Pourquoi la plupart des investissements en IA des entreprises ne sont toujours pas rentables

Le manque d’infrastructure fondamentale limite le succès des agents d’IA dans les entreprises

De nombreuses entreprises misent beaucoup sur l’IA. 68 % des entreprises investissent plus d’un demi-million de dollars dans des programmes d’IA chaque année. C’est un signe d’ambition, voire d’urgence. Mais voici le problème : 86 % de ces mêmes entreprises ne disposent pas des éléments de base nécessaires à la mise en œuvre. Leur infrastructure n’est pas prête.

Les agents d’IA dépendent d’une large pile de données, de données propres et accessibles, d’outils intégrés et d’environnements sécurisés et fiables. Pensez à la manière dont les décisions sont prises au sein de votre entreprise : les données circulent dans les systèmes, sont interprétées et donnent lieu à des actions. Les agents d’IA essaient de faire la même chose, mais sans le jugement et la flexibilité de l’homme. Par conséquent, si vos systèmes sont décousus, votre IA ne peut pas fonctionner. Vous vous retrouvez avec des outils qui ont l’air sophistiqués mais qui ne donnent pas de résultats.

Et l’écart se creuse. Selon Gartner, d’ici 2028, 15 % de toutes les décisions prises sur le lieu de travail seront gérées par des agents d’IA. Dans le même temps, le Gartner prévoit que 25 % des atteintes à la sécurité des entreprises impliqueront une mauvaise utilisation de l’IA. La leçon à retenir n’est pas « allez-y doucement », mais « construisez plus intelligemment ». Il s’agit de « construire plus intelligemment ». L’avenir reposera sur des flux de travail autonomes et des décisions prises par des machines, mais uniquement pour les entreprises qui accordent la priorité à l’infrastructure.

En réalité, vous ne pourrez pas faire évoluer l’IA avec des systèmes isolés, des plates-formes en toile ou des données non structurées. Combler cette lacune en matière d’infrastructure doit être l’objectif numéro un. C’est ainsi que vous transformerez l’IA d’un prototype en un moteur de profit.

Les écosystèmes de données fragmentés entravent le déploiement efficace d’agents d’IA

Les données sont soit votre plus grand atout, soit votre plus grand goulot d’étranglement. Pour la plupart des entreprises qui tentent de déployer des agents d’IA, le problème n’est pas l’IA, mais l’écosystème des données. Dans une enquête récente, 79 % des organisations ont déclaré qu’elles s’attendaient à ce que les défis liés aux données ralentissent ou fassent dérailler les projets d’IA. C’est une majorité qui reconnaît un problème fondamental qu’elle n’a toujours pas résolu.

Le problème est la fragmentation. De nombreuses entreprises ont des données enfermées dans des plateformes distinctes avec un accès limité ou en silo. Une plateforme de vente ici, un outil de service à la clientèle là, des bases de données anciennes un peu partout. Ces données ne communiquent pas facilement entre elles et, pire encore, elles manquent de contexte lorsqu’elles sont assemblées. Ainsi, même lorsque les agents d’intelligence artificielle peuvent techniquement accéder à de multiples sources, ils peinent à donner un sens à ce qu’ils voient. La compréhension du contexte, c’est-à-dire savoir quelles données sont importantes, quand et pourquoi, est essentielle. Sans cela, les agents d’intelligence artificielle produisent des résultats superficiels.

Les dirigeants doivent comprendre que les systèmes fragmentés ne sont pas seulement une nuisance technique. Ils constituent un obstacle stratégique. Si vous voulez que l’IA stimule la prise de décision et automatise les flux de travail, alors la cohérence du système et l’orchestration unifiée des données doivent être intégrées, à travers les départements, les plateformes et les applications tierces.

Les entreprises passent des années à perfectionner les parcours clients et les flux de travail internes. Essayer de brancher l’IA sur des systèmes cassés ou déconnectés ne vous donnera pas de meilleurs résultats, cela ne fera qu’accélérer le chaos. Réparez la couche de données, faites en sorte que vos systèmes interopèrent proprement, puis introduisez des agents d’IA. C’est là que commence la valeur ajoutée.

La sous-priorisation de la base d’outils limite les capacités de l’agent

La plupart des initiatives concernant les agents d’IA ne vont pas au-delà de l’analyse. La raison en est simple : les entreprises se concentrent soit sur la construction d’une infrastructure personnalisée, soit sur l’activation de fonctions d’IA prêtes à l’emploi. Aucune de ces deux voies ne permet à elle seule d’obtenir de la valeur à grande échelle. Vous vous retrouvez avec des agents qui peuvent vous donner des informations mais qui ne peuvent rien en faire.

