IA générative : la France a toutes ses chances de gagner

Les entreprises françaises semblent en retard en terme d’investissement sur l’IA générative. Pourtant, notre récente étude révèle un futur prometteur et des entreprises très optimistes quant à son adoption. En surmontant les obstacles et en activant les leviers disponibles, les acteurs français peuvent libérer tout le potentiel de la gen AI et se lancer dans une ère d’innovation qui va changer la société tout entière.

Selon notre étude, les entreprises françaises considèrent l'IA générative comme essentielle à leur succès, mais semblent rencontrer des difficultés face aux coûts associés. Alors que le gouvernement s'est engagé à allouer 500 millions d'euros à la formation et au développement de l'IA d'ici 2030 pour faire de la France LE pôle européen de l'IA, les entreprises françaises prévoient de dépenser un peu plus de 23,7 millions de dollars dans cette technologie en 2024, soit moins de la moitié de la moyenne mondiale de 47 millions de dollars.

Une grande majorité (69 %) estime par ailleurs que leur stratégie d’IA générative n'avance pas assez vite, et plus de la moitié (52 %) pensent que leurs concurrents vont prendre de l'avance.

Pourtant, la France offre de nombreux avantages pour faciliter l’adoption de la gen AI par rapport à d’autres pays. En réalité, ce sont surtout ces spécificités régionales - comme l'environnement réglementaire, l'infrastructure du pays et les talents disponibles - ainsi que les facteurs internes, comme la structure informatique de l'entreprise, qui détermineront la réussite de la mise en œuvre des stratégies d'IA générative et la manière dont les entreprises l’utiliseront dans chaque pays. C’est pourquoi l’on peut constater une forte disparité de rythme d'adoption et d’utilisation à travers le monde.

Pour mieux comprendre à quoi ressemblera l'adoption de l'IA générative à l'échelle mondiale, nous avons mené une étude auprès de 2 200 dirigeants dans 23 pays et 15 secteurs d'activité, dont 100 en France. L'étude a évalué un large éventail de tendances d'adoption de l'IA générative, comprenant les niveaux d'investissement, les cas d'utilisation, l'importance des stratégies d'IA générative pour la réussite de l'entreprise et la préparation organisationnelle à l'adoption de la technologie.

Nous avons également analysé 18 facteurs régionaux et internes qui freineront ou accéléreront l'adoption de l'IA générative par les entreprises (voir la liste complète des facteurs à la fin du rapport). Les répondants ont évalué l'impact potentiel de chaque facteur sur leur stratégie d'IA générative, en lui attribuant une note positive ou négative sur une échelle allant d'un impact élevé à un impact faible.

À partir des résultats, nous avons calculé un « score de dynamisme » pour chaque pays ou région. Ce score représente le niveau de confiance des dirigeants d'entreprise quant à leur capacité à déployer effectivement leur stratégie d'IA générative, sur la base de facteurs internes à l'entreprise et des spécificités locales.

Dans toutes les régions interrogées, nous avons constaté un plus grand nombre de freins que d’accélérateurs pour l’adoption, rendant nuls les scores de dynamisme. En cause : un environnement opérationnel limitant les actions des entreprises.

Mais pour comprendre vraiment comment les régions diffèrent les unes des autres, nous avons établi la moyenne des évaluations afin de définir un score de référence pour le dynamisme global. Cette approche nous a permis d'identifier les pays les plus optimistes sur leur capacité à adopter la technologie par rapport à la moyenne mondiale.

Pour la France, le score de dynamisme est supérieur de 60 % à la moyenne mondiale. De nombreux facteurs contribuent à ce score et parmi les plus importants, on peut retrouver un point de vue plus optimiste des répondants par rapport à d’autres pays concernant la confidentialité et la sécurité des données (ce qui est considéré globalement comme un frein, mais est cité comme un accélérateur par les répondants français).

Ils ont également une vision plus positive de la flexibilité de leur business model, de l'environnement réglementaire (encore une fois considéré comme un frein au niveau mondial, mais comme un accélérateur en France) et de ce que les collaborateurs peuvent penser.

D’un autre côté, les répondants se montrent plus pessimistes que leurs homologues en ce qui concerne les coûts, la disponibilité des talents et la maturité des technologies associées à la gen AI. Ils ont également une vision plus mitigée sur la nécessité de préparer les données pour accélérer l’adoption.

