Une des raisons de l'échec des projets IA en entreprise, ou du moindre une moindre efficacité, est l'accès aux (bonnes) données. C'est un des éléments clés de l'étude « The Data Readiness Index: Understanding the Foundations for Successful AI » publiée par Cloudera. Les résultats mettent en lumière un paradoxe frappant : alors que 96 % des entreprises déclarent avoir intégré l’IA au sein de leurs processus fondamentaux et que 85 % d’entre elles affirment être dotées d’une stratégie de données claire, près de quatre répondants sur cinq (environ 80 %) reconnaissent que leurs projets d’IA et de données sont toujours freinés par un accès limité aux données sur l’ensemble de leurs environnements.
C'est le concept d'illusion de préparation à l'IA. Celle-ci correspond à la croyance selon laquelle les entreprises seraient prêtes à mettre l’IA à l’échelle alors même qu’elles n’ont pas encore résolu des problèmes cruciaux concernant leurs données.
« Le défi auquel font face les entreprises n’est pas l’adoption de l’IA, mais son opérationnalisation au-delà de la phase d’expérimentation, » déclare Sergio Gago, Chief Technology Officer at Cloudera. « L’efficacité de la technologie dépend de la qualité des données qui l’alimentent. Sans un accès fluide à l’ensemble de leurs données, les entreprises ne peuvent bénéficier pleinement de la précision, de la fiabilité et de la valeur métier apportées par l’IA. Elle ne peut fonctionner sans les données. »
L’IA est désormais intégrée sur l’ensemble du périmètre de l’entreprise, mais les retours sur investissement (ROI) demeurent irréguliers. Pour expliquer les manquements des projets d’IA, les répondants citent plusieurs obstacles essentiels : la qualité des données (22 %), les dépassements de coûts (16 %) et une mauvaise intégration au sein des workflows existants (15 %). Ces obstacles mettent en exergue la difficulté croissante à convertir des investissements d’AI en résultats mesurables pour les entreprises.
Si globalement, l'étude indique que les entreprises sont plutôt confiances dans les données et l'IA, plusieurs frictions demeurent :
- les silos persistants perturbent l'accès aux données
- la qualité de la donnée n'est pas homogène
- l'accès aux données n'est pas toujours garanti
"Les entreprises ne se font plus d’illusions quant à leur degré de préparation à intégrer l’IA, la marche à suivre est claire : l’ambition ne suffit pas pour libérer tout le potentiel de valeur de l’IA, il faut s’assurer que les données sont véritablement prêtes. Celles qui sauront remplir cette condition seront les mieux placées pour avoir un impact durable et s’imposer comme des leaders de la prochaine ère de l’entreprise intelligente." pourrait être une conclusion à cette étude.