Dans de trop nombreux cas, les équipes passent des mois à construire des pipelines, des couches d’authentification et des contrôles d’accès, pour découvrir qu’elles sont encore loin d’une véritable exécution pilotée par l’IA. D’autre part, la superposition de l’IA aux outils SaaS existants apporte une amélioration cosmétique mais manque de portée. Lorsque les agents sont confinés à un seul outil, ils ne peuvent pas automatiser des flux de travail entiers. Cela signifie plus d’interventions manuelles, plus de problèmes d’intégration et des résultats retardés.

La voie médiane est encore pire : un code personnalisé au-dessus des solutions du fournisseur. Cela crée des systèmes fragiles qui ne fonctionnent pas à l’échelle. Ils s’effondrent lorsqu’ils sont exposés au trafic réel des utilisateurs ou à la complexité de l’entreprise.

La base de l’outil, qui donne aux agents la possibilité de prendre des mesures réelles et significatives, est essentielle. Sans cela, vous obtiendrez des agents qui observent, interprètent, puis… s’arrêtent. Et c’est une occasion manquée. L’IA doit réduire les frictions opérationnelles. Pour ce faire, les agents ont besoin d’autorisations sécurisées pour exécuter des transactions, déclencher des flux de travail et modifier les systèmes de manière contrôlée et vérifiable.

Si vous voulez que l’IA d’entreprise prenne de la valeur, la capacité d’agir doit faire partie de la conception initiale.

Les insuffisances en matière de sécurité et de gouvernance posent des risques

La sécurité est le point sur lequel la plupart des déploiements d’IA se heurtent à un mur. Les agents d’IA agissent sur des contenus sensibles. Cela soulève de nouveaux types de risques, qui ne sont pas couverts par les cadres de sécurité traditionnels des entreprises. Les autorisations codées en dur ou le contrôle d’accès de base ne tiennent pas la route. Ces agents doivent traiter des données, faire des choix et exécuter des fonctions en temps réel. Il s’agit là d’une surface de risque différente.

Selon une étude récente, 57 % des entreprises considèrent la sécurité comme leur principal défi dans le déploiement d’agents d’intelligence artificielle. Ce chiffre est encore plus élevé si vous le décomposez : 62 % des opérateurs techniques et 53 % des dirigeants se disent préoccupés. Cet alignement des rôles vous indique que le problème est réel et proche du point de rupture.

De nombreuses organisations ont besoin de huit intégrations de systèmes ou plus rien que pour rendre un agent opérationnel. Chacune de ces connexions est un point de défaillance potentiel, si elle n’est pas correctement sécurisée. Les intégrations point à point ne sont pas évolutives et ne sont pas bien sécurisées sous pression. Cela crée une exposition, en particulier lorsque les agents se développent et touchent des systèmes plus critiques.

La gouvernance de l’IA doit évoluer, passant du contrôle de l’accès au contrôle des résultats. Quelles sont les décisions prises par les agents ? Comment interprètent-ils les données ? Respectent-ils les politiques de l’organisation à chaque étape ? Le comportement de l’IA doit être transparent, explicable et vérifiable. Tout ce qui n’est pas transparent crée des angles morts, et les angles morts mènent à des violations.

La sécurité est une exigence permanente qui doit être intégrée à l’architecture, et non pas ajoutée après le lancement. Si vos agents d’IA ne sont pas étroitement régis par des limites de décision, des flux de données et des limites d’exécution, vous amplifiez les risques.

Les cas d’utilisation à forte valeur ajoutée accélèrent le déploiement évolutif de l’IA

Les meilleurs déploiements d’IA ne commencent pas avec une grande ambition. Ils commencent par un problème bien défini, à fort impact, qui peut être résolu clairement et mesuré avec précision. Les organisations qui progressent le plus rapidement sont celles qui résistent à la pression de déployer l’IA dans toute l’entreprise dès le départ. Elles se concentrent sur un cas d’utilisation unique et circonscrit, quelque chose qui dispose déjà de données fiables et accessibles et d’une valeur opérationnelle définie.

L’Institut Aprende en est un exemple concret. Ce qu’ils estimaient être un déploiement sur plusieurs trimestres a été mis en place en quelques jours seulement. Ils n’y sont pas parvenus en rognant sur les coûts. Ils y sont parvenus en s’appuyant sur les bonnes bases : connexions de données propres, orchestration des données normalisée, etc. l’orchestration des donnéeset une stratégie de test reproductible. Ils n’ont pas compliqué le processus à l’excès, ils l’ont simplement bien exécuté, en commençant modestement et en l’adaptant rapidement.

Si vous essayez de choisir le bon point de départ, allez là où les données sont claires et où le retour sur investissement peut être suivi. Dans l’enquête, 61 % des entreprises ont déclaré que la résolution des tickets informatiques est l’un des cas d’utilisation les plus prioritaires pour les agents d’IA. Il s’agit d’une structure, d’une fréquence élevée et de résultats mesurables, ce qui est idéal pour prouver ce qui est possible sans prendre de risques importants.

