L’IA produit de plus en plus souvent des résultats concrets. Selon la dernière édition de l’AI Momentum Survey de Dun & Bradstreet, plus de trois organisations sur quatre tirent désormais un rendement mesurable de l’IA. Pourtant, seules 6 % estiment que leurs données sont pleinement prêtes à soutenir son déploiement à grande échelle.
Cette étude est menée chaque trimestre auprès de 10 000 entreprises dans 32 pays. Elle permet de suivre la rapidité avec laquelle l’IA évolue, tout en révélant les limites qui apparaissent à mesure que son usage s’étend. Le rendement progresse fortement, tandis que le niveau de préparation à l'IA des données sous-jacentes évolue à peine.
Le rendement de l’IA a fortement progressé en un trimestre
Lors de l’édition précédente, 60 % des organisations déclaraient tirer au moins un rendement mesurable de l’IA. Un trimestre plus tard, cette proportion dépasse 75 %. La part des organisations qui constatent un rendement important sur plusieurs projets d’IA est également passée de 24 % à 28 %.
L’IA est donc de plus en plus évaluée à l’aune de ce qu’elle apporte concrètement. Une grande partie de ce rendement reste toutefois limitée à des applications précises et à des projets pilotes. Le succès d’un cas d’usage au sein d’une équipe ne garantit pas que les mêmes résultats puissent être obtenus dans plusieurs processus.
Lisez aussi : La nouvelle phase de l’IA : de l'expérimentation au rendement
De plus en plus d’organisations étendent l’usage de l’IA
Le passage en production s’accélère lui aussi. La part des organisations qui étendent activement l’usage de l’IA est passée de 30 % à 34 % en un trimestre. Plus de la moitié l’utilisent désormais dans plusieurs processus clés, la déploient plus largement ou ont recours à des applications d’IA agentique.
Cette évolution renforce les exigences en matière de données. Un projet pilote limité à un cas d’usage précis peut encore s’appuyer sur une seule source de données, complétée par des vérifications manuelles. Lorsque l’usage de l’IA s’étend, celle-ci doit pouvoir combiner de manière fiable des informations issues de différents systèmes et processus. Les clients, les fournisseurs et les liens entre sociétés d’un même groupe doivent être identifiés de façon cohérente dans toute l’organisation.
Lisez aussi : L’IA agentique : passer de la promesse à l’application concrète
Les données ne suivent pas le rythme
Alors que le rendement de l’IA progresse et que son usage s’étend, la préparation des données évolue très peu. Parmi les organisations interrogées, 47 % considèrent que leurs données sont partiellement prêtes pour l’IA et 36 % qu’elles le sont en grande partie. Seules 6 % disposent de données pleinement adaptées à un usage de l’IA à grande échelle, contre 5 % un trimestre plus tôt.
Cette faible progression montre que la maturité en matière d’IA et celle des données n’évoluent pas automatiquement au même rythme. Il est relativement facile d’obtenir des résultats rapides lorsque l’IA est utilisée pour un besoin bien précis. En revanche, nettoyer, relier et maintenir à jour les données d’entreprise dans plusieurs systèmes et services demande davantage de temps et d’efforts.
À mesure que l’usage de l’IA s’étend, les problèmes de qualité des données ont également des conséquences plus importantes. Les doublons dans les fichiers d’entreprise, les informations obsolètes et l’absence de liens entre sociétés d’un même groupe n’affectent alors plus une seule analyse, mais plusieurs processus et décisions à la fois.
Comment maintenir le rendement de l’IA dans la durée ?
Les chiffres trimestriels montrent que l’IA produit des résultats de plus en plus rapidement, tandis que la qualité et la préparation des données sous-jacentes peinent à suivre. Ce décalage devient particulièrement visible lorsque les organisations cherchent à étendre son usage. L’IA ne doit pas seulement avoir accès aux données. Elle doit aussi comprendre de quelle entité juridique il s’agit, comment les organisations sont liées entre elles et si les informations utilisées sont toujours à jour.
La préparation à l’IA ne repose donc pas sur des données parfaites, mais sur un socle de données capable d’évoluer en même temps que l’usage de l’IA dans l’organisation. Au sein de l'écosystème D&B.AI , nous associons données d’entreprise fiables, technologies et conseils afin de fournir aux applications d’IA des informations actualisées, vérifiées et enrichies du contexte professionnel nécessaire.
Vous souhaitez échanger sur le niveau de préparation de votre organisation à l’IA et sur les conditions nécessaires pour en étendre l’usage ? Planifiez un rendez-vous avec nos experts en IA.
