Pour connaître le taux d'adoption des technologies d'intelligence artificielle (IA) en matière d'analyse de données dans les entreprises françaises, la startup Golem.ai, en partenariat avec le cabinet Spoking Polls, a interrogé 102 décideurs français, dont 48 DSI et 42 chief data officers (CDO). Les réponses montrent que 92% des CDO assurent la gestion des données, mais c'est également le cas de 66% des DSI. Quand les deux fonctions co-existent, la collaboration étroite est la norme, 94% des CDO considérant la DSI comme un partenaire incontournable sur tous leurs projets.

Dans le cadre de cette mission de gestion des données, le traitement des données non structurées pose de réels défis. Ainsi, 54% des répondants estiment qu'il est impossible aux CDO d'exploiter de telles données (52% pour les CDO, 58% pour les DSI). Un quart seulement des sondés estiment que l'IA permet de répondre à cet enjeu et d'inclure de telles données dans les analyses. Enfin, de façon surprenante, 21% des répondants indiquent que l'exploitation des données non structurées n'est pas dans le périmètre des CDO.

Valider le potentiel opérationnel de telles données, enjeu fréquent

Selon la fonction des répondants, la perception des bénéfices métiers associés à l'IA pour l'exploitation des données diverge légèrement. Ainsi, les DSI sont plus nombreux à considérer que cela peut apporter des pistes d'innovation (76%, contre 61% des CDO). En revanche, les CDO mettent davantage en avant les gains d'efficacité grâce à une analyse rétrospective des plans d'actions (52% contre 48% des DSI) et de productivité (67% versus 64% de DSI). Toutefois, les deux catégories de décideurs se rejoignent sur les principales motivations à l'adoption de l'IA : d'abord, gagner en productivité (objectif de 45% des répondants toutes fonctions confondues) et automatiser certains processus (pour 26% des répondants au total).

L'enquête met en évidence trois grandes problématiques liées à la gestion des données non structurées : d'abord, évaluer le potentiel opérationnel de ces dernières, pour 38% des répondants, puis valider la qualité des données (27%) et enfin mieux identifier les données non structurées utilisables (25%). Enfin, pour les sondés le principal frein à l'adoption d'une solution d'IA est le coût, cité par 48% du panel. 39% évoquent également un retour sur investissement difficile à garantir sur le court terme. Ces enjeux sont compliqués par le faible degré d'autonomie budgétaire dont disposent les répondants pour déployer de tels projets : seuls 3% disposent d'un budget dédié qu'ils sont libres d'utiliser, tandis que 30% ont des budgets prévus, mais doivent passer par le processus de validation des achats interne. La majorité (67%) doit soumettre ses budgets en amont.