Près d’un tiers des directeurs des systèmes d’information (DSI) ne parviennent pas à évaluer le succès de leurs prototypes d’intelligence artificielle (IA), selon une étude menée par IDC, une société internationale spécialisée dans les études de marché, les conseils stratégiques et l’analyse des technologies de l’information. Ce chiffre met en lumière un problème structurel : les organisations lancent des dizaines de projets sans disposer de métriques claires pour en mesurer l’efficacité. En moyenne, seules cinq preuves de concept (PoC, pour Proof of Concept*) d’IA atteignent le stade de la production, et seulement trois sont jugées réellement réussies.
Le manque de définition précise des indicateurs clés de performance (KPI) avant le déploiement des projets explique une grande partie des échecs. Les organisations investissent ainsi des ressources considérables dans des initiatives mal préparées, résultant en un faible retour sur investissement.
Précipitation et manque de stratégie
La frénésie autour de l’IA, notamment générative, pousse les entreprises à lancer rapidement des PoC, souvent sans disposer des prérequis techniques et organisationnels. De nombreux projets sont ainsi abandonnés dès la phase de test, faute de données de qualité ou d’une gestion claire des accès. L’absence de contrôle sur les accès peut rapidement compromettre un projet, notamment lorsque les informations sensibles des différents départements se mêlent.
Des projets coûteux mais peu bénéfiques
Certains PoC dépassent plusieurs millions de dollars d’investissement, sans pour autant apporter de véritables bénéfices. Un exemple frappant concerne les organisations qui, face aux exigences matérielles pour mettre en production une solution d’IA, se rétractent. Une entreprise a préféré embaucher plusieurs employés plutôt que de dépenser un million de dollars pour déployer un outil d’IA.
Les entreprises peinent à justifier les coûts élevés liés à l’IA, surtout lorsque les gains attendus restent limités. Les projets d’IA générative, bien qu’ambitieux, souffrent souvent d’un manque de planification préalable et d’une évaluation incomplète des coûts réels.
Le besoin de recentrer les stratégies IA
Pour éviter ces échecs répétés, les DSI doivent adopter une approche plus structurée. Il est essentiel de se concentrer sur des projets stratégiques susceptibles d’apporter un avantage concurrentiel significatif. L’idée n’est pas de multiplier les initiatives, mais de privilégier quelques PoC bien définis.
Cette analyse souligne la nécessité de réaliser des PoC ciblés, alignés sur les objectifs de l’entreprise. Cela inclut une meilleure planification des ressources et une évaluation précise des données disponibles avant le démarrage des projets.
Des enseignements à tirer des échecs
L’échec d’un projet d’IA peut fournir des enseignements précieux pour les futurs déploiements. Toutefois, certaines organisations, particulièrement dans des secteurs comme la finance, restent frileuses face aux risques. Une approche prudente, limitant le nombre de PoC et s’appuyant sur une étude approfondie des besoins stratégiques, permet de réduire les risques et maximiser les chances de succès.
Moins de PoC, plus de réflexion
L’échec récurrent des PoC d’IA met en évidence le besoin d’une meilleure planification et d’une définition claire des objectifs dès la phase initiale. Adopter une stratégie centrée sur les besoins de l’entreprise et les données disponibles permet de transformer les expérimentations en projets concrets et réussis. Les organisations doivent ainsi prendre le temps d’évaluer, planifier et exécuter pour tirer pleinement parti du potentiel de l’IA.
Pour aller plus loin dans la mise en place de solutions IA stratégiques et innovantes, Efimove.ai propose un accompagnement sur mesure pour optimiser vos projets technologiques.
* Proof of Concept : Phase de test qui permet de vérifier la faisabilité technique et la pertinence d’une idée avant son déploiement à grande échelle.