Les dirigeants devraient concentrer leurs équipes sur des déploiements pilotes réalisables en quelques semaines, et non en quelques trimestres. Ces premiers succès vous préparent à une réussite à long terme. Lorsque le premier cas d’utilisation fonctionne, il ouvre la voie à un déploiement à plus grande échelle dans les départements, les zones géographiques et les nouvelles unités commerciales. Cependant, la plupart des entreprises se heurtent à des résistances, tant internes qu’externes, lorsqu’elles passent à l’échelle supérieure sans avoir obtenu de résultats préliminaires.

L’IA d’entreprise ne réussit pas grâce au volume. Elle réussit grâce à une valeur claire à chaque étape.

Une intégration efficace est la clé de voûte pour libérer le potentiel de transformation de l’IA

Les agents d’IA ne vont pas apporter de valeur ajoutée s’ils ne sont pas profondément intégrés dans les systèmes qui comptent, les CRM, les ERP, les plateformes d’assistance, les systèmes financiers et les outils internes qui font fonctionner votre entreprise. L’intégration est essentielle. Ces agents doivent extraire des données en temps réel, agir sur elles sans interrompre les flux de travail, et renvoyer les résultats dans les systèmes d’enregistrement.

Pourtant, la plupart des entreprises considèrent encore l’intégration comme un problème à résoudre ultérieurement. Cela ne fonctionne pas. 90 % des entreprises interrogées ont déclaré que l’intégration avec les systèmes internes était la clé du succès de l’IA. Si la réponse est claire, l’objectif doit être rattrapé. Il s’agit de connecter les bonnes choses de la bonne manière.

Lorsque les agents d’intelligence artificielle se situent en dehors des systèmes centraux, ils créent des frictions. Ils ne peuvent pas accomplir de tâches. Ils dépendent de l’intervention humaine. Ils ne tiennent pas compte du contexte de l’entreprise. Et lorsque cela se produit, vous vous retrouvez avec des chatbots qui fournissent des informations et non des résultats. Ce n’est pas une transformation. C’est une interface utilisateur sans moteur.

Les entreprises qui dégagent une véritable valeur de l’IA sont celles qui donnent la priorité à l’intégration dès le début : API, modèles d’authentification, pipelines de données, autorisations d’exécution, tous structurés dès le départ. C’est une question de préparation. Car une fois que l’agent est correctement intégré, l’extension de cette logique à d’autres fonctions devient prévisible.

Si vous vous souciez du retour sur investissement, et tous les dirigeants devraient le faire, votre stratégie d’intégration est l’indicateur principal le plus clair de la rentabilité de votre investissement dans l’IA. Si vous la mettez en œuvre correctement, le reste sera plus facile. Si vous vous trompez, peu importe la plateforme que vous avez choisie ou le montant que vous avez dépensé.

Principaux enseignements pour les dirigeants

• Le manque d’infrastructure bloque le retour sur investissement : La plupart des entreprises (86 %) investissent massivement dans l’IA mais ne disposent pas de l’infrastructure de base, d’un accès propre aux données, de systèmes intégrés et d’une architecture évolutive, nécessaires pour obtenir des résultats. Les dirigeants devraient commencer par mettre en place l’infrastructure afin d’éviter les dépenses inutiles et le blocage de l’adoption.
• Les données fragmentées nuisent à la performance des agents : 79% des organisations s’attendent à ce que les défis liés aux données fassent dérailler les déploiements de l’IA. Les dirigeants doivent donner la priorité aux écosystèmes de données unifiées et contextuelles pour permettre aux agents de raisonner efficacement et d’opérer à travers les flux de travail.
• La faiblesse des outils limite l’impact sur l’entreprise : Les entreprises coincées entre la création de solutions personnalisées et l’intégration de fonctions SaaS se retrouvent souvent avec des agents incapables d’agir. Les dirigeants doivent s’assurer que les agents sont équipés d’outils leur permettant d’effectuer des transactions, d’automatiser et d’exécuter, et pas seulement d’analyser.
• La sécurité doit être intégrée à grande échelle : 57 % des entreprises citent la sécurité comme le principal obstacle au déploiement d’agents d’IA, notamment parce que 42 % d’entre elles ont besoin de huit intégrations ou plus. La gouvernance, la logique décisionnelle et la surveillance de bout en bout doivent être mises en place dès le début pour réduire les risques à mesure que l’utilisation s’intensifie.
• Les petites victoires mènent au succès à grande échelle : Commencer par des cas d’utilisation restreints et à fort impact, comme la gestion des tickets informatiques, peut accélérer la valeur et réduire les risques d’investissement. Les dirigeants devraient financer des déploiements ciblés qui sont mesurables, reproductibles et prêts à être étendus à l’ensemble de l’entreprise.
• L’intégration est le moteur de la transformation : Près de 90 % des organisations reconnaissent que l’intégration des systèmes est essentielle au succès de l’IA. Les dirigeants doivent considérer l’intégration comme une priorité essentielle, et non comme un simple correctif après le lancement, afin de débloquer une automatisation de niveau entreprise par le biais d’agents d’IA.