Baromètre de l'IA générative en France

Base de répondants : 100 dirigeants senior en France

Source : Cognizant et Oxford Economics 

Figure 1

Maintenant que nous en savons plus sur la vision des dirigeants français, nous pouvons nous demander à quoi va servir l’IA générative à court terme au sein de ces entreprises. Deux cas d’utilisation ressortent : augmenter la productivité - en aidant par exemple les collaborateurs à travailler plus rapidement et à accomplir davantage de tâches - et développer l'innovation de type « disrupt-the-business », qui implique des changements plus radicaux dans les modèles business et opérationnels de l’entreprise. Dans l'ensemble, la France suit la tendance en considérant la productivité comme priorité stratégique (voir figure 2).

Priorité à la productivité plutôt qu'à l'innovation

Question : Lequel des éléments 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 ayant cité chacun de ces éléments comme l'un des trois premiers choix)  

Base de répondants : 100 dirigeants senior en France

Source : Cognizant et Oxford Economics 

Figure 2

Cependant, notre étude révèle également un changement dans la définition même de la productivité lorsqu'elle est associée à l'IA générative. L'objectif final n'étant pas la recherche à tout prix d'efficacité et de réduction des coûts, comme cela a été le cas dans les précédents projets d'automatisation. Mais pour appréhender cette nouvelle dynamique, comprendre les cas d’utilisation de l’IA générative est indispensable.

Ce rapport met en avant les facteurs de succès locaux et internes qui vont accélérer ou freiner l’adoption de l’IA générative en France. Il apporte également un point de vue sectoriel sur la façon dont l’IA sera utilisée, un focus par pays sur le niveau de préparation des entreprises et les stratégies à mettre en œuvre pour déployer avec succès la gen AI.

Freins et accélérateurs : les facteurs qui font bouger l'IA

Pour mieux comprendre ces nouvelles dynamiques propres à la France, nous allons maintenant analyser comment les dirigeants d'entreprise évaluent les freins et les accélérateurs au sein de leur pays. Notre étude permet aux dirigeants d’évaluer la situation, mieux comprendre ce qui fonctionne au niveau local, tout en se préparant à relever les défis à venir en tenant compte de cette dynamique dans leurs stratégies.

Les accélérateurs de l’IA générative en France

Les répondants ont été interrogés sur les facteurs qui freinent ou accélèrent l'adoption de l'IA générative par leur organisation. Le score représente un certain nombre de points de pourcentage de différence entre le score de dynamisme du pays et le score de référence mondial.

Base de répondants : 100 dirigeants senior en France

Source : Cognizant et Oxford Economics 

Figure 3

En France, l'un des principaux moteurs d’adoption de l’IA est la demande du marché pour des produits et services basés sur la gen AI. Son utilisation a d’ailleurs bondi de 60 % entre 2023 et 2024, selon une étude de l'Ifop, et plus d'un tiers des utilisateurs déclarent qu'ils auraient désormais du mal à accomplir certaines tâches sans cette technologie. Créer automatiquement des feuilles de calcul, transcrire des réunions et des synthèses de documents ou encore optimiser les plannings de travail sont autant d’exemples de la façon dont l’IA aide les collaborateurs. Et au fur et à mesure que la technologie progressera, la dépendance à l'égard de ces outils de travail continuera de croître, ce qui renforcera encore la demande locale.

Les dirigeants français ont également une vision optimiste concernant la préparation de leurs données, 50 % des personnes interrogées estimant la qualité et la fiabilité de leurs données comme bonnes ou excellentes. Les répondants sont également confiants en ce qui concerne la confidentialité et la sécurité des données : 40 % des dirigeants interrogés dans le cadre de notre étude estime qu'il s'agit d'un accélérateur pour l'adoption de l'IA générative et 56 % estiment qu'ils doivent améliorer l'accessibilité à ces données. Toutefois, même avec des données propres et prêtes à être exploitées, les défis technologiques pourraient freiner l’adoption de la gen AI.

La qualité perçue des résultats des solutions d'IA générative existantes est également un accélérateur. Pour preuve, la société française Mistral qui est parvenue à rivaliser avec le ChatGPT d'OpenAI grâce à ses trois grands modèles linguistiques, Mistral Large, Mistral Small et Mistral Embedded, ainsi qu'avec un chatbot gratuit, « Le Chat », en février 2024. Ses solutions produisent des rapports latence/performance plus rapides, résistent aux biais et s'adaptent facilement aux besoins des entreprises. La capacité des modèles à apprendre et à répondre en plusieurs langues ouvre la voie à une plus grande accessibilité pour les collaborateurs en France et dans le monde entier.

