Dans les entreprises modernes, de nombreuses plateformes, systèmes et outils d'IA fonctionnent simultanément, allant des plateformes clients et des assistants conversationnels à l'automatisation des flux de travail. Bien que ces composants individuels soient sophistiqués et réactifs, leur résultat collectif s'avère souvent erroné, confus ou déconnecté de la réalité commerciale réelle. Cette déconnexion est identifiée comme une raison principale pour laquelle de nombreuses organisations peinent à réaliser un retour sur leurs investissements en IA.
Les données d'un sondage Insights du MIT Technology Review mettent en évidence cette disparité. Bien que chaque organisation interrogée utilise l'IA dans une certaine mesure, seules 16 % déclarent tirer une valeur transformatrice de leurs déploiements. La majorité des répondants, représentant 40 %, observent des gains modérés dans des tâches ou des équipes spécifiques, tandis que 21 % notent des gains significatifs. À l'inverse, 23 % des organisations constatent des rendements minimes ou nuls.
Les modèles d'utilisation actuels indiquent que la plupart des entreprises restent en phase de pilote ou utilisent l'IA principalement comme un outil d'assistance. Selon l'enquête, 38 % des répondants testent des cas d'utilisation de l'IA, et 35 % utilisent des outils comme les co-pilotes ou les assistants de chat pour soutenir les employés. Seuls 12 % ont déployé des agents d'IA en production, et à peine 3 % déclarent utiliser l'IA pour gérer la majeure partie du travail au sein de processus clés.
Prukalpa Sankar, cofondateur d'Atlan, souligne l'écart significatif entre les capacités des modèles et leur utilité réelle au sein des organisations. Il note que bien que l'intelligence artificielle générale existe pour des intentions de la vie réelle, elle reste largement inefficace dans la plupart des environnements corporatifs en raison d'une couche de contexte manquante. Cette couche sert d'infrastructure architecturale située entre les systèmes d'entreprise, tels que les enregistrements de données, et les plateformes d'IA. Sa fonction est de traduire l'intelligence d'entreprise en un contexte régi et utilisable par la machine, permettant aux connaissances de s'accumuler.
Sankar illustre la nécessité de cette infrastructure en comparant l'IA sans couche de contexte à l'embauche du stagiaire le plus intelligent au monde, lui bandant les yeux et le plaçant immédiatement dans une organisation. Sans comprendre l'environnement commercial spécifique, même des modèles avancés ne peuvent pas fournir d'actions précises ou utiles. Ce contenu a été produit par Insights, la branche de contenu personnalisé du MIT Technology Review, en association avec Atlan.
Sources: MIT Technology Review.