Il existe de nombreuses raisons pour lesquelles les entreprises ont du mal à exploiter l'IA générative, selon une enquête de Deloitte
Moins de la moitié des entreprises se sentent parfaitement préparées aux exigences les plus élémentaires, telles que la gestion des données.
La plupart des entreprises ont du mal à faire passer leurs projets d'intelligence artificielle générative (Gen AI) des étapes initiales à la production, selon un rapport du géant du conseil Deloitte.
« 70 % des personnes interrogées ont déclaré que leur organisation avait mis en production 30 % ou moins de leurs expériences d'IA générative », selon l'auteur principal Jim Rowan et son équipe dans le dernier volet de la série de rapports « L'état de l'IA générative dans l'entreprise » de l'entreprise. .
L’absence de progrès dans la production contraste avec le regain d’activité autour de la technologie. « Deux des trois organisations interrogées ont déclaré qu'elles augmentaient leurs investissements dans l'IA générative parce qu'elles avaient constaté jusqu'à présent une forte valeur initiale », ont rapporté Rowan et son équipe.
Le défi consistant à faire passer les projets Gen AI de la phase de validation de principe à la production est ce que Rowan et son équipe appellent « s'efforcer d'évoluer ».
L'enquête, menée entre mai et juin, a reçu les réponses de 2 770 répondants, de la direction à la direction, dans six secteurs et 14 pays. L'enquête comprenait également les commentaires de 25 personnes interrogées, qui étaient des cadres supérieurs et des leaders de l'IA et de la science des données dans de grandes organisations.
La recherche suggère « diverses raisons » pour lesquelles les entreprises ont du mal à faire évoluer la génération IA. De manière générale, les organisations « apprennent par l'expérience que le déploiement de l'IA générative à grande échelle peut être un défi difficile et multiforme », indique le rapport.
Les raisons pour lesquelles les entreprises ont du mal à faire évoluer la génération IA sont devenues plus claires lorsque Rowan et son équipe ont demandé aux personnes interrogées d'évaluer les capacités pour lesquelles elles pensaient que leur organisation était « hautement préparée ». Moins de la moitié des personnes interrogées estiment que leur organisation est parfaitement préparée aux fonctionnalités les plus élémentaires.
En moyenne, 45 % des personnes interrogées ont déclaré qu'elles étaient très bien préparées en matière d'« infrastructure technologique », et 41 % ont déclaré qu'elles pensaient que l'organisation était très bien préparée en matière de « gestion des données ».
Les domaines les moins préparés, selon les réponses, étaient la « stratégie », avec 37 % estimant que leur entreprise était très bien préparée, suivi par « le risque et la gouvernance » et le « talent », avec seulement environ un cinquième des répondants indiquant qu'ils étaient prêts dans chaque domaine.
Certaines remarques qualitatives des dirigeants interrogés ont révélé plus de détails sur les causes de ce manque de préparation. Par exemple, un ancien vice-président des données et du renseignement d'une entreprise de médias a déclaré à Rowan et à son équipe que le « plus grand défi de mise à l'échelle » pour l'entreprise « était en réalité la quantité de données à laquelle nous avions accès et le manque de maturité en matière de gestion des données. "
Le dirigeant a poursuivi : « Il n'y avait pas de catalogue de données formel. Il n'y avait pas de métadonnées formelles ni d'étiquetage des points de données dans l'ensemble de l'entreprise. Nous ne pouvions aller aussi vite que nous pouvions étiqueter les données.
Rowan et son équipe ont suggéré dans le rapport que la qualité des données entrave de nombreuses entreprises : « Les problèmes liés aux données ont amené 55 % des organisations que nous avons interrogées à éviter certains cas d'utilisation de l'IA générative. »
L’enquête a montré que les problèmes de gouvernance incluaient à la fois le risque inhérent à l’IA et le risque réglementaire. D'une part, les entreprises sont aux prises avec « des risques nouveaux et émergents spécifiques aux nouveaux outils et capacités » qui ne ressemblent à aucun risque associé à aucune technologie précédente. Ces risques incluent les défauts désormais tristement célèbres de la génération AI, tels que « les biais du modèle, les hallucinations, les nouveaux problèmes de confidentialité, la confiance et la protection d'une nouvelle surface d'attaque ».
L'incertitude concernant les nouvelles réglementations pousse également les entreprises à faire une pause et à réfléchir, ont déclaré Rowan et son équipe dans le rapport : « Les organisations étaient extrêmement incertaines quant à l'environnement réglementaire qui pourrait exister à l'avenir (en fonction des pays dans lesquels elles opèrent). »
En réponse à ces deux préoccupations, les entreprises poursuivent diverses stratégies, ont découvert Rowan et son équipe. Ces stratégies incluent : « couper l’accès du personnel à des outils spécifiques d’IA générative » ; « mettre en place des lignes directrices pour empêcher le personnel de saisir des données organisationnelles dans les LLM publics » ; et "créez des jardins clos dans des cloud privés avec des garanties pour empêcher les fuites de données vers le cloud public".
Le manque de mise à l’échelle des projets Gen AI contraste avec d’autres études récentes qui montrent une forte intention de déployer des technologies émergentes. Par exemple, le rapport le plus récent de Bloomberg Intelligence sur l'IA a révélé que la vitesse à laquelle les entreprises déploient des programmes « copilotes » d'intelligence artificielle générative a doublé entre décembre de l'année dernière et juillet 2024, touchant 66 % de toutes les entreprises interrogées.
Cependant, les résultats de l’étude Deloitte peuvent aider à expliquer pourquoi un récent rapport Gartner sur la Gen AI dans l’entreprise prédit qu’un tiers des projets Gen AI seront abandonnés avant de passer de l’étape de validation de principe à la production.
Même si les DSI américains « travaillent » au déploiement de la Gen AI et « évaluent » de plus en plus les technologies de copilote, etc., l’étude de Deloitte suggère qu’ils se heurtent à de nombreux obstacles dans cette démarche.