Pourquoi le ROI à long terme ne suffit pas : assurer la valeur à chaque étape de la mise en œuvre de l’IA

Les entreprises entendent une chose répétée sans cesse : accélérer l’adoption de l’IA et montrer des résultats, maintenant. L’adoption s’accélère, avec 78% des organisations déjà utilisant l’IA dans au moins une fonction commerciale d’ici 2024 – contre 55% il y a seulement un an.

Mais voici le piège : la pression pour démontrer la valeur commerciale est en train d’augmenter tout aussi rapidement.

C’est une exigence élevée lorsque les mandats des directeurs des données sont courts, et que le rôle de directeur de l’IA (CAIO) est encore en évolution. Avec une telle volatilité de leadership au sommet, les programmes d’IA s’enlissent souvent avant de pouvoir prouver leur valeur réelle.

Le défi clé est clair : les entreprises doivent cesser de construire des stratégies d’IA qui poursuivent la promesse de « transformation future » et commencer à se concentrer sur la création de fondations solides qui délivrent de la valeur aujourd’hui – tout en se préparant pour l’avenir.

Le problème des stratégies « à l’avenir uniquement »

Les dirigeants versent de l’argent dans l’IA. En fait, 92% d’entre eux augmentent leurs budgets sur les trois prochaines années, avec plus de la moitié visant une augmentation de 10%. De plus, des institutions financières comme Morgan Stanley prédisent des rendements importants, comme ~920 milliards de dollars de bénéfice net annuel pour le S&P 500.

Cette tendance macroscopique alimente ce que j’appelle des programmes d’IA « big-bang-mais-plus-tard », qui semblent impressionnants sur le papier mais laissent la valeur trop loin sur la route pour avoir un impact aujourd’hui.

La dure réalité est que très peu d’organisations ont des données prêtes pour l’IA. Avec la gouvernance et la qualité des données comme les principaux obstacles, seulement 12% des entreprises rapportent que leurs données sont suffisantes pour un déploiement efficace de l’IA. Et comme Gartner le souligne, une mauvaise gouvernance entraînera 60% des organisations à manquer leurs objectifs d’IA d’ici 2027 – même si elles adoptent l’IA maintenant.

En résumé, les programmes d’IA qui s’appuient uniquement sur des promesses futures sont condamnés à s’enliser, à rester coincés dans un purgatoire de pilotes ou à perdre la confiance des parties prenantes longtemps avant que le rendement attendu n’arrive.

Réévaluer la valeur de l’IA

Pour combler le fossé entre le potentiel futur et la valeur présente, les organisations doivent réévaluer leur façon de voir la valeur de l’IA. Il existe deux types distincts :

• Valeur immédiate : ce sont des améliorations mesurables à court terme – comme une 23% plus rapide temps moyen de réponse après le déploiement d’un assistant de support GenAI. Ce sont les victoires qui montrent aux parties prenantes que l’IA n’est pas seulement un jeu à long terme.
• Valeur fondamentale : il s’agit de construire les infrastructures sous-jacentes – pipelines de données, gouvernance et plateformes évolutives – qui feront fonctionner l’IA de manière efficace aujourd’hui et dans le futur. Comme le rapport State of AI de McKinsey le note, la gestion des risques et la gouvernance sont essentielles pour le succès à long terme.

Une fois que vous avez défini les deux flux de valeur, le défi est de les équilibrer : Comment pouvez-vous conduire des victoires immédiates tout en vous assurant qu’elles se traduisent par des capacités répétitives et gérées ? Ceux qui obtiennent cet équilibre verront de réels rendements.

Trouver l’équilibre approprié : valeur maintenant et plus tard

L’une des plus grandes erreurs que je vois est que les entreprises négligent de concevoir des plateformes d’IA avec les développeurs en tête. D’ici 2025, 84% des développeurs utiliseront des outils d’IA, et 51% d’entre eux les utiliseront quotidiennement. Si les plateformes d’IA ne s’intègrent pas aux flux de travail existants, l’adoption sera retardée, quelle que soit la puissance des modèles. Le succès repose sur l’intégration, la sélection des tâches et la formation continue.

Également critique sont la gouvernance et la sécurité. Si celles-ci ne sont pas prioritaires, peu importe la sophistication de l’IA, les utilisateurs ne lui feront pas confiance. Gartner a signalé que les problèmes de confiance, la sécurité d’accès et la gouvernance sont des barrières majeures à l’adoption, et que les violations de données liées à une mauvaise utilisation de la GenAI sont susceptibles d’ augmenter à mesure que l’innovation s’accélère. La gouvernance devrait être une priorité dès le premier jour, surtout à mesure que la pression réglementaire augmente.

Les organisations les plus réussies sont celles qui créent des outils d’IA qui délivrent de la valeur immédiate – car les victoires rapides achètent du capital politique. En fait, les entreprises qui voient le meilleur ROI sur l’IA sont celles qui ont un CAIO dédié. Ces dirigeants concentrent leurs ressources sur « maintenant » (cas d’utilisation mesurables) et « prochain » (renforcement des données et de la plateforme), en garantissant une progression constante tout en jetant les bases pour des gains futurs.

Cela signifie également établir des indicateurs de performance clés qui mettent en évidence la valeur précoce – les opérations de support, les ventes, le marketing et l’ingénierie sont d’excellents points de départ. La définition d’indicateurs de performance clés – comme le taux de conversion des leads, la rotation et les scores de risque de modèle – ainsi que des plans de référence et de vérification garantira que les initiatives d’IA ne sont pas seulement théoriques mais délivrent des résultats tangibles.

La clé est d’identifier des modèles de succès et de les reproduire. Le passage de l’expérimentation à l’exécution se produit lorsque les entreprises ajustent leurs processus, et non seulement leurs outils.

Renforcer les fondations de données : un processus continu

Trop de programmes d’IA échouent parce que les données ne sont pas fiables. Le manque de gouvernance des données est l’un des principaux obstacles à la réussite. C’est pourquoi la qualité, la lignée et l’accessibilité des données devraient être traitées avec la même importance que les outils orientés utilisateurs eux-mêmes. Des fondations de données solides sont le socle de toute initiative d’IA réussie.

Rendre l’IA une priorité commerciale, aujourd’hui et demain

Les attentes sont claires : montrer des victoires immédiates et mesurables tout en construisant une plateforme et un patrimoine de données qui rapporteront à long terme. Avec les budgets d’IA en pleine croissance et la pression s’intensifiant, ne pas répondre à ces deux exigences risque de provoquer des réinitialisations de programme.

Les dirigeants qui peuvent délivrer de la valeur maintenant tout en se préparant pour l’avenir transformeront l’IA d’une série de pilotes isolés en un moteur durable pour les revenus et la productivité.