Cependant, les différences dans la maturité des programmes, les pratiques de mesure et les tendances régionales en matière d’adoption mettent en évidence des domaines nécessitant une attention particulière. La maturité du programme d’observabilité est inégale en ce qui concerne la qualité des données, les pipelines de données et les modèles d’IA/ML, tandis que l’adoption des données non structurées se développe.
Intitulée « Observability for AI Innovation », cette étude mondiale constate que 76 % des organisations ont formalisé, mis en œuvre ou optimisé des programmes pour la qualité des données et l’observabilité des pipelines de données, démontrant un engagement fort en faveur de la mise en place de bases d’IA fiables. L’observabilité des modèles d’IA/ML suit de près avec 70 %, bien que de nombreuses entreprises disposent encore de programmes incohérents ou sous-développés.
En ce qui concerne la mesure du succès, 68 % des organisations utilisent des mesures qualitatives et/ou quantitatives pour évaluer leurs efforts d’observabilité. Cependant, les autres organisations s’appuient sur des mesures ad hoc ou aucune mesure, ce qui présente un risque important. Les entreprises étendent leurs programmes d’observabilité au-delà des tables structurées pour inclure des données semi-structurées (telles que des fichiers JSON ou des fichiers journaux) et non structurées (telles que du texte, des images, des vidéos et du son).
Selon l’étude, 62 % des organisations explorent l’utilisation des données semi-structurées, 28 % les utilisent déjà activement, tandis que 60 % évaluent actuellement des documents non structurés. Ces tendances d’adoption témoignent d’une reconnaissance croissante de l’importance de divers types de données, d’autant plus que des cas d’utilisation avancés tels que l’apprentissage automatique prédictif et l’IA générative (GenAI) en dépendent.
Par rapport à l’Europe, les entreprises nord-américaines font état de taux d’adoption de l’IA et d’une maturité d’observabilité nettement plus élevés. En moyenne, 88 % des organisations nord-américaines ont mis en place des programmes d’observabilité dans toutes les disciplines, contre seulement 47 % en Europe.
Les sociétés nord-américaines mettent également davantage l’accent sur la conformité réglementaire et la confidentialité des données, malgré l’absence de réglementation fédérale sur l’IA comparable à la loi sur l’IA de l’UE. De plus, les Nord-Américains accordent une plus grande priorité que les Européens à la précision des modèles et deux fois plus d’entre eux ont mis en place des mesures d’observabilité formelles.
