Ce que les espoirs de l’IA générative peuvent apprendre des essais et erreurs du cloud computing

L’IA générative (GenAI) est là pour rester, avec des organisations du monde entier qui apprécient les capacités de la technologie. Déjà, 72% des organisations rapportent utiliser actuellement GenAI de manière extensive ou occasionnelle et 26% autres expérimentent avec la technologie. Cependant, cette nouvelle étape d’adoption de GenAI est encore dans les premiers jours.

Selon McKinsey, seulement 1% des dirigeants d’entreprise décrivent leurs déploiements de GenAI comme « matures », ce qui signifie que la technologie est pleinement intégrée dans les flux de travail et entraîne des résultats commerciaux substantiels. Combler cet écart de maturité nécessite une correction de cap continue, souvent en raison de blocages de déploiement, tels que des frais importants, une méfiance envers les technologies non éprouvées et des risques réglementaires. Si ces défis vous semblent familiers, ils le devraient – lorsque les équipes IT ont commencé à adopter le cloud comme la prochaine grande chose, de nombreux obstacles identiques ont émergé.

Les deux vagues de ferveur pour la nouvelle technologie diffèrent à certains égards. Alors que le cloud computing a été mis en œuvre dans des systèmes plus critiques au départ, GenAI est adopté plus rapidement à des fins de tests et pour des cas d’utilisation principalement axés sur les gains d’efficacité et de productivité. Pourtant, la courbe d’apprentissage est similaire : ils obligent les organisations à penser et à travailler différemment.

En réfléchissant aux expériences de leurs prédécesseurs dans le cloud computing, les espoirs actuels de l’IA générative peuvent se positionner pour un avenir mieux informé.

Gérer les coûts, les risques et les changements : tirer des leçons des erreurs du cloud

En remontant le temps à l’époque où la technologie du cloud a commencé à gagner du terrain, de nombreuses organisations ont sous-estimé la complexité de la migration et ont surestimé les économies de coûts à court terme. En conséquence, la plupart de ces organisations sont tombées dans trois pièges principaux : une mauvaise gestion des coûts, des erreurs de configuration de la sécurité et la résistance naturelle qui accompagne les changements culturels et organisationnels.

L’ère du cloud nous a appris que simplement « soulever et déplacer » les charges de travail – les déplacer vers le cloud sans modernisation – a souvent échoué à apporter de la valeur. De même, les initiatives GenAI s’arrêtent souvent lorsque les organisations tentent de brancher des données héritées, non structurées ou mal documentées sur de nouveaux modèles puissants sans mettre à jour les fondations de données. En fait, les projets GenAI peuvent donner des résultats décevants ou même renforcer les inef ficacités existantes. La leçon : la technologie seule ne peut pas surmonter les faiblesses fondamentales.

Tout comme la technologie du cloud a exposé des lacunes en matière de gouvernance, de compétences et de stratégie à long terme, GenAI l’a fait également. Si les employés adoptent des outils GenAI sans surveillance ou utilisent la technologie en dehors des limites de la politique d’utilisation acceptable, les risques de l’informatique de l’ombre peuvent réapparaître, ainsi que les difficultés de sécuriser les pipelines GenAI et d’assurer la conformité à grande échelle. Ces parallèles continueront à émerger à mesure que GenAI passe de l’expérimentation à une intégration d’entreprise généralisée, nécessitant les mêmes cadres de cybersécurité robustes, les plans de réponse aux incidents et les structures de gouvernance que l’on trouve dans le cloud.

Au-delà de la gestion des risques, la dissipation non gérée des coûts est un problème de longue date dans la technologie. Le cloud n’est pas une exception et, à mesure que les entreprises continuent à intégrer GenAI dans leurs flux de travail, elles sont confrontées à une augmentation similaire des dépenses.

Un nombre croissant d’organisations tentant d’améliorer leur stratégie de gestion des coûts se tournent vers FinOps comme solution. En utilisant des informations données en temps opportun pour améliorer la prévision et encourager la responsabilité et la collaboration interfonctionnelles, une infrastructure FinOps complète s’est avérée inestimable pour limiter les dépenses excessives et maximiser la valeur commerciale. Les principes de FinOps ne sont pas limités à la gestion des coûts du cloud seul, offrant une option viable pour les dépenses GenAI.

Intégrer les leçons du cloud dans la pratique de l’IA générative

D’ici la fin de cette année, Gartner prévoit qu’au moins 30% des projets GenAI seront abandonnés après la preuve de concept. Lorsque l’hype dépasse la réalité, les modèles cachés derrière les échecs des projets GenAI – comme des données non préparées, une propriété commerciale non claire ou une complexité inutile – passent souvent inaperçus dans la ruée pour adopter de nouvelles technologies. Reconnaître et résoudre ces signaux précoces peut faire la différence entre le succès de GenAI et un autre projet abandonné. Les dirigeants qui regardent activement ces signaux d’alarme, plutôt que de raccourcir le processus, préparent leurs équipes pour le succès à long terme.

Une fois que l’adoption est approuvée, les entreprises doivent mettre l’accent sur de petits projets pilotes GenAI pour tester et assurer une valeur réelle dans le monde réel, plutôt que de passer à une mise à l’échelle immédiate à l’échelle de l’entreprise. Il est essentiel que les entreprises commencent avec seulement quelques cas d’utilisation clairement définis, à forte incidence et avec des objectifs de ROI clairs cartographiés sur les besoins commerciaux réels.

Cela assure des victoires précoces, renforce la confiance interne et évite de gaspiller du temps et des ressources sur des expérimentations génériques. En ancrant l’adoption de GenAI à un résultat tangible – comme l’automatisation des résumés de support client ou l’accélération des examens de code – les organisations peuvent démontrer rapidement de la valeur, affiner leur approche et mettre à l’échelle de manière plus stratégique. Cela aide également à aligner les efforts techniques avec les objectifs commerciaux, ce qui est souvent où les pilotes GenAI actuels font défaut.

À partir de là, établir des contrôles et des équilibres solides, une surveillance continue et des politiques de gouvernance clairement définies est l’étape critique suivante pour une utilisation responsable et une conformité. S’engager avec des experts externes peut être un excellent premier pas pour naviguer dans le paysage réglementaire complexe et en constante évolution d’aujourd’hui. En investissant dans les bons outils et infrastructures dès le début du processus de mise en œuvre de GenAI, ainsi que dans une formation continue, les organisations peuvent établir les fondements du succès durable.

Établir l’équilibre approprié avec l’innovation de l’IA générative

En appliquant les leçons de l’ère du cloud avec discipline et prévoyance, les organisations peuvent éviter des erreurs coûteuses et débloquer tout le potentiel de GenAI – de manière sécurisée, durable et à grande échelle.

GenAI est destiné à rester une force puissante, avec 70% des PDG rapportant qu’ils s’attendent à ce que la technologie ait un impact sur leurs modèles commerciaux au cours des trois prochaines années. Un nombre qui augmente à 89% parmi ceux qui utilisent déjà la technologie. Il est clair que le potentiel de transformation de GenAI prouve sa valeur pour les décideurs exécutifs, mais l’impact à grande échelle et durable dépend encore de la résolution des barrières de confiance, de gouvernance et d’intégration.