Plus de la moitié des organisations utilisant l'IA rencontrent des défis critiques en matière de qualité des données, révèle une nouvelle étude

Une enquête sectorielle approfondie sur l’adoption de l’IA en entreprise révèle un paradoxe majeur : alors que 88 % des entreprises ont commencé à déployer des solutions d’intelligence artificielle, 54 % nourrissent de sérieux doutes quant à la fiabilité et à la précision des données alimentant ces systèmes. Cet écart entre le déploiement massif de l’IA et les préoccupations liées aux données sous-jacentes représente l’un des obstacles les plus pressants auxquels les entreprises doivent faire face lors de la montée en puissance de leurs initiatives en intelligence.

La crise de la fondation des données

Les organisations qui mettent en œuvre l’IA dans leurs opérations sont confrontées à un problème fondamental. Lorsqu’on leur a demandé leur préparation en matière de données, seulement 50 % ont exprimé leur confiance dans le fait que leur infrastructure de données est suffisamment prête pour répondre aux exigences de l’IA générative et de l’analyse avancée. Ce scepticisme reflète des inquiétudes plus profondes : près de la moitié des dirigeants d’entreprise (46%) citent des vulnérabilités en matière de sécurité des données, tandis que 43 % s’inquiètent des violations de la vie privée et 42 % craignent l’exposition d’informations sensibles ou propriétaires.

Gary Kotovets, le cadre supérieur en charge de la stratégie analytique dans une grande société d’intelligence économique, souligne que l’efficacité de l’IA dépend en fin de compte de la qualité des données. « La précision, l’explicabilité et la pertinence des résultats de l’IA sont directement liées à la qualité des données », explique-t-il, mettant en avant l’importance pour les organisations d’établir ce que les professionnels du secteur appellent des « données maîtrisées » — des informations provenant de dépôts propres, validés, issus d’une source unique, et soumis à une mise à jour et une vérification continues.

La préoccupation concernant la fiabilité des données révèle un autre indicateur crucial : seulement 52 % des entreprises estiment disposer d’une base de données solide capable de soutenir le succès de l’IA générative. Par ailleurs, 26 % des organisations interrogées craignent que les systèmes d’IA ne renforcent les biais existants présents dans les jeux de données d’entraînement.

Étapes de mise en œuvre et principaux obstacles

Les entreprises qui déploient l’IA se trouvent à différents stades de maturité. Les répondants à l’enquête ont indiqué qu’ils explorent et recherchent des capacités (29%), déploient activement des solutions (25%), développent des produits natifs de l’IA (24%), ou mènent des programmes pilotes (10%). Malgré cette activité généralisée, les progrès tangibles restent inégaux.

Les principaux obstacles à une intégration réussie de l’IA se concentrent sur deux défis fondamentaux : accéder à des données fiables et de qualité professionnelle (33%), et naviguer dans le paysage complexe des exigences éthiques et réglementaires (33%). D’autres obstacles incluent la nécessité de parvenir à un consensus interne sur les priorités commerciales (31%), de constituer des équipes avec une expertise pertinente (31%), d’expliquer les processus de prise de décision de l’IA aux parties prenantes (28%), de réaliser des évaluations de risques appropriées (27%), de démontrer le retour sur investissement (25%), et d’assurer une transparence adéquate dans le fonctionnement des algorithmes (25%).

Parmi les entreprises ayant déjà déployé des solutions d’IA, les gains les plus visibles proviennent de la rationalisation des processus (42%), du co-pilotage des travailleurs humains avec des assistants IA (39%), et de la prise en charge de tâches routinières (38%). Moins d’organisations ont réalisé des progrès mesurables dans des applications avancées telles que la modélisation de scénarios (18%) et l’élimination des biais du personnel (13%).

Perspectives 2025 : Agents autonomes et adaptation réglementaire

En regardant vers l’avenir, trois tendances technologiques émergentes dominent le paysage. L’automatisation intelligente — des systèmes combinant une logique basée sur des règles avec l’apprentissage automatique — arrive en tête avec 51 % des intérêts des répondants. Les plateformes d’IA conversationnelle suivent de près (46%), tandis que les capacités multimodales et visuelles d’IA suscitent un intérêt croissant (33%). De plus, un quart des dirigeants se préparent activement aux impacts issus des nouvelles réglementations et cadres de gouvernance qui devraient prendre forme au cours de l’année à venir.

L’application la plus attendue des agents autonomes d’IA — des systèmes capables d’exécuter des tâches complexes avec une intervention humaine minimale — est l’automatisation des tâches, identifiée par 64 % des dirigeants interrogés comme leur cas d’usage principal. La augmentation des capacités humaines arrive en second (42%), suivie par le renforcement des processus de gestion des données (36%) et l’analyse des tendances du marché (32%). La focalisation sur les applications de gestion des données reflète la reconnaissance par l’industrie que les agents autonomes peuvent accélérer le nettoyage, l’intégration et les flux de travail analytiques des données.

Les organisations restent concentrées sur l’assurance que les capacités émergentes de l’IA s’alignent sur des objectifs commerciaux spécifiques tout en maintenant l’explicabilité, la transparence et la conformité aux risques — tout en s’appuyant sur des bases de données fiables qui soutiennent un déploiement responsable et éthique à grande échelle.