En 2025, la question de savoir s’il faut ou non adopter l’IA ne se pose plus. D’après les études, les entreprises se posent plutôt la question du comment. L’étude intitulée « Libérer l’IA en entreprise : opportunités et stratégies », commandée par Databricks et réalisée par Economist Impact, est le résultat d’une enquête mondiale menée auprès de 715 cadres techniques et 385 spécialistes des données et de l’intelligence artificielle. Ces personnes travaillent dans les domaines du data engineering, de la data science
et de l’architecture d’entreprise.
L’étude met en lumière une dynamique positive d’adoption de l’IA. « La trajectoire actuelle de l’intelligence artificielle, en termes d’investissement, d’adoption et de résultats, écrit Andy Kofoid, président des opérations mondiales chez, Databricks, indique clairement que cette technologie va devenir une partie intégrante de chaque entreprise, quel que soit le secteur d’activité. »
La GenAI est devenue une priorité stratégique
L’IA générative s’est distinguée en démocratisant l’accès à des outils complexes, permettant aux utilisateurs de tous niveaux de compétences d’interagir en langage naturel avec des systèmes avancés. Elle est particulièrement appréciée pour ses effets immédiats sur la productivité dans des domaines comme l’informatique (91 %), le marketing (85 %), les ventes et le service client (83 %). Ces gains, bien que significatifs, sont considérés comme le début d’une transformation plus profonde. À terme, les entreprises ambitionnent d’utiliser l’IA pour développer des modèles économiques innovants, améliorer leur positionnement sur le marché et relever des défis stratégiques tels que la gestion des risques et l’allocation du capital.La recherche montre que l’IA, en particulier l’IA générative, est devenue une priorité stratégique pour 85 % des entreprises sondées, ce pourcentage atteignant 97 % dans les organisations affichant un chiffre d’affaires supérieur à 10 milliards de dollars. Ces entreprises perçoivent l’IA comme essentielle pour renforcer leur compétitivité et explorer de nouvelles sources de valeur. Cependant, seulement 37 % des dirigeants estiment que leurs applications d’IA générative sont prêtes pour une mise en production à grande échelle, une proportion qui chute à 29 % parmi les opérationnels.
Une approche globale est conseillée
Un hiatus qui s’explique par diverses causes, mais, selon l’étude, l’écueil principal réside dans les infrastructures obsolètes ou inappropriées pour l’inférence. « Une autre réalité s’impose également. Pour réussir dans ce nouveau paysage, les dirigeants d’entreprise ne pourront pas se contenter d’adopter le modèle d’IA le plus récent et le plus performant. Dans chaque secteur, les gagnants seront ceux qui auront adopté une approche globale, rassemblant la gestion des données, la sécurité, la gouvernance, la culture et l’expertise », estime Andy Kofoid.Les chiffres sont révélateurs d’un paysage encore dominé par des architectures héritées. Seulement 22 % des répondants estiment que leur infrastructure actuelle peut gérer les charges de travail liées à l’IA sans ajustements majeurs. La gouvernance est également un enjeu central. Avec la multiplication des projets pilotes, des préoccupations liées à la sécurité des données, à la confidentialité et à la conformité réglementaire. Près de 50 % des ingénieurs en données consacrent la majorité de leur temps à des questions de gouvernance, tandis que les dirigeants insistent sur l’importance d’un équilibre entre les contributions humaines et celles de l’IA.
Le problème des coûts élevés
Le problème des coûts élevés et de la complexité des projets figure également parmi les principaux freins cités par les répondants. Les entreprises doivent mobiliser des ressources financières et humaines considérables pour adapter leurs infrastructures et acquérir les compétences nécessaires à l’implémentation de ces technologies. Certes, la concurrence et la prolifération des offres devraient amener ce marché à plus de maturité et des prix stabilisés. C’est ce que vient de faire l’entreprise chinoise DeepSeek, qui vient de couper l’herbe sous les pieds des géants américains, provoquant une perte de valeur cumulée de 590 milliards d’euros à Wall Street.Avec son modèle open source entraîné à peu de frais (environ 6 millions de dollars selon les chiffres cités), l’industrie chinoise oppose un modèle bien plus abordable aux pratiques inflationnistes dominantes aux États-Unis, où la course à l’IA est souvent marquée par des investissements massifs et des infrastructures coûteuses. Outre les coûts, les talents aussi sont en pénurie. Le rapport souligne également que seuls 16 % des organisations estiment disposer d’un vivier suffisant de talents en IA pour relever ces défis.
En somme, la transition vers une adoption généralisée de l’IA nécessite un équilibre subtil entre innovation, gouvernance et patience stratégique. L’étude identifie plusieurs leviers pour maximiser la valeur de l’IA en entreprise. Parmi ceux-ci, l’intégration des données propriétaires dans des modèles sur mesure est perçue comme un avantage compétitif incontournable. En effet, 96 % des entreprises prévoient d’adopter des modèles open source d’ici 2027, mais les experts mettent en garde contre l’utilisation de solutions génériques qui manquent de précision et de sécurité.
L’étude souligne aussi que les entreprises qui réussissent adoptent une approche expérimentale méthodique. Elles privilégient des cycles rapides d’itération dans des environnements sécurisés, les bacs à sable, qui permettent de tester l’IA sans risquer d’affecter les opérations critiques.
