L’analyse par un cabinet-conseils tel IDC ou par des experts IT tels Aaron Rzepka et d'autres ne sont pas tendres envers la mise en œuvre de l’IA dans les organisations. IDC assure que 88 % des projets d'IA ne dépassent pas le stade du PoC (preuve de concept). Aaron Rzepka affirme également, références à l’appui, que 90 % des initiatives dans ce domaine ne dépassent pas la phase pilote. Selon lui, quatre facteurs critiques contribuent au taux d'échec élevé des PoC d'IA. Il s’agit de la complexité de l'environnement IT, de la sécurité des données, des défis de gestion et, enfin, des coûts financiers avec un ROI (retour sur investissement) mal évalué.
Les difficultés d'intégration sont dues à la cohabitation difficile des projets d’IA avec l’infrastructure IT existante, non conçue pour l’intelligence artificielle. Selon un rapport de McKinsey, 70 % des organisations éprouvent des difficultés à intégrer les nouvelles technologies dans leurs systèmes existants.
La conformité aux règlements (RGPD, NIS 2, DORA en Europe) et le risque de violation des données sont des préoccupations réelles. IBM rappelle que le coût moyen d'une violation de données peut atteindre 4,24 millions de dollars. De quoi refroidir l’enthousiasme
des plus optimistes.
Une gestion efficace des projets est un gage essentiel de réussite des projets, mais de nombreuses organisations se heurtent à des obstacles importants dans ce domaine. Une étude de Gartner avance que 70 % des efforts de transformation numérique concernant aussi l'IA, échouent en raison de stratégies de gestion du changement inappropriées.
Autre écueil, la mise en œuvre des solutions d'IA nécessite souvent un investissement initial conséquent dans la technologie et les spécialistes. IDC estimait qu’en 2024, les dépenses mondiales devraient atteindre 110 milliards de dollars d'ici à 2024. Mais les bénéfices sont-ils au rendez-vous ? Une étude d'Accenture révèle que seulement 28 % des organisations sont en mesure de mesurer efficacement le ROI des solutions d’IA.
La préparation des données et le manque d'expertise interne sont sources d’échecs
Selon le média CIO qui a réalisé une étude avec Lenovo, pour 33 PoC d'IA lancés par une entreprise en moyenne, seuls quatre sont passés en production, soit 12 %. Cela témoigne d’un problème important de mise à l’échelle. Et CIO de citer Jason Andersen, VP et analyste principal chez Moor Insights & Strategy suggérant que la DSI surfe sur la vague de l’IA pour tenter d'obtenir la validation de projets technologiques de grande envergure.« Beaucoup d'efforts ne sont pas liés à l’IAGen, mais les DSI essaient d'y injecter des éléments d'IA générative » explique Jason Andersen.
La valeur ajoutée des données est fortement corrélée à leur qualité. Elles doivent être analysées, triées et hiérarchisées, autant d’opérations qui ne paraissent pas correctement menées à bien dans les entreprises. À cela s’ajoute le manque de compétences en matière d’IA générative.
Face à l’injonction des COMEX et CODIR faite à la DSI poussant à adopter l’IA dans les meilleurs délais, il ne semble pas que le ROI des solutions d’IA soit clairement démontré, faute d’indicateurs fiables.
