Le coût reste le principal frein à l’adoption de l’IA

Le coût est en tête des freins à l’adoption de l’IA

Selon TXP, le coût est le principal frein cité par les décideurs du mid-market à une adoption plus large de l’IA, devant la gouvernance et le risque, puis l’accessibilité insuffisante aux données. Cet ordre place le business case de l’IA au premier plan des échanges dans le channel. TXP a également constaté qu’un peu moins de la moitié des organisations du mid-market estiment que leurs initiatives d’IA n’ont pas apporté de valeur et se sont révélées décevantes ; les clients évaluent donc les dépenses liées à l’IA à la fois en fonction de la valeur produite et du montant qu’ils doivent engager.

Ces constats soulèvent deux questions liées pour les partenaires qui conseillent leurs clients. D’abord, un client doit décider s’il peut se permettre un investissement dans l’IA. Ensuite, les fonds déjà engagés doivent produire suffisamment de valeur pour justifier un déploiement plus large. TXP signale à la fois une pression sur les coûts et des résultats décevants, mais le fait que l’un cause l’autre dépend de chaque investissement.

De lourdes dépenses en projet pilote face à un taux de progression de 47 %

La question de la valeur devient plus aiguë au stade du projet pilote, car les clients consacrent des sommes importantes à des expérimentations en IA alors que TXP indique que seuls 47 % des projets pilotes sont poursuivis par les utilisateurs. Un projet pilote peut absorber un investissement significatif et pourtant s’arrêter avant un déploiement plus large ; la progression devient donc une composante du business case. Pour un responsable technologique, le passage de l’expérimentation à l’usage opérationnel est un enjeu économique autant que technique.

Le problème de progression mène directement à la mise à l’échelle, où une organisation peut poser les bases de l’IA tout en peinant à étendre ce qu’elle a construit. Tim Hurst, chief operations officer chez TXP, a décrit cette distinction sans détour : « De nombreuses organisations ont posé des bases solides, mais peinent encore à faire passer les projets d’IA à l’échelle. Pour réussir, l’IA doit connaître plus que l’objectif final », Son propos déplace l’attention de la question de savoir si un projet pilote fonctionne isolément vers ce dont l’organisation a besoin pour le porter vers un usage plus large.

Cet écart de mise à l’échelle change la manière dont les partenaires doivent interpréter les dépenses. Lorsque des investissements importants sont consacrés à l’expérimentation et que de nombreux projets s’arrêtent au stade du projet pilote, les clients doivent évaluer les dépenses à l’aune de ce qui progresse réellement vers l’usage. Le coût reste en soi un frein à l’adoption, tandis que la progression des projets pilotes mesure séparément si les dépenses existantes constituent une base pour un investissement supplémentaire.

Pour les décideurs du channel, cette distinction crée une question pratique avant de recommander un nouvel investissement. Un projet pilote peut reposer sur des fondations techniques solides et malgré tout manquer de la compréhension organisationnelle nécessaire pour passer à l’échelle. Identifier ces conditions manquantes suppose d’examiner l’environnement autour du déploiement avant de considérer un nouveau cycle de dépenses technologiques comme l’étape suivante.

La phase de discovery peut être l’investissement manquant

Cet examen commence par la discovery, c’est-à-dire le travail consistant à comprendre l’environnement dans lequel une initiative d’IA doit fonctionner. TXP soutient que les organisations sous-investissent dans cette phase, reliant le problème de mise à l’échelle à des décisions prises avant et pendant un projet pilote. Une organisation peut savoir quel résultat elle attend de l’IA tout en ayant une vision incomplète des systèmes, des règles et des exigences métier qui déterminent si le déploiement peut l’atteindre.

Ces exigences reposent sur une connaissance organisationnelle concrète. « Le sous-investissement dans la phase de discovery qui devrait sous-tendre les initiatives d’IA signifie que de nombreuses organisations n’ont pas une compréhension approfondie des systèmes existants, des dépendances, des politiques internes et des objectifs métier. Sans cette connaissance, l’IA ne délivrera jamais sa véritable valeur », a déclaré Hurst. Les systèmes existants déterminent où une initiative doit s’intégrer, les dépendances identifient ce dont son fonctionnement dépend, les politiques internes limitent la manière dont elle peut fonctionner, et les objectifs métier définissent le résultat à l’aune duquel la valeur sera jugée.