Cette confiance dans la qualité des résultats de l'IA générative se reflète dans le grand nombre de cas d’usage mis en avant par les répondants dans notre étude. Près de 77 % ont déployé une solution d'IA générative pour engager directement avec les clients et les consommateurs et plus des trois quarts l'utilisent déjà pour écrire ou tester du code logiciel.

L'environnement réglementaire français est un accélérateur spécifique, qui n'est perçu comme bénéfique que pour un petit nombre de pays. La France est l'un des trois pays, avec l'Allemagne et l'Italie, qui ont bloqué les négociations portant sur une section du projet de législation de l'Union européenne sur l'IA, en insistant sur un cadre réglementaire qui n'entraverait pas l'innovation. Le président Emmanuel Macron et les représentants du gouvernement craignant que la mise en place de réglementations strictes sur les nouveaux modèles d'IA ne nuise aux efforts de la France pour s'imposer comme le centre de l'IA en Europe et ne permette à ses concurrents moins contraints par la réglementation de les dépasser.

Les freins à la démocratisation de l’IA générative en France

Les répondants ont été interrogés sur les facteurs qui freinent ou accélèrent l'adoption de l'IA générative par leur organisation. Le score représente un certain nombre de points de pourcentage de différence entre le score de dynamisme du pays et le score de référence mondial.

Base de répondants : 100 dirigeants senior en France

Source : Cognizant et Oxford Economics 

Figure 4

Le coût et la disponibilité des talents est le principal facteur qui freinent l'adoption de l'IA. Les talents spécialisés restent un enjeu majeur sur le marché français ; selon la stratégie nationale quinquennale de l'IA proposée par le gouvernement français, l'amélioration de l'écosystème d'éducation et de formation à l'IA afin de développer, de retenir et d'attirer des talents venus du monde entier est une priorité absolue pour atteindre les objectifs de la France en matière d'intelligence artificielle.

Pour pallier la pénurie de talents, plus de la moitié des répondants (53 %) prévoient de mettre en place des programmes de formation pour améliorer les compétences des collaborateurs. Cependant, environ quatre entreprises sur dix (41 %) cherchent à recruter des talents spécialisés dans l'IA générative. Une tâche difficile dans un contexte de pénurie.

Pour aider à lutter contre cette pénurie, le gouvernement français a mis en place des visas spécifiques afin d'attirer des travailleurs hautement qualifiés. Depuis la promulgation du French Tech Visa en 2017, 1150 entreprises y ont eu recours, contribuant ainsi au développement de l'IA dans le pays.

Deuxième frein identifié : la maturité des technologies liées à l'IA générative. Bien que les dirigeants semblent optimistes quant aux capacités des solutions disponibles, ils recherchent un éventail plus étendu et plus pointu de solutions d'IA générative pour débloquer plus de valeur, leur permettant de relever des défis business plus complexes.

Troisième frein : l’opinion publique. Une récente enquête du cabinet d'études YouGov révèle que la France est le pays européen le plus préoccupé par les changements technologiques liés à l'IA, la moitié des Français interrogés faisant part de leur inquiétude.

Un exemple de cette méfiance est le rejet de la surveillance de masse basée sur la biométrie pour les Jeux Olympiques de Paris 2024. Dans une lettre ouverte datant de 2023, 38 organisations issues de la société civile ont exprimé leurs inquiétudes quant à l'article 7 de la loi sur les Jeux Olympiques de 2024, qui créerait une base juridique pour l'utilisation de caméras pilotées par des algorithmes afin de détecter des événements suspects spécifiques dans l'espace public. Les auteurs de la lettre estiment que cette loi viole les droits de l'homme internationaux et risque d'aller à l'encontre de la future loi européenne sur l'IA.

Des disparités liées à l’adoption de l’IA au sein des secteurs d’activité

La gen AI peut être utilisée de multiples façons. Nous l’avons vu, au cours des deux prochaines années, les entreprises françaises s’attendent en premier lieu à voir leur productivité augmenter grâce à l’IA générative. Cependant, en regardant de plus près comment ils prévoient d’utiliser - ou utilisent déjà – l’IA apporte un éclairage nouveau sur la productivité par rapport à la façon dont elle a été perçue historiquement. Explication.

Traditionnellement, les entreprises associent gains de productivité de l'automatisation et une réduction des coûts. C’est-à-dire faire baisser les coûts de production en réduisant la masse salariale.

