèmes d’IA fonctionnent avec des données propres, impartiales et complètes. Sinon, ils ne font que jeter de l’argent sur un problème sans le résoudre.
Le retour sur investissement de l’IA prend plus de temps que prévu, mais ce n’est pas une mauvaise chose
La plupart des entreprises qui investissent dans l’IA ne sont pas encore rentables. En 2024, moins de la moitié des projets d’IA seront rentables. C’est ce que révèle le dernier rapport d’IBM, qui a interrogé plus de 2 400 décideurs informatiques. À première vue, il s’agit d’un signal d’alarme. Mais en réalité, c’est ainsi que fonctionne cette technologie révolutionnaire.
Prenez Tesla. Au début, les voitures électriques n’étaient pas rentables. Les coûts de R&D étaient élevés, l’infrastructure n’était pas prête et les gens étaient sceptiques. Mais avec de la persévérance, de l’ampleur et des améliorations technologiques, les VE sont devenus inévitables. L’IA suit une trajectoire similaire.
Les dirigeants adoptent une vision à long terme. Plus de deux tiers des entreprises axées sur l’IA considèrent désormais leurs investissements dans ce domaine comme des dépenses de R&D et s’attendent à ce que le retour sur investissement se concrétise dans les deux ans. C’est une approche intelligente. Les technologies de pointe ne suivent pas les cycles de bénéfices trimestriels. Elle suit une courbe de découverte, d’itération et d’échelle.
Les entreprises qui resteront patientes et concentrées seront celles qui finiront par dominer leur secteur. L’IA est en train de transformer entièrement les modèles d’entreprise. Ceux qui attendent un retour sur investissement immédiat achèteront probablement aux entreprises qui réalisent aujourd’hui des investissements audacieux.
L’IA alimente une explosion du stockage dans le cloud et de la puissance de calcul.
L’IA n’a pas seulement besoin de données, elle a aussi besoin d’énormes quantités de stockage et de puissance de calcul. Nous parlons ici d’une augmentation exponentielle de la demande. Les modèles d’IA sont formés à partir de tous les éléments, des interactions avec les clients aux posts sur les médias sociaux, en passant par les fichiers audio, les séquences vidéo et les données des capteurs IoT. L’ampleur de ces données est époustouflante et les entreprises réalisent rapidement que leur infrastructure actuelle n’est pas conçue pour cela.
C’est pourquoi le stockage dans le cloud devient le choix par défaut des entreprises axées sur l’IA. Les systèmes sur site ne peuvent tout simplement pas suivre l’évolutivité et la flexibilité qu’offrent les fournisseurs de cloud. Selon une étude d’Omdia, le marché du stockage cloud devrait doubler d’ici 2028, et l’IA est l’un des principaux moteurs de cette croissance.
Si vous exécutez des modèles d’IA à grande échelle, vous devez stocker, gérer et récupérer des pétaoctets de données de manière efficace. L’ancienne approche (stockage des données dans des systèmes fragmentés et cloisonnés) ne fonctionnera pas. Les entreprises qui ne parviennent pas à dimensionner correctement leur stockage et leur puissance de calcul se heurteront à des goulets d’étranglement au niveau des performances, ce qui limitera l’efficacité de l’entraînement et du déploiement de l’IA.
Les entreprises qui investissent aujourd’hui dans le stockage cloud haute performance et la puissance de calcul jettent les bases d’une domination à long terme de l’IA.
La confiance est le facteur ultime de l’adoption de l’IA
L’adoption de l’IA est également un défi pour la confiance. Aucun dirigeant ne fondera des décisions commerciales cruciales sur l’IA s’il n’a pas confiance dans les résultats. Si un système d’IA produit des résultats erronés ou biaisés dès le départ, les utilisateurs l’abandonneront. Et une fois la confiance perdue, il est presque impossible de la regagner.
