Une forte majorité (67 %) des répondants français considèrent que cette technologie est essentielle à la réalisation de leurs objectifs à long terme. Cependant, en France, un tiers des data scientists (33 %) utilisent encore un modèle de langage généraliste sans faire appel à des données d’entreprise contextualisées. Par conséquent, ces professionnels rencontrent encore des problèmes liés à la qualité des résultats fournis. Pour y remédier, 67 % des data scientists enrichissent leurs LLM avec des données propriétaires par le biais de systèmes RAG.
Les entreprises s’attendent à combiner différents modèles et outils pour développer des agents IA, à la fois avec des technologies open source et propriétaires, afin d’obtenir de meilleures performances. D’ailleurs, d’ici 2027, 96 % des entreprises françaises prévoient de déployer des modèles d’IA open source.
Coûts de développement
62 % des organisations voient un potentiel significatif dans la combinaison des LLM avec des données d’entreprise pour créer une véritable intelligence des données. Malgré cet élan, 42 % des personnes interrogées en France estiment que les investissements en matière d’IA dans les domaines techniques et non techniques restent insuffisants. Par ailleurs, seul un tiers des dirigeants d’entreprises estiment que leurs applications GenAI sont prêtes à être mises en production.
Autre constat, seule une entreprise française sur 5 (20 %) affirme disposer d’une infrastructure IT adaptée pour adopter les usages actuels et futurs de l’IA.
Approche holistique
Quels sont les obstacles ? Il s’agit principalement des coûts de développement (44 %), de la qualité des résultats fournis (37 %), de la gouvernance (33 %) - qui prend plus de temps qu’autre chose -, et enfin des difficultés à disposer de la main-d’œuvre nécessaire pour implémenter les projets IA (22 %). La preuve, seule 1 entreprise sur 5 est convaincue (22 %) d’être en mesure de recruter les talents dotés de compétencesIA dont elle a besoin.
Cette enquête démontre que les entreprises qui misent sur une approche holistique qui place la gestion, la gouvernance des données et l’expertise sectorielle nécessaire pour implémenter l’IA en haut de leurs priorités, seront les mieux placées pour tirer parti de la technologie et obtenir le retour sur investissement tant attendu.