Si l'automatisation basée sur l'IA générative permettra probablement de réduire les effectifs dans une certaine mesure, ce n'est plus l'objectif premier. Au lieu de cela, d’après les indicateurs qui seront évalués par les répondants pour analyser leur rentabilité, nous constatons une réallocation des gains de productivité vers des projets de financement qui augmentent les revenus ou conduisent à de nouvelles sources de revenus.

Les critères de performance les plus importants pour justifier les dépenses en IA générative sont liés à l'augmentation des revenus, le potentiel de nouvelles sources de revenus et l'amélioration de la qualité des produits et des services, tous cités par au moins 50 % des personnes interrogées. À l'inverse, des indicateurs tels que la réduction des coûts, les délais de mise sur le marché et la productivité ont été cités par seulement 34 % des répondants. En d'autres termes, le concept de productivité ne se limite plus à la réduction des coûts - les entreprises semblent réorienter les gains de productivité vers des initiatives dédiées à la croissance.

L’augmentation du chiffre d’affaires est le principal critère cité pour justifier le recours à l’IA générative

Q : Parmi les réponses suivantes, quelles sont les plus importantes pour justifier l’utilisation de l'IA générative au sein de votre organisation ? (Pourcentage des personnes interrogées qui ont cité chacun de ces paramètres parmi les trois premiers choix)

Base de répondants : 100 dirigeants senior en France

Source : Cognizant et Oxford Economics

Figure 5

En utilisant cette vision globale sur les objectifs de productivité et des forces motrices de l'entreprise, nous avons analysé les différentes façons dont les secteurs d’activité prévoient d'utiliser la technologie.

Plutôt que de se concentrer sur la distinction entre productivité et innovation, nous avons regroupé les indicateurs en deux grandes catégories de cas d’usage par les entreprises :

• Améliorer les performances business de l’entreprise (chiffre d’affaires, économies, time-to-market, productivité)
• Créer de nouveaux assets (nouvelles sources de revenu, création ou amélioration de produits, innovation)

Nous avons ensuite attribué une note à chacun des indicateurs afin de déterminer l’écart relatif entre un indicateur classé en première position et un indicateur classé en troisième position. En calculant la note moyenne pour l’ensemble des secteurs, nous avons pu clairement constater les disparités de réponses au sein de chaque secteur par rapport à la base de référence.

Notre analyse révèle des écarts importants entre les secteurs d’activité en ce qui concerne les cas d’utilisation qu’ils sont susceptibles de prioriser (voir la figure 6).

Des cas d’utilisation différents selon le secteur d’activité

Note : Ce graphique illustre l'écart relatif de chaque secteur par rapport à une base de référence de « zéro », en utilisant un classement des trois principaux paramètres cités par les répondants comme étant importants pour justifier leurs cas d'utilisation de l'IA générative. Il révèle une vue pondérée des priorités globales de chaque secteur pour le déploiement de l'IA générative.

Base de répondants : 100 dirigeants senior en France

Source : Cognizant et Oxford Economics 

Figure 6

Le secteur industriel représente environ 10 % du PIB total de la France, avec deux principales usines automobiles, Peugeot et Renault. L’impact de la Covid-19 sur ce secteur, notamment en France, qui dénombre le plus de perte de production selon l’ACEA (Association des Constructeurs Européens d'Automobiles), explique pourquoi augmenter la productivité est la préoccupation première des entreprises lorsqu’il s’agit de gen AI.

Renault utilise actuellement plus de 300 applications d’IA opérationnelles et teste l'utilisation de l'IA générative pour accélérer le développement de nouveaux produits. Déployée à grande échelle sur plusieurs sites, elle a permis à l'entreprise d'accroître à la fois la productivité et la qualité.

Les entreprises du secteur ne limitent toutefois pas leurs investissements à la productivité. Peugeot, par exemple, a annoncé vouloir intégrer une fonction de chat basée sur l'IA, appelée « Peugeot's I-cockpit », via ChatGPT, afin d'améliorer l'assistance vocale sur l'ensemble de ses véhicules.

Le secteur pharmaceutique s’intéresse également à l’amélioration des performances business déjà existantes avec deux objectifs forts : prendre la tête du domaine en Europe d’ici 2030 (plan Innovation Santé 2030) et exploiter les points forts de la France dans les domaines universitaire, de la recherche, des laboratoires, des soins de santé, de la production et de start-up technologiques afin de surpasser les autres pays dans la quête de la première place.

