Accélérer l’IA générative : l’enjeu crucial des talents, de la confiance et de la modernisation tech

Dans cet article, nous explorons les conclusions d’une étude que nous avons menée autour du déploiement de l’IA générative en entreprise. S’il est admis que cette technologie fait l’objet d’une attention particulière et de budgets massifs de la part des CODIR, il n’en ressort pas moins que l’intégration en entreprise évolue à un niveau trop lent. Comprendre d’où viennent ces blocages constitue une première étape précieuse pour enclencher le changement et anticiper au mieux les défis d’implémentation à venir.

Plus qu’un phénomène passager, l’IA générative a très vite convaincu les dirigeants d’entreprise de son impact sur le long terme et de la nécessité de lui consacrer des investissements ambitieux. Les chiffres en témoignent : dans une récente étude que nous avons menée, plus de deux mille entreprises réparties sur quinze pays affirmaient qu’elles prévoyaient d’y consacrer en moyenne 47,5 millions de dollars au cours de l’année fiscale. Et parmi elles, près des trois quarts (74 %) déclaraient que cette technologie était considérée comme une brique « importante », voire « très importante » de leur réussite sur le long terme.

Cependant, cette accélération massive vers l’IA générative n’est pas exempte de coups de freins et d’incertitudes. Malgré l’argent investi et le volontarisme des comités de direction, les stratégies d’IA générative sont lentes à se mettre en place et les premiers déploiements tardent à se manifester. Certains y voient d’ailleurs un risque accru de perte de compétitivité dans leur secteur. 

Comment expliquer cet essoufflement ? Principalement par un fossé croissant entre la direction générale de l’entreprise et les différentes couches opérationnelles : si le CODIR professe une conviction stratégique inébranlable envers cette technologie, un doute commence à s’installer du côté des équipes métiers quant à leur capacité à réaliser cette promesse.

Là encore, les études nous éclairent : dans une récente enquête menée auprès de 2 200 dirigeants d’entreprises situés dans vingt-trois pays et une quinzaine de secteurs, les verrous les plus fréquemment mentionnés se situent au niveau des compétences humaines, de l’infrastructure technologique ou encore de la perception des consommateurs. Des freins qui appellent une meilleure anticipation dans la feuille de route de déploiement de l’IA générative.

Mais au-delà, cette étude (qui s’appuie sur un précédent rapport intitulé « New Work, New World » mettant en lumière les bénéfices et les défis de l’IA générative pour l’économie américaine) offre un état des lieux global de l’adoption de l’IA générative en entreprise en 2024 – les freins et accélérateurs mais aussi le niveau d’investissement, les cas d’usage à l’œuvre et la maturité des organisations face à la technologie. Avec une première constatation qui peut sembler surprenante : si la productivité reste le moteur numéro un des cas d’usage de gen AI, le but recherché n’est pas tant la baisse des coûts (comme c’est souvent le cas avec une technologie d’optimisation) mais davantage la création de valeur et la stimulation de la croissance de l’entreprise.

Un nouveau regard sur la productivité

Ainsi, à la question « Lequel des énoncés suivants décrit le mieux le rôle que jouera l’IA générative dans votre stratégie business des deux prochaines années », 44 % des entreprises ont choisi d’opter pour « la productivité », 36 % ont privilégié « l’innovation business » et 34 % « la refonte des modèles opérationnels ». Ce résultat n’est pas surprenant car il rejoint la promesse-clé de l’IA générative : favoriser l’efficacité du travail et aider chacun à accomplir davantage.

Priorité à la productivité

Q : Lequel des énoncés suivants décrit le mieux le rôle que l'IA générative jouera dans la stratégie business de votre organisation au cours des deux prochaines années ? (Pourcentage de répondants citant chacune des réponses parmi les 3 premiers choix)

Cependant, la productivité observée dans un contexte d’IA générative ne s’envisage pas de la même façon que dans le contexte traditionnel des technologies d’automatisation. 

