Les technologies d'intelligence artificielle (IA) apparaissent aujourd'hui comme un levier incontournable de la transformation numérique, comme le confirme une récente étude réalisée par Vanson Bourne pour l'éditeur Fivetran. Toutefois, des freins persistants empêchent le déploiement de projets d'IA à grande échelle.

Une majorité (87%) des 550 professionnels de l'IT et des sciences de la donnée interrogés dans l'enquête perçoivent l'IA comme un domaine vital pour leur survie, et les entreprises semblent prêtes à investir, prévoyant de consacrer 13% en moyenne de leur chiffre d'affaires au sujet dans les trois à cinq ans qui viennent, contre 8% à l'heure actuelle. Cependant, les répondants ne sont pas prêts pour autant à faire pleinement confiance aux outils d'IA. Ainsi, 86% d'entre aux auraient du mal à déléguer la prise de décisions commerciales à de tels outils, sans aucune intervention humaine. Par ailleurs, neuf fois sur dix les entreprises interrogées continuent de s'appuyer sur des traitements de données manuels pour leurs décisions. Sur les cinq pays représentés dans l'étude, dont la France, 14% seulement des répondants seulement estiment avoir une maturité avancée en matière d'IA. Pour plus de quatre sondés sur dix, leur organisation a une marge de progression importante dans son usage de l'IA. Les répondants français se distinguent sur ce point, 14% seulement partageant cette opinion tandis qu'une majorité (79%) estime avoir une petite marge de progression.

La mauvaise qualité des données a un coût

En regardant plus en détail, l'étude révèle la présence de freins persistants aux projets d'IA, notamment sur la question complexe des données. Par exemple, 71% des sondés peinent à accéder à toutes les données nécessaires à l'exécution des programmes, charges de travail et modèles d'IA. Ils sont également plus de sept sur dix (73%) à considérer les étapes d'extraction, de chargement et de transformation des données comme un défi. Ces problèmes autour des données ont un coût : les entreprises estiment perdre en moyenne 5% de leur chiffre d'affaires à cause de modèles d'IA alimentés par de données de mauvaise qualité, qui de ce fait n'offrent pas une performance au niveau attendu.

Un autre enjeu découle de ces problématiques de qualité des données : le mauvais usage des compétences des data scientists, qui consacrent en moyenne 70% de leur temps à la préparation des données, contre moins d'un tiers pour la conception de modèles. 87% des sondés estiment d'ailleurs que les data scientists de leur organisation ne sont pas utilisés à leur plein potentiel, 13% seulement indiquant que leurs équipes de data science peuvent travailler avec toutes les données des systèmes opérationnels. Cet écart entre les compétences et les tâches réellement effectuées se révèle d'autant plus problématique que les data scientists restent des profils rares sur le marché, le recrutement représentant d'ailleurs le premier obstacle aux projets d'IA pour 39% des répondants.