Malgré des investissements soutenus dans l’IA, les industrielles restent freinées par des lacunes structurelles, notamment sur les données.
Le secteur industriel investit massivement dans l’intelligence artificielle, avec des ambitions claires sur la transformation des opérations. Une étude mondiale de Riverbed montre pourtant un décalage persistant entre les investissements engagés et la capacité réelle à déployer ces technologies à grande échelle.
Des investissements en hausse, une maturité encore limitée
Les entreprises industrielles ont nettement renforcé leurs budgets consacrés à l’intelligence artificielle, portées par la promesse d’une meilleure efficacité opérationnelle et d’une réduction des coûts. Selon l’étude, 87 % des décideurs constatent déjà des résultats conformes, voire supérieurs, à leurs attentes en matière de retour sur investissement.
Dans les faits, la majorité des initiatives reste à un stade intermédiaire. Près de deux projets sur trois se situent encore en phase pilote ou en développement. Seule une minorité d’organisations affirme disposer des capacités nécessaires pour un déploiement à grande échelle.
Ce contraste traduit un enthousiasme réel, mais aussi une difficulté à transformer l’essai. Les directions affichent leur confiance, tandis que les équipes techniques doivent composer avec des contraintes bien plus concrètes sur le terrain.
La qualité des données, principal point de blocage
L’un des enseignements majeurs de l’enquête concerne le rôle central des données. Une large majorité des répondants considère leur qualité comme un levier décisif pour la réussite des projets d’intelligence artificielle.
Pourtant, les fondations restent fragiles. Près de la moitié des entreprises doutent de la fiabilité et de l’exhaustivité de leurs données. À peine un tiers juge leur niveau satisfaisant en matière de pertinence et d’adéquation aux usages attendus.
Richard Tworek, directeur technique chez Riverbed, souligne ce paradoxe. Les entreprises obtiennent déjà des résultats encourageants, mais peinent à aller plus loin faute de bases suffisamment solides. Selon lui, le passage à l’échelle dépend avant tout d’une meilleure maîtrise des données utilisées.
Outils, réseaux et collaboration sous tension
Au-delà des données, l’écosystème technologique lui-même pose question. Les entreprises industrielles utilisent en moyenne plus d’une dizaine d’outils d’observabilité issus de multiples fournisseurs. Cette dispersion complique la gestion quotidienne et pèse sur les coûts.
Une vaste majorité des organisations cherche désormais à rationaliser cet environnement, avec un objectif clair : gagner en efficacité et en cohérence. Cette dynamique s’accompagne d’une attention accrue portée à l’intégration entre systèmes. Les outils de communication montrent aussi ces limites. Bien qu’adoptés par une part importante des salariés, ils souffrent encore de problèmes de performance et d’interopérabilité. Les interruptions d’appels ou le manque de visibilité restent fréquents.
Les infrastructures réseau et la circulation des données apparaissent comme des éléments déterminants. Les entreprises placent en tête de leurs priorités la performance et la sécurité, conscientes que ces facteurs conditionnent directement la réussite de leurs projets liés à l’intelligence artificielle.
Article basé sur un communiqué de presse reçu par la rédaction.
Restez à la pointe de l'information avec INTELLIGENCE-ARTIFICIELLE.COM !
- Partager l'article :
