Aujourd'hui, on s'intéresse à un sujet capital pour les entreprises. Voici pourquoi certaines d'entre elles commencent à déchanter face à la mise en place de projets d'intelligence artificielle.

Les entreprises sont nombreuses à avoir investi massivement dans des projets d'IA, séduites par l'énorme potentiel de la technologie.

Mais un analyste reconnu du secteur, David Linthicum, met en garde. La réalité de l'IA dans les grandes entreprises est bien plus complexe que ce qu'on imaginait jusqu'alors. L'IA à petite échelle, comme les assistants vocaux ou les robots domestiques, ça marche assez bien.

Dès qu'on parle de déploiements massifs dans des entreprises, ça devient compliqué

Mais dès qu'on parle de déploiements massifs dans des entreprises, les choses deviennent beaucoup plus compliquées. Les dirigeants se rendent compte à présent que la technologie est coûteuse et que le retour sur investissement est loin d'être garanti.

Selon David Linthicum, il y a quatre raisons pour lesquelles les entreprises sont perplexes quant au lien entre transformation numérique et IA.

• La première, c'est le mur des données. Il s'avère que, pour que l'IA fonctionne bien, il faut des données de qualité. Et pour beaucoup d'entreprises, ces données sont non seulement insuffisantes, mais souvent désorganisées, voire obsolètes. Et cela nécessite des efforts colossaux pour remettre tout ça en ordre.

• La deuxième raison, c’est le choc financier. Mettre en place de l'IA dans une entreprise, c’est loin d’être bon marché. En plus des coûts de matériel spécialisé, comme des processeurs GPU, il faut aussi des investissements dans les données, la formation des modèles et leur ajustement. Autant dire que les budgets des entreprises peuvent vite exploser.

• Ensuite, il y a le manque d’orientation stratégique. Beaucoup d’entreprises se lancent dans l’IA sans vraiment avoir réfléchi à comment cette technologie s’intègre dans leur stratégie globale. Et on ne peut pas s’attaquer à un projet d’IA sans une vision claire de ce que l’on veut obtenir.

• Enfin, et ce n'est pas un petit sujet, il faut aussi avoir les compétences adéquates. Il faut une expertise poussée en architecture, en science des données, et même en éthique de l'IA. Sans cela, les projets sont souvent voués à l’échec.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.