Cette connaissance organisationnelle explique aussi pourquoi le montant dépensé pour un projet pilote ne peut pas se substituer à une préparation adéquate. TXP fait état de dépenses substantielles en projets pilotes parallèlement à un sous-investissement dans la discovery ; les clients doivent donc examiner où va l’investissement autant que son montant total. Une entreprise peut engager des sommes importantes dans l’IA et malgré tout lancer un projet pilote sans disposer d’une connaissance suffisante des systèmes et des exigences organisationnelles qui détermineront si le projet fonctionne en pratique.

La pression de la vitesse peut rendre cette préparation plus difficile. TXP a relevé des signes montrant que certaines entreprises ont précipité des déploiements d’IA parce que les conseils d’administration exerçaient une pression ou parce que les organisations réagissaient au volume élevé de bruit de marché autour de cette technologie. Une fois que la rapidité devient le critère de décision immédiat, les équipes peuvent parvenir au déploiement avant d’avoir construit la compréhension organisationnelle plus profonde que Hurst associe à une mise à l’échelle réussie.

Le même besoin de connaissance perdure après le démarrage du projet pilote, car TXP relie la compréhension organisationnelle au suivi continu. L’entreprise avertit que les échecs de projets se poursuivront tant que les organisations ne combleront pas leurs lacunes de connaissance et n’amélioreront pas le suivi des projets pilotes au fil de leur progression. Le suivi donne aux clients un moyen de vérifier si la préparation, l’exploitation et le résultat métier visé restent bien liés, tant qu’il est encore temps d’ajuster le projet.

À partir de ces problèmes opérationnels, TXP parvient à une évaluation optimiste des freins eux-mêmes. « La bonne nouvelle, c’est que les freins qui empêchent la réussite de l’IA sont pratiques et peuvent être résolus, plutôt que de constituer des limites fondamentales de la technologie », a déclaré Hurst. Cette évaluation oriente l’attention vers les conditions qui entourent un déploiement lorsqu’un projet pilote déçoit, notamment la connaissance dont dispose l’équipe et la manière dont l’initiative est suivie.

L’implication économique est plus limitée qu’une affirmation selon laquelle la discovery rendra l’IA moins chère. TXP identifie une discovery insuffisante et une compréhension organisationnelle inadéquate comme des facteurs contribuant à l’échec des projets, tandis que le coût arrive séparément en tête de son classement des freins à une adoption plus large. Une progression insuffisante, des dépenses importantes en projets pilotes et des lacunes de connaissance peuvent tous influer sur la capacité d’un client à démontrer une valeur suffisante pour soutenir un nouvel investissement, ce qui rend la discovery pertinente pour le ROI sans en faire une réponse au prix lui-même.

Pour les partenaires channel, le ROI de l’IA commence avant le déploiement

Parce que la discovery influe sur le business case, la mission habituelle du channel consistant à démontrer un retour clair sur l’investissement IT commence plus tôt pour l’IA. Les conclusions de TXP pointent vers un travail mené pendant la discovery, un examen continu tout au long du projet pilote et un accompagnement à mesure que le projet progresse vers un usage plus large. Un partenaire travaillant aux côtés du client peut réduire le risque de déploiement en comprenant l’organisation dans laquelle la technologie fonctionnera et en intégrant cette connaissance dans les décisions ultérieures de mise à l’échelle.

Ce rôle dépend de la connaissance organisationnelle, car TXP appelle les entreprises à capter ce qu’elles savent, à le centraliser et à continuer d’enrichir la base de connaissances qui en résulte. Pour un partenaire, le travail combine la mise en œuvre technique avec une compréhension des systèmes internes, des informations, des processus et des priorités du client. Cette connaissance devient utile lorsque les choix de projet dépendent de la manière dont les systèmes interagissent, des informations disponibles, de la façon dont le travail est effectué et du résultat métier que le déploiement est censé soutenir.

Hurst élargit ainsi le rôle du partenaire au-delà de la seule mise en œuvre technique : « Les surmonter exige toutefois plus qu’une expertise technique. Les entreprises doivent aussi capter, centraliser et développer leur base de connaissances. Un partenaire capable de réunir les personnes et la technologie, tout en développant une compréhension approfondie des systèmes internes, des informations, des processus et des priorités, sera au cœur de la prochaine phase d’innovation », Sa recommandation place la connaissance institutionnelle aux côtés de la compétence technique lorsque les partenaires aident les clients à décider de la manière dont une initiative d’IA doit avancer.