Dans ce dernier, les entreprises assimilent les gains de productivité à la réduction des coûts, l’automatisation permettant de réduire le nombre de personnes qui effectuent une tâche et donc, in fine, de faire baisser le coût de production. À l’inverse, dans la perspective de l’IA générative, la masse salariale peut baisser mais ce n’est pas l’effet premier recherché : au contraire, selon les résultats de notre étude, les entreprises ont tendance à réorienter les bénéfices de la productivité vers le financement de l’innovation ou la découverte de nouvelles sources de revenus. Ainsi, 76 % des entreprises interrogées déclarent envisager d’utiliser l’IA générative pour créer de nouvelles sources de revenus et 58 % utilisent les prévisions d’économies budgétaires réalisées par l’IA comme argumentaire pour obtenir des validations sur des applications business à lancer.

C’est un changement de paradigme notable dans la manière de concevoir la réflexion stratégique autour de la productivité et de l’automatisation ; et par-dessus tout, c’est une tendance qui permet de comprendre pourquoi les entreprises placent autant d’attentes dans le déploiement de cette technologie.

Quels obstacles au déploiement de l’IA générative ?

Or, dans les chiffres, cette attente ne semble pas être comblée après les premières expérimentations : la plupart des personnes interrogées (70 %) ne trouvent pas leur organisation suffisamment rapide dans l’intégration du changement, face à la concurrence notamment. Pire, une écrasante majorité (82 %) estime que ces retards pourraient leur coûter des points de compétitivité. En moyenne, ces décideurs évaluent à quatre ou cinq ans le temps nécessaire pour constater les premiers résultats significatifs de l’IA générative. Et avec seulement 26 % des répondants qui déclarent avoir implémenté des cas d’usage transversaux à date, il reste un territoire immense à conquérir pour passer à l’échelle et affiner ces expérimentations.

Pour accompagner ce mouvement, nous avons voulu comprendre et identifier les facteurs qui freinent ou qui encouragent l’adoption de l’IA générative. Nous avons alors sélectionné une liste de dix-huit facteurs, à la fois internes et externes à l’organisation (c’est-à-dire, pour ces derniers, dépendants de l’environnement régional de la personne interrogée) et nous avons soumis cette liste aux 2 200 décideurs, en leur demandant d’évaluer l’impact potentiel de chaque facteur sur leur stratégie d’IA générative – ils devaient notamment indiquer si l’impact était positif ou négatif, tout en pondérant l’intensité de cet impact sur une échelle « d’élevé » à « faible ».

De ce travail sont ressorties trois observations qui constituent les principaux obstacles au déploiement de l’IA générative :

1) Le coût et la disponibilité des compétences humaines.

La rareté des talents est une difficulté observée à l’échelle mondiale. Et, avec l’IA générative, le déséquilibre offre-demande est d’autant plus marqué que la technologie réclame des expertises complexes sur plusieurs domaines (machine learning, data science et réseaux neuronaux).

Non seulement cette pénurie de ressources risque de ralentir le développement et le déploiement de solutions d’IA, mais elle pèse également budgétairement puisque les coûts d’embauche et de rétention d’équipes qualifiées augmentent drastiquement (un phénomène largement pointé du doigt par nos sondés).

Si 54 % d’entre eux investissent dans la formation et dans des programmes de développement pour construire l’expertise nécessaire en interne, ils sont 37 % à recourir à l’embauche externe – sans avoir une idée précise des viviers à cibler pour trouver les talents recherchés (voir la Figure 2).

Formation, embauches ou partenariats : l’urgence des compétences

Q : Par quel(s) moyen(s) votre entreprise répond-elle au besoin d’acquisition de compétences en IA générative au sein des équipes ?

