Malgré leurs investissements massifs, seulement 12 % des organisations se disent prêtes pour gérer les flux de travail d’IA agentique. Il faut d’abord répondre aux défis majeurs en matière de données et d’infrastructures.

Qlik, acteur de l’intégration et de la qualité des données, a publié une étude montrant un écart notable entre le niveau d’ambition des organisations et leur capacité à mener à bien les projets d’IA générative. L’enquête menée par IDC ne détaille pas le panel des répondants et la méthodologie adoptée.

Point positif, 89 % des organisations ont revu leurs stratégies de gestion des données pour intégrer l’IA générative. Mais seules 26 % d’entre elles sont passées à l’échelle. Des résultats qui mettent en évidence l’impératif d'améliorer la gouvernance des données et leur préparation pour exploiter tout le potentiel de l’IA.

Les investissements dans l'IA sont principalement alloués à l'IA générative (GenAI) et aux agents d’IA (57 % du total), le reste étant consacré à l'IA prédictive et interprétative, soit 41 % pour l’IAGen et 16 % pour l’IA Agentique. Le reste étant alloué à l’IA prédictive
(22 %) et à l'IA interprétative (22 %), à savoir la branche de l'IA qui vise à améliorer l'efficacité des LLM.

Point saillant de l’étude Qlik, seules 26 % des organisations disposent de solutions IAGen en production.

Le graphique ci-dessous montre le niveau d’intérêt des entreprises pour la qualité des données, un préalable pour aider les organisations à maitriser les projets d’IA générative.

Seules 12 % des entreprises affirment que leur infrastructure IT peut gérer les agents IA

L’enquête fait émerger plusieurs indicateurs critiques qui illustrent les promesses et les défis d’adoption de l’IA générative. Ainsi, 80 % des organisations investissent dans des processus d’IA agentique, mais seulement 12 % d’entre elles sont convaincues que leur infrastructure peut gérer les workflows décisionnels autonomes.

Les organisations qui maîtrisent le « Data as a Product » (gestion des données en tant que produit) seraient sept fois plus susceptibles de déployer des solutions d’IA générative à grande échelle. Comme pour l’exploitation du big data, cela passe par un tri rigoureux des données pertinentes pour alimenter les LLM selon leur valeur métier et le respect des règlementations.

Noter que 94 % des organisations intègrent ou prévoient d’intégrer des fonctionnalités d’analytique aux applications d’entreprise. Une bonne intention pour tirer le meilleur parti des données. Mais, bémol notable, seulement 23 % des entreprises y sont parvenues pour leurs applications métiers.

Le niveau insuffisant de préparation à l’IA reste un facteur de ralentissement des projets. En effet, l’étude indique que si 73 % des organisations intègrent l’IA générative dans leurs solutions d’analytique, seules 29 % ont pleinement déployé de telles applications.

Trois indicateurs de l’étude illustrent les priorités des entreprises concernant l’utilisation des données. D’une part, l’exactitude et la gouvernance des informations numériques pour
51 % des répondants. D’autre part, la nécessité d’améliorer les LLM et les algorithmes d'IA pour la moitié du panel. Enfin, dans une même proportion, l’impératif de prendre en compte la sécurité et les valeurs d’éthique.