L'avenir de l'IA dépend moins des modèles que de la qualité des données
Ces dernières années ont été marquées par l'émergence de systèmes d'IA toujours plus performants, avec de nouveaux modèles et des capacités d'automatisation toujours plus matures.
Beaucoup d'entreprises en ont conclu que la performance de l'IA dépendait avant tout de la puissance du modèle utilisé.
Aujourd'hui, cette perception évolue. Les entreprises prennent progressivement conscience que la performance d'une IA ne dépend pas uniquement du modèle utilisé, mais surtout de la qualité des informations sur lesquelles elle s'appuie. Car l'IA n'est plus cantonnée à quelques expérimentations : elle s'invite désormais au cœur des activités quotidiennes : analyse de documents, réponses aux demandes internes, synthèses et accompagnement dans la prise de décision. Avec l'essor des agents d'IA, cette évolution s'accélère. Capables d'exécuter des tâches de manière autonome, ces systèmes exploitent de vastes volumes de données internes.
La puissance des modèles ne suffit pas
Les débats autour de l'IA se concentrent souvent sur les modèles et les agents. Pourtant, pour de nombreuses directions informatiques, le véritable défi réside dans les silos d'information, hérités de plusieurs années, voire de plusieurs décennies.
Les nouveaux systèmes d'IA arrivent dans des entreprises où l'information est souvent dispersée entre de multiples applications, serveurs locaux, plateformes cloud et boîtes mail. Au fil des années, les doublons se sont multipliés et plusieurs versions d'un même document peuvent coexister.
Les systèmes d'IA ne consultent pas un document isolé, mais exploitent des ensembles complets d'informations. Des données obsolètes, erronées ou contradictoires peuvent alors être propagées beaucoup plus rapidement et à une échelle bien plus importante que dans des processus de travail traditionnels.
Le coût sous-estimé de la vérification
L'IA est souvent présentée comme un formidable levier de productivité. Pourtant, entre les résultats qu'elle produit et leur utilisation en entreprise, une étape reste incontournable : la vérification.
Une étude récente a mis en évidence l'écart entre les attentes et la réalité. En effet, les dirigeants estiment gagner en moyenne 4,6 heures par semaine grâce à l'IA. Dans le même temps, ils consacrent environ 4 heures et 20 minutes à contrôler les résultats produits. Au final, le gain réel n'est plus que de 16 minutes par semaine.
Le constat est similaire chez les utilisateurs finaux. Ils évaluent leur gain de temps à 3,6 heures hebdomadaires, mais passent près de 3 heures et 50 minutes à vérifier et corriger les contenus générés, ce qui se traduit finalement par une perte d'environ 14 minutes par semaine.
Si 89 % des dirigeants et 79 % des collaborateurs déclarent se sentir plus productifs grâce à l'IA, les bénéfices réellement mesurés apparaissent nettement plus limités.
Un enjeu de gouvernance
Le véritable défi est que les capacités de l'IA progressent plus vite que la maturité des données sur lesquelles elles s'appuient. Pour les directions informatiques, l'enjeu n'est donc plus seulement de déployer de nouveaux outils, mais de créer les conditions d'une utilisation fiable de l'IA.
Concrètement, cela passe par une meilleure gouvernance de l'information : consolider les référentiels documentaires, éliminer les doublons et définir clairement les responsabilités autour des informations stratégiques de l'entreprise. Il devient également essentiel d'harmoniser les métadonnées, de mettre en place des processus de validation transparents et d'assurer une gestion cohérente des droits d'accès.
L'objectif est de permettre aux collaborateurs comme aux systèmes d'IA de s'appuyer, à tout moment, sur une même base de connaissances fiable, à jour et cohérente.
L'étude a également mis en évidence la protection des données, la sécurité et la confiance comme principaux freins à une adoption plus large de l’IA. Ainsi, 36 % des répondants citent les enjeux de confidentialité et de sécurité comme principal obstacle, 34 % évoquent un manque de confiance dans les résultats produits par l'IA et 25 % s'interrogent sur leur fiabilité.
Dans le même temps, l'entrée en vigueur de l'AI Act européen renforce les exigences en matière de transparence. Les applications d'IA considérées à haut risque devront notamment répondre à des obligations renforcées en matière de documentation et de gouvernance.
Les nouveaux modèles continueront sans aucun doute d'alimenter les débats autour de l'IA. Pourtant, pour les entreprises, le véritable enjeu ne réside plus uniquement dans la puissance des technologies qu'elles déploient, mais dans leur capacité à maîtriser les données qui les alimentent. À mesure que l'IA s'intègre au cœur des processus métiers, la gouvernance de l'information devient un facteur déterminant de performance et de confiance.
Les organisations qui sauront garantir des données fiables, cohérentes et constamment actualisées seront les mieux placées pour exploiter pleinement son potentiel, accélérer la prise de décision et créer un avantage concurrentiel durable.