2) La défiance des consommateurs

De nombreux consommateurs font part de leurs inquiétudes au sujet du contenu généré par l’IA, qu’il s’agisse de sa confidentialité, de sa sécurité ou de l’utilisation éthique qui en est faite. Dans une étude que nous avons conduite au sujet de la confiance du consommateur, seul un tiers des consommateurs américains déclaraient se fier à l’IA générative, une hostilité nourrie principalement par trois préoccupations : l’incertitude autour du fonctionnement de cette technologie, la crainte d’impacts sociétaux majeurs et une aversion au risque économique. Or, la confiance du consommateur étant essentielle à l’optimisation des stratégies d’IA générative, il est impératif de le rassurer rapidement et de prouver les bénéfices d’une telle technologie.

3) Des solutions d’IA qui semblent encore immatures

Malgré des progrès importants, de nombreux modèles d’IA rencontrent encore des problèmes d’instabilité, d’inexactitude et de manque de scalabilité. S’ils sont capables d’apporter des résultats phénoménaux quand ils sont cantonnés à un périmètre précis, ils ont encore du mal à délivrer leur promesse quand on les expérimente sur d’autres environnements contextuels – la conséquence étant d’ailleurs bien souvent le recours in extremis à une contribution humaine pour garantir la qualité et la pertinence du modèle.

Au-delà de cette problématique, c’est la question de l’intégration des modèles dans les opérations business existantes qui se pose de manière accrue avec l’IA générative : complexe, consommatrice en temps et en ressources humaines, elle reste encore une barrière importante à l’objectif initial de productivité. Dans cette optique, le chemin vers la maturité IA requiert probablement davantage de recherche et développement, tout comme l’élaboration de bonnes pratiques pour déployer et intégrer au mieux les modèles.

Trois champs d’actions à travailler dès aujourd’hui

Le défi pour les entreprises désormais reste donc de maximiser les facteurs clés de succès de la stratégie de gen AI tout en surmontant les obstacles que nous avons cités.

Plus concrètement, voici trois champs d’actions business sur lesquels les entreprises peuvent dès à présent travailler pour obtenir des résultats rapides.

• Une nouvelle stratégie RH : Les talents restent le principal point de congestion dans le déploiement de l’IA générative et les entreprises ne cessent de pointer les défis liés à la rémunération et à la disponibilité des personnes qualifiées sur le marché du travail. Face aux enjeux de l’IA générative, elles se sentent souvent en retard dans leur stratégie de développement des talents : si 54 % des sondés de notre étude envisagent des programmes de montée en compétences pour des collaborateurs identifiés sur des fonctions précises, ils ne sont que 25 % à prévoir des programmes transversaux, à l’échelle globale de l’entreprise.

Pour créer un programme de formation réellement efficace, nous conseillons aux entreprises d’entamer une étude précise des impacts de la technologie sur l’ensemble des postes de leur organisation (c’est-à-dire sur l’ensemble des tâches, missions et compétences de leurs équipes) afin de concevoir une stratégie RH qui prendra en compte la grande majorité de leur vivier interne.

• Une démarche proactive auprès du consommateur : En matière d’IA générative, le premier engagement auprès des consommateurs reste celui de l’éthique, impliquant de facto des règles de déploiement les plus claires possibles. Mais, au-delà de ce premier cap, les entreprises doivent également entrer dans un exercice de communication, en échangeant de manière transparente sur la finalité de leur usage IA, sur les données utilisées pour entraîner les modèles (et celles mobilisées pour générer les contenus délivrés), et sur les garde-fous mis en place pour limiter les impacts négatifs.

En interne, cette démarche responsable doit également s’incarner dans des protocoles de prudence en matière d’expérimentation, afin de minimiser les conséquences néfastes en cas de résultats négatifs (ou d’en inverser rapidement les effets) : c’est à cette seule condition que les innovations pourront être considérées viables pour une utilisation commerciale. Cette approche mesurée, « pas à pas », permettra alors aux entreprises de bénéficier de retours utilisateurs et d’affiner leurs propositions en conséquence, ce qui, dans un dialogue vertueux avec le consommateur, générera immanquablement une meilleure perception de la technologie.

