Qlik a récemment publié une étude révélatrice sur la perception et l’utilisation des données non structurées par les entreprises. Cette étude met en lumière le potentiel de ces données pour améliorer l’efficacité opérationnelle et générer des insights. Cependant, elle souligne également les défis auxquels les entreprises sont confrontées pour exploiter efficacement cette ressource.
L’IA générative suscite un intérêt certain parmi les entreprises. Deux tiers des personnes interrogées souhaitent utiliser l’IA générative pour traiter les données non structurées et prévoient d’investir dans des outils correspondants. Cependant, malgré cet intérêt, seulement 22 % des entreprises interrogées ont investi de manière significative dans les technologies d’IA. Une situation montrant une disparité entre la valeur accordée à l’usage de l’IA et le passage à l’acte effectif.
Ça coince sur les données non structurées…
Les causes de l’immobilisme de certaines entreprises sont multiples. Les résultats de l’étude indiquent que la pénurie d’expertise et le manque d’outils appropriés sont les principaux obstacles à l’exploitation des données non structurées. L’IA, et en particulier l’IA générative, nécessite une expertise technique avancée pour être mise en œuvre et maintenue. Les entreprises peuvent ne pas disposer des compétences nécessaires en interne et trouver difficile de recruter des experts en raison de la forte demande sur le marché. Ce manque de compétences est un frein puissant, car même les entreprises conscientes du potentiel de l’IA peuvent hésiter à investir sans avoir la certitude de pouvoir gérer ces technologies efficacement.Les données non structurées, qui incluent des éléments tels que les courriels, les documents texte, les images et les vidéos, représentent environ 80 % des données mondiales. Un chiffre qui ne donne qu’une vague idée de l’ampleur colossale de cette ressource inexploitée. Ceci est d’autant plus étonnant qu’une grande majorité des répondants (62 %) considèrent que les données non structurées peuvent améliorer l’efficacité opérationnelle, tandis que seulement 31 % pensent qu’elles peuvent accélérer l’innovation. Près de la moitié des entreprises (45 %) font état de cas d’utilisation impliquant l’amélioration des outils de recherche et de requête pour explorer des documents internes.
Malgré cette reconnaissance, l’étude révèle que près de 70 % des dirigeants admettent que leur entreprise ne dispose pas des moyens nécessaires pour comprendre comment l’intelligence artificielle générative peut être appliquée à leurs données non structurées.
… et le manque d’intégration avec les systèmes hérités
L’étude met également en lumière les préoccupations des entreprises en matière de conformité et de confidentialité des données. En effet, 59 % des personnes interrogées se disent « très préoccupées » par la confidentialité des données, tandis que 47 % s’inquiètent de la conformité aux réglementations en vigueur. Ces préoccupations surpassent largement celles liées au retour sur investissement, qui est cité par 19 % des répondants seulement.Selon l’étude, seul un faible pourcentage d’entreprises consacre plus de 25 % de son budget IA à des initiatives liées à ces données. Les entreprises recherchent des solutions permettant d’adopter l’IA générative sans avoir besoin de revoir leurs compétences et leur pile technologique. Les entreprises craignent souvent le manque d’intégration avec leur infrastructure, entraînant des inefficacités ou nécessitant des révisions coûteuses de leur architecture informatique. Cette inquiétude concernant l’intégration peut ralentir l’adoption de l’IA générative, même lorsque ses bénéfices sont reconnus.
Le manque de cas d’usage concrets et convaincants, qui démontrent des bénéfices clairs et mesurables, peut également être un frein. Les entreprises peuvent être sceptiques quant à la pertinence de ces technologies pour leurs besoins spécifiques, si elles n’ont pas vu des exemples clairs de réussite dans leur secteur. L’absence de telles démonstrations peut réduire la motivation à investir dans ces technologies. Pour surmonter ces obstacles, les entreprises devront non seulement investir dans la formation et le recrutement, mais aussi développer leurs propres cas d’usage, tout en s’assurant que leurs solutions d’IA s’intègrent harmonieusement avec leurs systèmes existants.
