Gartner a récemment prédit qu'au moins 30 % des projets d'IA générative seront abandonnés après la preuve de concept d'ici la fin de 2025. Les raisons invoquées incluent une mauvaise qualité des données, des contrôles des risques inadéquats, une augmentation des coûts ou une valeur commerciale peu claire.
Lors du Gartner Data & Analytics Summit à Sydney, Rita Sallam, vice-présidente et analyste distinguée chez Gartner, a souligné qu'après le battage médiatique de l'année dernière, les dirigeants attendent avec impatience le retour sur investissement de l'IA générative, mais que les organisations peinent à démontrer et à concrétiser leur valeur. À mesure que la portée des initiatives s'étend, le fardeau financier du développement et du déploiement de modèles d'IA générative se fait de plus en plus sentir.
Un défi majeur pour les entreprises est de justifier des investissements substantiels dans l'IA générative pour accroître leur productivité, ce qui peut s'avérer difficile à traduire directement en avantages financiers. Nombre d'entre elles exploitent l'IA générative pour transformer leurs modèles économiques et créer de nouvelles opportunités, mais ces approches de déploiement entraînent des coûts importants.
Sallam a souligné qu'il n'existe pas d'approche universelle en matière d'IA générative, et que les coûts ne sont pas aussi prévisibles que pour d'autres technologies. Les dépenses, les cas d'utilisation et les méthodes de déploiement déterminent les coûts. Qu'il s'agisse d'un acteur de rupture cherchant à introduire l'IA partout ou d'une organisation plus conservatrice axée sur les gains de productivité ou l'extension des processus existants, chaque approche présente des niveaux de coût, de risque, de variabilité et d'impact stratégique différents.
Quelles que soient les ambitions de l'IA, une étude Gartner indique que l'IA générative exige une plus grande tolérance aux critères d'investissement financier indirect et futur qu'au retour sur investissement (ROI) immédiat. Historiquement, de nombreux directeurs financiers ont hésité à investir aujourd'hui pour générer une valeur indirecte future. Cette réticence peut orienter l'allocation des investissements vers des résultats tactiques plutôt que stratégiques.
Réaliser une valeur commerciale
Les premiers utilisateurs, tous secteurs et processus confondus, signalent diverses améliorations, selon le cas d'usage, le type de travail et le niveau de compétence des collaborateurs. Selon une récente enquête Gartner, les répondants ont constaté une augmentation moyenne de 15,8 % de leur chiffre d'affaires, de 15,2 % de leurs coûts et de 22,6 % de leur productivité. L'enquête a été menée entre septembre et novembre 2023 auprès de 822 chefs d'entreprise.
Sallam a souligné que ces données constituent une référence précieuse pour évaluer la valeur commerciale dérivée de l'innovation des modèles économiques d'IA générative. Cependant, il est important de reconnaître les difficultés liées à l'estimation de cette valeur, car les avantages sont très spécifiques à chaque entreprise, cas d'utilisation, fonction et personnel. Souvent, l'impact n'est pas immédiatement visible et peut se matérialiser avec le temps, mais ce délai ne diminue en rien les bénéfices potentiels.
Calcul de l'impact commercial
En analysant la valeur commerciale et les coûts totaux de l'innovation en matière de modèles économiques d'IA générative, les organisations peuvent déterminer le retour sur investissement direct et l'impact futur sur la valeur. Cet outil est essentiel pour prendre des décisions d'investissement éclairées en matière d'innovation en matière de modèles économiques d'IA générative.
Sallam conclut en soulignant que si les résultats commerciaux atteignent ou dépassent les attentes, il est possible d'accroître les investissements en élargissant l'innovation et l'utilisation de l'IA générative à une base d'utilisateurs plus large ou en la déployant dans d'autres divisions. Dans le cas contraire, il peut être nécessaire d'explorer d'autres scénarios d'innovation. Ces informations aident les organisations à allouer stratégiquement leurs ressources et à déterminer la voie la plus efficace.
Mon impression personnelle
Na Nuage Flexa Après avoir travaillé sur des centaines de projets d'IA, j'ai constaté que le principal problème survient lorsque le client se concentre sur l'outil plutôt que sur le véritable problème qu'il résout. Une fois cette phase franchie, les cas d'usage deviennent concrets et ont un impact significatif. Il est essentiel de garder à l'esprit que la technologie n'est qu'un outil ; sa véritable valeur réside dans la façon dont nous l'utilisons pour résoudre des défis spécifiques et créer des opportunités transformatrices.
Continuons à nous concentrer sur les solutions, et non sur les outils, et ensemble nous obtiendrons des résultats significatifs et durables.