• Une mise à niveau technologique et opérationnelle : Pour l’instant, le déploiement de l’IA générative est encore freiné par une certaine immaturité des solutions sur le marché. Mais ce retard pourrait être rapidement comblé, au rythme des lancements successifs, avec une véritable menace sur la compétitivité des entreprises qui auront trop attendu. Pour cette raison, nous recommandons d’anticiper dès à présent sur cette phase d’accélération et d’identifier les chantiers de modernisation qui pourraient être conduits au niveau de l’infrastructure IT ou des process opérationnels afin d’être en mesure d’accueillir rapidement ces nouvelles solutions.

Ainsi, parmi nos sondés, la plupart se montraient sceptiques sur la capacité de leur infrastructure technologique à absorber les changements induits par l’IA générative : ils n’étaient qu’un tiers à qualifier leur infrastructure tech de « mature ».

Parmi les briques à analyser, nous recommandons aux décideurs informatiques de vérifier que leurs systèmes de cloud computing et leurs solutions de stockage de données haute performance sont capables de supporter les charges induites par l’IA. Des protocoles robustes de gouvernance de données devront également être élaborés pour s’assurer de l’accessibilité et de la qualité des données, et pour tirer le meilleur parti des outils et plateformes qui utiliseraient l’IA. L’enjeu de la fluidité est au cœur de l’architecture et du déploiement.

Au-delà des problématiques liées à l’infrastructure, les sondés ont également exprimé des préoccupations sur l’immaturité de leurs process d’agilité opérationnelle. C’est le cas de nombreuses entreprises qui n’ont pas encore adopté des méthodologies Agile de type MLOps – lesquelles leur permettraient pourtant de mettre en place un développement itératif et des process d’amélioration continue. Il est crucial qu’elles passent ce cap et qu’elles accélèrent sur la collaboration transversale afin que l’intégration de la technologie s’opère de la manière la plus fluide possible entre les différents services et les différents métiers.

Se préparer, pays par pays

La course contre la montre est donc engagée et, si les entreprises se montrent globalement enthousiastes face aux défis à relever, elles n’en sont pas moins conscientes des enjeux et des risques représentés. Pour avancer de manière éclairée et prendre les meilleures décisions au fil de l’eau, elles doivent dès à présent identifier les moteurs et les freins qui pourraient infléchir l’issue de leur stratégie de gen AI.

Pour les accompagner de manière spécifique sur leurs territoires et leurs problématiques locales, nous leur proposerons dans les prochains mois des rapports dédiés à l’accélération de l’IA générative dans treize pays et régions du monde, au sein desquels les décideurs pourront découvrir :

• Les facteurs locaux et régionaux qui peuvent freiner ou accélérer le rythme du déploiement de la gen AI.
• Les niveaux d’engagement budgétaire des entreprises sur l’IA générative, en fonction de leur situation géographique.
• L’horizon temporel que les entreprises fixent pour constater les premières retombées de l’IA générative.
• Le niveau de maturité des entreprises dans leur pays ou leur région face au déploiement imminent de cette technologie.
• Les contrastes importants entre secteurs concernant les cas d’usage.
• Les stratégies les plus répandues pour accompagner l’utilisation de l’IA.

Par-dessus tout, ce sera l’occasion de revenir sur les stratégies mises en place par les entreprises pour capitaliser au mieux sur les moteurs de l’IA générative et pour contourner les obstacles évoqués dans cet article. L’accélération de l’IA n’est pas un mantra prophétique, c’est un phénomène déjà à l’œuvre qu’il importe d’anticiper et d’accompagner au mieux ; seule une feuille de route transversale et proactive pourra permettre aux acteurs économiques de tirer tout le potentiel de cette révolution à venir.

Article traduit et localisé à partir de l'article en anglais, Global gen AI momentum: accelerators, inhibitors and a new focus on productivity, écrit par Ravi Kumar S, CEO de Cognizant.