Le scaling de l’IA : top priorité 2023-2025 des décideurs
Selon le rapport CIO vision 2025 du MIT, la priorité des entreprises pour ces trois prochaines années sera le passage à l’échelle de l’IA et du machine learning.
Etude data bricks MIT
Selon le rapport CIO vision 2025 du MIT, la priorité des entreprises pour ces trois prochaines années sera le passage à l’échelle de l’IA et du machine learning. Les DSI prévoient en outre de multiplier les cas d’usage dans l’ensemble des fonctions core business.
Priorité Data et IA pour les entreprises. Néanmoins, observe le MIT Technology Review dans son étude ‘CIO vision 2025’, peu encore disposent aujourd’hui d’un niveau de maîtrise avancé. 1% uniquement des organisations peuvent être considérées comme “data driven”. Elles sont bien décidées à franchir un cap de maturité au cours des trois prochaines années.
Pour les décideurs interrogés, l’enjeu sur la période 2022-2025 consistera donc à déployer des cas d’usage dans toutes les grandes fonctions de l’entreprise. Ainsi, plus de la moitié s'attendent à ce que l'utilisation de l'IA soit répandue ou critique dans les domaines IT, finance, développement produit, marketing et vente.
Un usage large, agressif et enthousiaste de l’IA
La stratégie IA du directeur du numérique de l’assureur japonais Tokio Marine est claire : Il s’agit "d’appliquer l'IA de manière aussi large, agressive et enthousiaste que possible. Aucune partie de notre activité ne devrait être épargnée par l'IA”, déclare Masashi Namatame.
Dans cette perspective, l’assureur s’efforce donc de devenir “une entreprise axée sur l'IA” ou “AI driven”. Cette montée en compétence demande du temps et des investissements : "Nous sommes encore en train d'apprendre de l'IA et d'essayer de trouver des moyens plus nombreux et plus efficaces de l'appliquer à notre activité", réagit le CDO.
MIT-Review1
De fait, l’étude souligne qu'une augmentation importante des dépenses est prévue pour renforcer les fondations Data et IA des entreprises Et cela vaut également pour les plus avancés ou “data leaders.” Dans ces sociétés, les dépenses en matière de sécurité des données sont attendues en progression de 101% sur trois ans.
Les investissements porteront aussi en priorité sur la gouvernance des données (+85%), les nouvelles plateformes de données et d'IA (69%) et sur les plateformes existantes (63%). C’est plus que pour la moyenne des entreprises avec des hausses respectives de 59%, 52%, 40% et 42%.
Ambition contrariée du passage à l’échelle
Accélérer sur le recours à l’intelligence artificielle et les cas d’usage n’est pas le seul objectif visé cependant. La priorité numéro une d’après l’étude est ainsi celle du passage à l’échelle ou du scaling :
“Plus des trois quarts (78%) des cadres cadres que nous avons interrogés - et la quasi-totalité (96%) du groupe de dirigeants - affirment que l'intensification de l'IA et de l'apprentissage automatique pour créer de la valeur business est leur principale priorité en matière de stratégie de données pour les trois prochaines années.”
L’étude observe d’ailleurs une nette évolution quant à la nature de la valeur business générée grâce à l’IA. En 2022, 31% des répondants font état d’une amélioration de la sécurité et de la gestion du risque, devant le time-to-market (20%) et l’efficience (14%).
MIT-Review2
En 2025, l’IA devra se traduire par une hausse des revenus pour 30% des décideurs, contre 14% en 2022. 26% prévoient d’améliorer l’efficience et 16% de réduire les coûts. L’impact financier direct du recours à l’IA s’impose donc clairement dans les stratégies des entreprises.
Pour générer plus de valeur, celles-ci seront donc plus que jamais confrontées à l’impératif du passage à l’échelle. Mais les organisations sont encore nombreuses à se heurter à cet obstacle, prévient le MIT.
"Nous passons beaucoup de temps à essayer de trouver comment appliquer à grande échelle nos modèles d'IA, d'apprentissage automatique et de NLP", confirme le DSI de S&P Global, Swamy Kocherlakota. Ce défi est largement partagé.
Des problèmes liés à la Data font obstacle
Rigidité de l'organisation et des processus, contraintes budgétaires, pénurie de talents et limitations des data et technologies existantes sont autant de freins au passage à l’échelle de l’IA.
MIT-Review3
Plus spécifiquement, 72% des sondés “déclarent que les problèmes liés aux données sont plus susceptibles que d'autres facteurs de compromettre la réalisation de leurs objectifs en matière d'IA d'ici à 2025.”
Cela englobe tout le cycle de vie de la donnée et sa qualité tout au long de la chaîne de traitement. "Les données sont l'un des plus grands défis auxquels nous sommes confrontés pour [développer l'IA], de l'acquisition des données à l'ingestion des données, à leur gestion et à la garantie de leur qualité”, témoigne Rowena Yeo, DSI de Johnson & Johnson.
Le passage à l’échelle nécessite de cocher de multiples cases, comme le souligne le CDO de Marks & Spencer, Jeremy Pee. "Une partie du défi consiste à construire l'infrastructure, à instaurer la confiance dans les données, à les rendre consultables, trouvables, fiables et bien gérées.”
Ce n’est cependant qu’un volet de l’équation à résoudre. La scalabilité doit aussi être introduite au niveau de la production et de la conception d’IA.. “Comment passer d'un modèle unique à la construction et au support de centaines de modèles ? Si vous ne résolvez pas cette partie, vous finissez simplement par créer beaucoup d'inefficacité et de frustration. Résultat : la confiance commence à se briser", ajoute le chief data officer.
De manière peut-être contre-intuitive, les experts interrogés (72% et 92% pour les leaders) considèrent le multicloud comme un facilitateur des développements en matière d’IA - au même titre cependant que les standards open source ou les API.