Dans ce domaine, Sanofi a récemment annoncé un partenariat avec OpenAI et Formation Bio pour accélérer le développement de médicaments afin d’améliorer plus rapidement les compétences de l’IA. Pour se faire, Sanofi associera ses données aux capacités d’OpenAI en matière d’intelligence artificielle et aux ressources technologiques et aux plateformes de développement de Formation Bio. Le résultat de cette collaboration se traduira par des programmes et des modèles automatisés basés sur l'IA et conçus spécifiquement pour les besoins de l'industrie pharmaceutique.

La startup Incepto, quant à elle, utilise l'IA pour améliorer le diagnostic et accélérer la détection et l'interprétation. Incepto développe et distribue plus de 20 applications basées sur l'IA pour l'imagerie médicale, afin d’optimiser le temps des médecins et des patients entre les scanners et les interprétations dans les urgences et les hôpitaux.

De son côté, le secteur du transport et de la logistique se concentre sur l'innovation des processus traditionnels. Air France utilise actuellement 80 projets d'IA générative (avec différents niveaux de maturité), dont un outil permettant d'analyser le sentiment des clients et de transmettre les résultats aux services concernés dans l'entreprise. Un autre outil fournit aux agents des compagnies aériennes des réponses et des modèles de réponses aux questions des clients dans 85 langues en recherchant dans les manuels et les documents de procédure.

Le secteur de l'assurance se concentre également sur l'innovation. Par exemple, l'assureur AXA met à disposition de ses collaborateurs un outil appelé AXA Secure GPT pour générer, résumer, traduire et corriger du texte, des images et du code. Cette approche de l'utilisation de l'IA pour tous est considérée comme une démocratisation de la technologie pour une utilisation plus large que celle habituellement observée auparavant.

Les entreprises doivent dépasser les obstacles : pénurie de talents et socle technologique fragile

Reste à savoir si les entreprises sont prêtes à exploiter efficacement toute la valeur de l’IA générative.

Selon notre étude, la réponse est mitigée. Pour mieux comprendre dans quelle mesure les dirigeants pensent que leur entreprise est prête à adopter l'IA générative, nous avons demandé aux répondants de classer la maturité de leur organisation sur une échelle de 1 à 4 en sélectionnant l’affirmation qui décrit le mieux leur organisation parmi les cinq domaines suivants, d'une maturité faible à une maturité élevée :

• Agilité organisationnelle
• Engagement des dirigeants
• Compétences et talents
• Stratégie et approche
• Technologie et infrastructure

Le message envoyé par les leaders est clair : l’envie est là grâce à leur engagement et à des stratégies solides. Cependant, les prérequis technologiques de base et l'agilité organisationnelle nécessaires à l'adoption de la technologie font défaut (voir figure 7).

Un soutien fort de la direction, mais des fondamentaux absents

Les répondants ont été invités à évaluer la maturité des opérations de leur organisation par rapport à l'IA générative. (Pourcentage de répondants ayant attribué une note de 3 ou 4, 4 étant le niveau de maturité le plus élevé)

Question : Laquelle des affirmations suivantes représente le plus précisément les activités de votre organisation par rapport à l'IA générative ?

Base de répondants : 100 dirigeants senior en France

Source : Cognizant et Oxford Economics 

Figure 7

Si la qualité des données est bien notée (50 % la jugent bonne ou excellente), de nombreux autres aspects essentiels font défaut. Il s'agit notamment de la capacité à se conformer aux règles, politiques et cadres de l'entreprise, de l'accessibilité des données et du respect de la vie privée et des contrats avec les clients. Toutes ces dispositions en matière de conformité ont été classées aux deux derniers rangs par la majorité des personnes interrogées.

Les clés pour réussir : nos recommandations

Pour relever le défi, les entreprises devront tirer pleinement parti des facteurs susceptibles de favoriser la réussite de la stratégie d'IA générative tout en surmontant les obstacles.

Pour relever ces défis, les dirigeants doivent prioriser les actions suivantes : 

• Rechercher des aides et des subventions publiques : il existe un décalage entre l'optimisme des répondants français quant à l'utilisation de l'IA et les investissements alloués à son adoption. Ce qui contraste avec les investissements annoncés par le gouvernement français pour favoriser le développement de l'IA. Or, le financement public pourrait accélérer son développement dans tout le pays. 

