Les entreprises du secteur de l’industrie déclarent que l’IA contribue directement à améliorer leurs performances. Mais le déploiement de l’IA à grande échelle peut s’avérer complexe. L’IA croque tous les secteurs, et notamment celui de l’industrie. Vultr, une plateforme de cloud computing, a mené une enquête sur la maturité
des entreprises de ce secteur.

Elle révèle notamment que près des deux tiers (66 %) des entreprises ayant adopté l’IA ont enregistré des performances modérément ou nettement supérieures à celles de leurs homologues en 2023. Entre 83 et 89 % des entreprises du secteur de l’industrie déclarent que l’IA contribue directement à améliorer les performances de leur entreprise.

Entre 30 % et 48 % des répondants utilisent actuellement l’IA dans neuf domaines opérationnels. Lorsqu’on leur demande de se projeter dans deux ans, le nombre de répondants qui prévoient de déployer l’IA dans chacune de ces fonctions augmente considérablement, oscillant entre 69 % à 84 %.


Le nombre de modèles d’IA déployés est un bon indicateur de la maturité globale d’une organisation. Cette étude constate que les entreprises du secteur industriel sont plus prudentes dans leurs investissements en IA, que celles issues d’autres secteurs. Elles ont en moyenne beaucoup moins de modèles en production (125), que les autres secteurs d’activité (159). Et si l’on compare la moyenne du secteur à la moyenne des entreprises les plus matures en matière d’IA (175 modèles), l’écart est encore plus flagrant.

Un parc de machines anciennes

Cet écart devrait par ailleurs s’accentuer au fil du temps : les industriels prévoient d’augmenter de 10 % leur nombre de modèles en production dans l’année contre 14 % pour les autres organisations les plus matures en matière d’IA.


Cependant, le déploiement de l’IA à grande échelle peut s’avérer complexe pour les entreprises du secteur de l’industrie. En effet, les environnements industriels reposent souvent sur un parc de machines anciennes et hétérogènes qui n’ont pas été conçues pour s’intégrer aux systèmes d’IA modernes. Cela entrave non seulement le déploiement de modèles d’IA à grande échelle, mais aussi la gouvernance et la qualité des données en raison du manque de compatibilité des systèmes et de normalisation des données.

Les trois défis les plus fréquemment cités par les répondants du secteur
manufacturier sont :
  • la mise à l’échelle des applications en production (34 %)

  • la gouvernance des données et des systèmes d’IA (33 %)

  • la qualité des données (33 %)
Lorsque les trois sont en cause, la maturité en matière d’IA devient extrêmement
difficile à atteindre…

ARTICLES SIMILAIRESPLUS DE L'AUTEUR