Franck Greverie - Selon notre rapport Data Powered Enterprises, 60 % des organisations ont lancé des expérimentations en matière d’IA et d’agents d’IA ; pourtant, 75 % des cadres interrogés estiment que le déploiement à grande échelle reste un défi majeur. Un facteur clé : seulement 42 % des entreprises détiennent le socle de données nécessaire pour en exploiter efficacement les modèles.
Trois obstacles entravent ces projets. Tout d’abord, des données d’entreprise de qualité insuffisante pour pouvoir adapter l’IA générative, mais aussi des lacunes au niveau des bases de données, de la gouvernance et des plateformes de gestion. Ensuite, les impératifs de confidentialité et de sécurité sont souvent traités trop tardivement, dans des projets qui ne présentent pas les garde-fous nécessaires pour être en conformité avec la réglementation. Enfin, les entreprises omettent souvent de transformer leur modèle opérationnel pour adapter les dernières solutions d’IA au fil de l’eau et accompagner le changement et la montée en compétences.
Pour véritablement tirer parti de l’IA, il est essentiel de s’appuyer sur des données de qualité dès le départ. Au final, si vos données ne sont pas prêtes pour l’IA, votre entreprise ne le sera pas non plus.
Kevin Campbell - La qualité des données est clé pour tout processus d’entreprise, car les modèles d’IA viennent amplifier les défauts. S’ils sont alimentés de données incorrectes, le résultat produit peut rapidement saper la confiance dans cette technologie. Il suffit d’une recommandation impropre pour que les utilisateurs se méfient de l’IA, plutôt que d’admettre des failles dans les données sous-jacentes. Beaucoup d’organisations ne font que superposer une couche d’IA à un système déjà criblé de données erronées. Les équipes doivent alors s’évertuer à corriger les erreurs pour assurer la continuité des opérations, ce qui les épuise, freine les opérations et finit par installer un cycle d’inefficacité dont il est difficile de s’extraire.
Les entreprises doivent choisir un modèle d’IA robuste et disposer de données de qualité si elles veulent déployer des assistants d’IA générative personnalisés ou des agents d’IA, capables de percevoir, de raisonner et d’agir en vue d’objectifs précis, avec une supervision humaine minimale. Le retour sur investissement est d’autant plus important lorsque ces assistants ou ces agents viennent démultiplier l’expertise et la performance des collaborateurs, ou lorsqu’ils réalisent des tâches en autonomie. Cela exige par ailleurs d’établir une gouvernance et une gestion des données solides, permettant la mise à jour en continu des solutions d’IA et le maintien de leur efficacité.
K.C. - La qualité des données et la robustesse des pratiques de gestion sont clés.
C’est ce que fait Syniti en dotant les organisations des données dont elles ont besoin pour déployer des modèles d’IA générative et des agents d’IA, le moment venu. La gamme complète de nos produits intègre la qualité des données au processus de migration, ce qui permet une précision très élevée : un élément clé pour les clients qui attendent de l’IA des retombées concrètes. La singularité de Syniti repose sur son accompagnement non seulement technique, mais aussi sur les processus préalables clés, dont la préparation, le nettoyage et la cartographie des données.
F.G. - Les innovations se succèdent à une vitesse sidérante. D’ici cinq ans, l’IA sera omniprésente. L’IA générative et les agents d’IA personnalisés connaîtront des avancées majeures, gagnant encore en autonomie, en adaptabilité, en conscience des objectifs, du contexte et du langage, en proactivité et en réactivité. Les cas d’usage vont aussi largement se diversifier, avec par exemple l’hyper-automatisation de l’informatique, des opérations, du service client, mais aussi l’ingénierie de produits et de logiciels, les robots humanoïdes et les cobots (robots collaboratifs), les avatars 2D et 3D ou encore les accessoires connectés intelligents.
(1) Insights & Data, Business Services, Cloud Infrastructure Services, and Digital Customer Experience.