Actuellement, un répondant sur cinq se déclare prêt à utiliser les subventions publiques pour financer des initiatives d'IA générative, et le reste utiliseraient des partenariats ou des sources de financement externes.

Cependant, la principale subvention dont bénéficient les entreprises technologiques concerne le crédit d'impôt recherche, qui offre des avantages allant de 30 % à 60 % des dépenses de R&D, y compris les salaires des employés. Bien qu'extrêmement utile, ce crédit présente également un inconvénient considérable en ce qui concerne les circuits de grande puissance qui sont essentiels à l'entraînement des modèles d'IA : les processeur graphiques (GPU). Les entreprises qui achètent des GPU bénéficient des avantages de la tranche supérieure de cette mesure incitative, à savoir 60 %. Mais si elles louent des GPU auprès d'un fournisseur de services cloud, elles n’ont pas le droit à la subvention.

Mais l’investissement nécessaire pour faire l’acquisition de ces GPU est énorme au regard du prix de l’électricité en France, amenant de nombreuses entreprises à se demander si le crédit d'impôt permet de couvrir les dépenses en énergie. Si le gouvernement réorganisait le crédit d'impôt afin qu'il ne dépende plus de la configuration du GPU de l'entreprise, il contribuerait à booster l'innovation tout en augmentant la productivité et le développement de l'entreprise.

• Faciliter les procédures de visa pour le recrutement de talents : Pour combler le déficit de talents, les entreprises françaises devront continuer à rationaliser les processus de relocalisation de la main d’œuvre internationale hautement qualifiée grâce à des programmes accélérant l’obtention de visas. S'assurer que les talents éligibles peuvent facilement s'installer en France est essentiel pour mener le pays à son statut de pôle d'IA. En effet, 39% des répondants se disent favorables au parrainage des collaborateurs pour soutenir les efforts de reconversion et de requalification.

Mais au-delà, les entreprises de la région reconnaissent qu'elles auront besoin du soutien d'experts externes, 49 % des personnes interrogées souhaitant s'associer à des consultants en IA. Compte tenu des changements rapides et des nombreux freins, l'objectif est de trouver un partenaire pragmatique qui puisse les aider à relever les défis, assumer les risques et transformer l'entreprise, afin de leur permettre d'être véritablement prêtes pour le futur.

• Investir dans la formation en intelligence artificielle : alors que 53 % des répondants prévoient de mettre en œuvre des programmes de montée en compétences pour les collaborateurs occupant des fonctions spécifiques, seuls 25 % prévoient des programmes de formation à l'échelle de l'entreprise. Il s'agit là d'une vision à court terme. Des programmes de formation complets peuvent combler la pénurie de compétences et encourager l'adoption, en facilitant l'intégration de l'IA dans les opérations existantes et le développement de nouveaux modèles d'entreprise.

Poursuivre les investissements dans le programme IA-Cluster pour soutenir l’intelligence artificielle permettra de développer les structures nationales de formation et les centres de recherche spécialisés nécessaires pour stimuler la croissance et la compétitivité.

• Préparer son modèle opérationnel pour l’IA générative : la plupart des répondants français de notre étude s'attendent à ce que l'IA générative ait un impact dans moins de cinq ans. Cela offre aux dirigeants d'entreprise une multitude d'opportunités pour faire mûrir leurs fondations technologiques et leurs modèles opérationnels, ainsi que pour affiner les processus et les flux de travail afin de s'adapter aux innovations basées sur l'IA.

*La liste complète des facteurs locaux que nous avons évalués comprend : la flexibilité du modèle opérationnel existant, la demande du marché pour des produits et services basés sur l'IA générative, la préparation des données, la qualité des résultats de l'IA générative, la disponibilité de la puissance de calcul, le coût/disponibilité des technologies liées à l'IA générative, le sentiment des actionnaires/investisseurs, l'environnement réglementaire, la durabilité, l'infrastructure nationale, le coût/disponibilité du capital, la confidentialité et la sécurité des données, l'infrastructure technologique existante, les perceptions des employés actuels et futurs, la flexibilité du modèle opérationnel existant, la maturité des technologies liées à l'IA générative, les perceptions des consommateurs et le coût/disponibilité des talents.

** Les exemples d'entreprises mentionnés dans le rapport proviennent de l'actualité (Peugeot et Renault, Sanofi, Incepto, Air France, AXA).

En savoir plus sur l’impact de la gen AI sur le futur du travail et notre économie dans notre rapport, New work, new world.