L'IA à tout prix ? Les problèmes de qualité des données coûtent des centaines de millions aux entreprises.

Environ 81 % des entreprises font confiance à leurs résultats d'IA/ML et près de neuf entreprises sur dix utilisent des méthodes d'IA/ML pour créer des modèles de prise de décision autonome. 97 pour cent investiront dans l'IA générative au cours des deux prochaines années. Elles prévoient d'y consacrer en moyenne 12 pour cent de leur chiffre d'affaires annuel global.

C'est ce que révèle une nouvelle étude réalisée par le spécialiste des études de marché Vanson Bourne pour le compte de Fivetran. Elle fournit un aperçu de la manière dont l'IA est réellement utilisée dans les entreprises, notamment en ce qui concerne les défis, le retour sur investissement et les coûts. Pour ce faire, des entreprises de 500 collaborateurs ou plus aux Etats-Unis, en Grande-Bretagne, en Irlande, en France et en Allemagne ont été interrogées sur le thème de l'IA et des processus et structures qui y sont liés.

Les entreprises interrogées, qui ont en principe une grande confiance dans leurs résultats d'IA/ML, indiquent en même temps avoir des inefficacités de données fondamentales. Les entreprises qui utilisent des Large Language Models (LLM) font état d'inexactitudes et d'hallucinations de données dans 50 % des cas. Elles perdent en moyenne 6 % de leur chiffre d'affaires annuel mondial, soit 406 millions de dollars (sur un chiffre d'affaires annuel moyen de 5,6 milliards de dollars).

IA hallucinante

Cela est dû à des modèles d'IA inadéquats, créés à partir de données imprécises ou de mauvaise qualité. Cela conduit à des décisions commerciales erronées, car selon l'enquête, près de neuf entreprises sur dix utilisent des méthodes d'IA/ML pour créer des modèles de prise de décision autonome. Dans le même temps, les entreprises sont confrontées à des problèmes d'imprécision et d'hallucination des données, ainsi qu'à des préoccupations en matière de gouvernance et de sécurité des données. 

Les entreprises allemandes sont encore au début de l'utilisation de l'IA (60%), alors qu'aux États-Unis seulement 39% et en France même 36% se considèrent comme des "débutants en IA". En conséquence, les entreprises se considèrent comme avancées : 31% (USA) et 28% (France) utilisent une IA qui nécessite le moins d'intervention humaine possible. En Allemagne, ils ne sont que 14 %.

Au total, près de neuf entreprises sur dix (89 pour cent) utilisent des méthodes d'IA/ML pour créer des modèles capables de faire des prévisions et de prendre des décisions automatiquement. 80 pour cent des entreprises américaines et 75 pour cent des entreprises françaises le font depuis au moins six mois, alors qu'en Allemagne, seules 44 pour cent le disent. La confiance dans les résultats d'une IA est également faible en Allemagne : alors que 30 % des entreprises allemandes font entièrement confiance aux résultats de l'IA générative, 47 % des entreprises américaines et 48 % des entreprises françaises disent la même chose.

Environ une entreprise sur quatre (24%) a déclaré avoir atteint un stade avancé dans l'utilisation de l'IA, où elle en tire pleinement parti et ne dépend que peu ou pas de l'intervention humaine. Il existe toutefois des divergences d'opinion importantes entre les personnes interrogées : les cadres techniques qui développent et exploitent des modèles d'IA sont moins convaincus de la maturité de leur entreprise en la matière. Seuls 22 % d'entre eux la considèrent comme "avancée", contre 30 % des collaborateurs non techniques. Il en va autrement de l'IA générative : 63 pour cent des collaborateurs non techniques lui font entièrement confiance, contre 42 pour cent des cadres techniques.

Experts et hiérarchies

Un autre désaccord existe entre les experts en données aux différents niveaux de direction d'une entreprise : alors que les employés juniors estiment que l'infrastructure informatique obsolète est le principal obstacle au développement de modèles d'IA (49 %), leurs collègues cadres supérieurs considèrent que le principal problème est que les employés disposant des compétences adéquates se concentrent sur d'autres projets (51 %). En fait, ces derniers sont contraints de consacrer leurs ressources à des processus de données manuels tels que le nettoyage des données et la réparation des pipelines de données défectueux. Les entreprises confirment que leurs data scientists passent la majeure partie de leur temps (67 %) à préparer des données plutôt qu'à créer des modèles d'IA.

Mauvaises pratiques en matière de données

La cause du gaspillage du potentiel des spécialistes des données et des performances insuffisantes des programmes d'IA est la même : des données inaccessibles, peu fiables et incorrectes. L'ampleur du problème est illustrée par le fait que la plupart des entreprises ont des difficultés à accéder à toutes les données nécessaires à l'exécution des programmes d'IA (69 %) et à les mettre dans un format utilisable (68 %).

Les nouvelles approches de l'IA générative ont entraîné d'autres complications : 42 % des personnes interrogées ont déjà été confrontées à des hallucinations de données. Celles-ci peuvent conduire à de mauvaises décisions, car la base d'informations est insuffisante. Elles réduisent la confiance dans les LLM ou la volonté des collaborateurs d'utiliser l'outil. De plus, elles font perdre beaucoup de temps à la recherche et à la correction des données. Compte tenu du fait que 60% des cadres supérieurs utilisent l'IA générative et sont responsables des décisions stratégiques, les problèmes liés à la qualité et à la fiabilité des données sont encore renforcés.

Gouvernance des données et IA

Les craintes concernant l'utilisation de l'IA générative demeurent également, "le maintien de la gouvernance des données" et "les risques financiers liés à la sensibilité des données" étant les principales préoccupations des entreprises (37%). Des bases solides de gouvernance des données sont particulièrement importantes pour les entreprises qui souhaitent utiliser soit entièrement, soit partiellement des modèles d'IA générative développés en interne.

Cependant, étant donné que la majorité (67%) des personnes interrogées prévoient d'utiliser les nouvelles technologies pour renforcer les mouvements de données de base, la gouvernance et les fonctions de sécurité, il y a des raisons d'être optimiste. Taylor Brown, cofondateur et COO de Fivetran et commanditaire de l'étude, évalue les résultats : "L'adoption rapide de l'IA générative reflète un optimisme et une confiance largement répandus dans les entreprises.

Mais sous la surface, des problèmes fondamentaux liés aux données empêchent encore les entreprises de réaliser leur plein potentiel. Les entreprises doivent renforcer leurs bases d'intégration et de gouvernance des données afin d'obtenir des résultats d'IA plus fiables et de minimiser les risques financiers".

Vers l'inscription du partenaire :