Les problèmes de données coûtent cher aux entreprises qui investissent dans l’intelligence artificielle. Selon une étude Fivetran, 39 % consacrent au moins un quart de leur budget IA à des tâches peu productives.
Les investissements dans l’intelligence artificielle progressent, mais les résultats ne suivent pas toujours. Derrière les modèles et les applications, les équipes techniques passent encore beaucoup de temps à corriger des données défectueuses. Fivetran chiffre cette dépense invisible dans une étude publiée le 12 novembre 2026. Baptisée « taxe IA », elle touche aussi bien les budgets que les délais de déploiement.
Des millions investis dans l’IA, mais peu de projets à grande échelle
L’enquête menée auprès de 500 responsables IT, data et IA révèle un décalage entre les dépenses engagées et les résultats opérationnels. Au cours des douze derniers mois, 83 % des organisations interrogées ont investi au moins un million d’euros dans l’IA. Plus de la moitié (54 %) ont même dépassé les cinq millions.
Pourtant, seules 37 % déclarent avoir plusieurs initiatives IA opérationnelles à grande échelle. Les difficultés liées aux données expliquent une partie de cette situation.
Ainsi, 66 % des répondants citent leur qualité ou leur intégration parmi les principales causes de coûts imprévus et de retards. Autre chiffre révélateur : 58 % des entreprises mobilisent au moins un quart du temps de leurs équipes techniques sur des tâches peu productives. Ces opérations comprennent notamment la correction des données, leur retraitement et la reconstruction des connexions entre systèmes.
Les entreprises américaines paient la taxe IA la plus élevée
Les écarts géographiques sont sensibles. Aux États-Unis, 45 % des entreprises consacrent au moins 25 % de leur budget IA à ces opérations. Cette proportion atteint 34 % dans la région EMEA et 37 % en Asie-Pacifique.
Pour une organisation dotée d’un budget annuel de cinq millions d’euro, une telle proportion représente 1,25 million d’euro affectés à ces tâches.
Les choix techniques pèsent également. Parmi les entreprises qui privilégient les intégrations sur mesure, 53 % déclarent perdre au moins un quart de leurs dépenses IA dans du travail peu productif. Cette proportion tombe à 40 % chez celles qui utilisent des plateformes standardisées. Les premières signalent aussi davantage de retards supérieurs à un mois sur leurs projets liés aux données : 40 %, contre 20 % pour les secondes.
Des données fiables associées à un meilleur retour sur investissement
Les différences se retrouvent dans les résultats financiers. Parmi les organisations dont les tâches peu productives absorbent moins de 10 % du budget IA, 62 % déclarent un retour sur investissement supérieur aux attentes. Cette proportion descend à 40 % lorsque ces tâches mobilisent au moins la moitié du budget.
George Fraser, PDG et cofondateur de Fivetran, estime que les équipes data doivent désormais privilégier l’accès à des informations fiables plutôt que reconstruire continuellement leurs infrastructures.
Cette priorité se reflète dans les intentions d’investissement. Si elles disposaient d’un budget IA supplémentaire, 31 % des entreprises interrogées le consacreraient à leur infrastructure de données, contre 17 % aux talents et 16 % aux modèles d’intelligence artificielle.
Article basé sur un communiqué de presse reçu par la rédaction.
- Partager l'article :
Restez à la pointe de l'information avec
INTELLIGENCE-ARTIFICIELLE.COM !
