Résultats de l’IA en entreprise : mesurables, mais pas encore décisifs

TThéa

D’après The Decoder, l’entrepreneur Azeem Azhar a posé deux questions à environ 160 vice-présidents informatiques réunis à Las Vegas. La première portait sur des résultats mesurables obtenus grâce à l’intelligence artificielle : environ deux tiers des participants ont répondu oui, et c’était davantage qu’il ne s’y attendait. Puis il a changé le seuil et demandé si ces résultats étaient assez importants pour interrompre les vacances d’été du PDG ; cette fois, seuls huit participants environ ont levé la main. L’écart entre les deux réponses résume bien le sujet : des entreprises voient des effets concrets, mais ces effets ne sont pas nécessairement assez forts pour être considérés comme urgents au plus haut niveau. Il ne s’agit donc pas d’un constat selon lequel l’intelligence artificielle ne servirait à rien, ni d’une preuve que les investissements sont déjà rentables. C’est plutôt un signal intermédiaire : l’usage produit des résultats observables, tandis que leur poids dans les décisions de direction reste limité. Et comme les réponses viennent d’une rencontre avec des dirigeants informatiques, elles donnent un aperçu de leurs expériences, pas une mesure exhaustive de toutes les entreprises.

TThéa

Un résultat mesurable indique qu’un effet a été constaté, mais ne précise pas à lui seul son importance pour l’entreprise. Dans cette anecdote, la première question demandait si les participants pouvaient citer des résultats mesurables de l’intelligence artificielle ; la seconde leur demandait si ces résultats justifieraient d’interrompre les vacances d’été du PDG. Ce sont donc deux seuils différents, et non deux mesures chiffrées de la valeur créée. Le récit ne détaille pas les projets évoqués ni les indicateurs employés : il ne permet pas de comparer la nature des bénéfices d’une entreprise à l’autre. Il montre néanmoins que, pour les participants, constater des résultats et les juger assez importants pour mobiliser le dirigeant ne revient pas au même. Alors, le signal est utile pour comprendre l’écart entre expérimentation et priorité de direction, mais il ne suffit pas à établir la rentabilité ni la généralisation de ces résultats. Il faut encore savoir si les effets se maintiennent et s’ils justifient les investissements engagés.

TThéa

Le chiffre le plus direct vient de la rencontre à Las Vegas : environ 160 vice-présidents informatiques ont été interrogés, et près de deux tiers ont indiqué pouvoir citer des résultats mesurables. Quand la question est devenue plus exigeante, autour de huit seulement ont jugé leurs résultats assez importants pour interrompre les vacances d’été du PDG. Ces nombres décrivent les réponses de personnes présentes à cet échange ; ils ne doivent pas être présentés comme un sondage représentatif de toutes les entreprises ou de tous les secteurs. Il existe un autre indicateur, qui concerne cette fois la perception des dirigeants : une enquête du Boston Consulting Group indique qu’environ 70 % des PDG dans le monde estiment que la réussite de l’intelligence artificielle compte dans la manière dont ils sont perçus dans leur fonction. Ce chiffre ne mesure pas les gains économiques de leurs projets ; il montre que la réussite de l’IA est aussi devenue un enjeu d’image professionnelle. On a donc deux signaux différents : des responsables informatiques déclarent des résultats, tandis que beaucoup de PDG estiment que le sujet compte pour leur réputation. Cela invite à distinguer les bénéfices constatés, l’ambition affichée et la pression à démontrer que les investissements produisent quelque chose de tangible.

TThéa

L’enjeu économique est de savoir si les revenus générés par l’intelligence artificielle pourront soutenir les investissements dans les centres de données. Les dépenses liées aux modèles et aux puces entrent aussi dans l’équation. Le retour sur investissement n’est pas établi à l’échelle de l’économie et apparaît surtout dans des exemples ponctuels. D’après Brief IA, certaines entreprises se tournent vers des modèles à poids ouverts plutôt que vers des modèles de pointe coûteux. Cela ne permet pas, à lui seul, de conclure que l’ensemble des coûts diminue ou que les usages deviennent rentables. La durée d’utilisation des puces en production, évoquée entre quatre et huit ans, change aussi les calculs. La question reste ouverte : les revenus tirés de l’IA suffiront-ils à financer les infrastructures nécessaires ?

TThéa

Les premiers succès ne prouvent pas que les investissements actuels seront rentables à grande échelle. Des exemples ponctuels peuvent signaler des progrès, sans établir que les résultats se répètent assez largement pour couvrir les dépenses. Les échanges rapportés par Azeem Azhar indiquent que certains conseils d’administration deviennent plus ambitieux après de premiers succès et que des entreprises augmentent leurs budgets malgré les erreurs rencontrées. Cette ambition peut donc progresser alors que la rentabilité générale reste à démontrer. Une enquête du Boston Consulting Group indique qu’environ 70 % des PDG dans le monde estiment que la réussite de l’intelligence artificielle compte dans la manière dont ils sont perçus dans leur fonction ; cela ne prouve pas qu’ils exagèrent leurs résultats, mais montre que la réussite compte aussi pour leur image. Enfin, Azeem Azhar décrit une situation incertaine : l’usage pourrait progresser, mais les revenus pourraient ne pas suffire à soutenir les infrastructures, ce qui fragiliserait l’équilibre économique. Azhar indique ne pas avoir de réponse simple à cette question.

TThéa

Le chiffre des deux tiers indique que de nombreux responsables informatiques interrogés pouvaient citer des résultats mesurables, tandis qu’environ huit jugeaient ces résultats assez importants pour interrompre les vacances d’été du PDG. Cela décrit un écart entre des effets constatés et leur importance dans les décisions de direction, sans démontrer à lui seul la rentabilité des projets. Certains conseils d’administration deviendraient plus ambitieux après de premiers succès, et des entreprises augmenteraient leurs budgets malgré les erreurs rencontrées ; ces évolutions ne suffisent pas à établir que les dépenses seront couvertes. Certaines entreprises se tournent vers des modèles à poids ouverts plutôt que vers des modèles de pointe coûteux. La durée d’utilisation des puces en production, évoquée entre quatre et huit ans, influe aussi sur les calculs de rentabilité. Il reste à déterminer si les revenus et la valeur créée permettront de financer durablement les modèles, les puces et les centres de données. Azeem Azhar estime que l’usage pourrait continuer à progresser, mais que l’équilibre économique pourrait se fragiliser si les revenus ne soutenaient pas les infrastructures. Le retour sur investissement à l’échelle de l’économie n’est pas encore établi : les progrès sont visibles, mais leur viabilité reste à confirmer.