Cette recommandation compte aussi lorsqu’il s’agit d’évaluer la perspective de TXP. TXP plaide pour un rôle accru des partenaires technologiques dans la discovery, la gestion des connaissances et la mise à l’échelle, des activités dont un partenaire disposant de ces capacités peut tirer un bénéfice commercial. Les décideurs du channel peuvent tenir compte de cette incitation tout en évaluant le mécanisme opérationnel décrit par TXP : comprendre les systèmes, les informations, les processus et les priorités avant d’engager des ressources supplémentaires dans un déploiement.

Avec cette incitation clairement visible, appliquer plus tôt une discipline de ROI devient un test d’approbation concret. Un projet pilote techniquement viable a besoin d’un contexte organisationnel suffisant pour montrer comment il peut produire des résultats conformes aux priorités métier et progresser au-delà de l’expérimentation. La réponse proposée par TXP donne aux partenaires un rôle dans le transfert de la connaissance des personnes, des processus, des systèmes et des priorités du client, depuis la discovery jusqu’au déploiement puis aux décisions ultérieures de mise à l’échelle.

Le coût reste une contrainte directe

Même avec ce test de ROI plus large, le principal frein reste le prix auquel les clients sont confrontés : les décideurs du mid-market classent le coût au premier rang pour une adoption plus large de l’IA. Une meilleure discovery peut améliorer les conditions entourant un investissement, tandis que l’accessibilité financière reste une contrainte distincte que les partenaires doivent traiter directement. Cette distinction est importante, car un projet bien préparé peut malgré tout exiger plus d’argent qu’un client n’est prêt ou capable d’engager.

Cette pression directe sur les coûts façonne la décision que les partenaires doivent aider à étayer avant qu’une dépense supplémentaire soit approuvée. Des dépenses substantielles en projets pilotes doivent être considérées parallèlement à la probabilité que le travail puisse progresser vers un usage plus large, et la discovery donne au client les informations nécessaires pour porter ce jugement. La connaissance organisationnelle et le suivi des projets pilotes peuvent améliorer les perspectives de déploiements utiles et évolutifs, tandis que le client doit toujours décider si la valeur attendue justifie les fonds requis.

Pour la prochaine décision d’investissement, le test est spécifique au projet qui se trouve devant le client. Le partenaire doit établir ce que coûtera l’initiative d’IA, quel résultat métier justifiera cette dépense, quels systèmes et dépendances régissent la mise en œuvre, quelles politiques internes la limitent, et comment la progression sera suivie pendant le projet pilote. Ces réponses donnent au client une base pour décider si des dépenses supplémentaires ont suffisamment fait leurs preuves pour passer au déploiement et à la mise à l’échelle.

Points clés à retenir pour les décideurs

• Le coût est en tête des freins à l’adoption de l’IA : Les décideurs du mid-market classent le coût devant la gouvernance, le risque et l’accessibilité aux données, tandis que près de la moitié affirment que les initiatives d’IA ont été décevantes. Les partenaires doivent relier toute dépense supplémentaire en IA à un résultat métier clair.
• La progression des projets pilotes met à l’épreuve l’économie de l’IA : Seuls 47 % des projets pilotes d’IA progressent, malgré des dépenses substantielles consacrées à l’expérimentation. Les décideurs technologiques peuvent faire de la progression vers un usage opérationnel une mesure explicite de la justification d’un investissement supplémentaire.
• La discovery renforce le business case : TXP relie le sous-investissement dans la discovery à des lacunes dans la compréhension des systèmes, des dépendances, des politiques et des objectifs métier. Les clients et les partenaires peuvent établir ces conditions tôt et les suivre tout au long du projet pilote.
• Le ROI de l’IA commence avant le déploiement : Les partenaires channel peuvent soutenir la mise à l’échelle en intégrant dans la discovery et la mise en œuvre une connaissance des systèmes, des informations, des processus et des priorités du client. Ce contexte donne aux clients une base plus solide pour évaluer si un projet pilote viable peut produire de la valeur métier à grande échelle.
• L’accessibilité financière reste une contrainte directe : Une meilleure discovery peut améliorer les décisions d’investissement, tandis que le coût reste le principal frein à une adoption plus large. Les clients doivent évaluer la valeur attendue, les perspectives de mise à l’échelle et les dépenses totales avant d’approuver l’étape suivante.