C’est pourquoi la qualité et la transparence des données sont essentielles. Les modèles d’IA ne fonctionnent pas dans le vide : ils reflètent les données sur lesquelles ils ont été formés. Si les données d’entrée sont erronées, biaisées ou incomplètes, l’IA prendra de mauvaises décisions à grande échelle. Pire encore, si les utilisateurs ne comprennent pas pourquoi l’IA a pris une décision particulière, ils ne lui feront pas confiance.
Selon Simon Ninan, vice-président chargé de la stratégie commerciale chez Hitachi Vantara, la confiance est le principal facteur d’adoption de l’IA. Comme il le dit :
« L’adoption de l’IA dépend fortement de la confiance des utilisateurs dans le système et dans les résultats. Si vos premières expériences sont entachées, cela entache vos capacités futures ».
La solution ? La transparence et l’explicabilité. Les systèmes d’IA doivent être conçus de manière à permettre aux utilisateurs de comprendre comment les décisions sont prises. Les entreprises doivent également investir dans une validation et une gouvernance rigoureuses des données pour s’assurer que les informations générées par l’IA sont fiables.
L’investissement dans l’IA se poursuit malgré la prudence du budget informatique
Même si les entreprises resserrent leurs budgets budgets informatiquesles dépenses en matière d’IA ne ralentissent pas. Cela vous dit tout ce que vous avez besoin de savoir sur la façon dont les dirigeants envisagent l’avenir.
L’IA est un changement fondamental dans le mode de fonctionnement des entreprises. C’est pourquoi même les entreprises prudentes en matière de dépenses informatiques continuent de donner le feu vert à des projets d’IA. Les analystes de l’ISG ont constaté que si les dirigeants sont sélectifs en matière de budgets informatiques, l’IA reste une priorité de financement.
Pourquoi ? Parce que l’IA est source d’efficacité, d’automatisation et d’avantage concurrentiel, ce que les systèmes informatiques traditionnels ne peuvent tout simplement pas faire. Elle se concentre sur le déblocage de flux de revenus entièrement nouveaux. Les entreprises qui hésitent risquent d’être distancées par leurs concurrents qui développent la prise de décision, l’automatisation et l’engagement des clients grâce à l’IA.
Ce moment est similaire aux premiers jours de l’internet. Certaines entreprises hésitaient à investir, s’interrogeant sur le retour sur investissement. D’autres ont vu l’avenir et se sont lancées à corps perdu. Nous savons ce qu’il en est advenu. Il en va de même pour l’IA. Les leaders de demain sont ceux qui investissent aujourd’hui.
Principaux enseignements pour les décideurs
- Les investissements dans l’IA sont en plein essor : Les entreprises devraient plus que doubler leurs dépenses en stockage de données et en puissance de calcul liées à l’IA d’ici 2026. Les dirigeants devraient allouer des ressources dès maintenant pour s’assurer un avantage concurrentiel dans l’innovation et l’automatisation basées sur l’IA.
- La qualité des données est essentielle au succès de l’IA : Une mauvaise qualité des données entrave les performances de l’IA, plus d’un tiers des dirigeants exprimant des inquiétudes à ce sujet. Les entreprises doivent donner la priorité à des cadres de gouvernance des données robustes et à la structuration des données pour s’assurer que les modèles d’IA fournissent des résultats fiables et exploitables.
- Attentes de retour sur investissement à long terme pour l’IA : malgré la lenteur des retours sur investissement à court terme, les dirigeants considèrent les investissements dans l’IA comme de la recherche et du développement. Les dirigeants doivent rester patients et considérer l’IA comme un moteur de croissance à long terme plutôt que de rechercher une rentabilité immédiate.
- La demande d’infrastructures cloud va croître : Le stockage dans le cloud devrait doubler d’ici 2028, sous l’effet des besoins croissants de l’IA en matière de données. Les décideurs devraient investir dès maintenant dans une infrastructure cloud évolutive afin de répondre à l’expansion de la demande de traitement des données de l’IA.
