Les entreprises continuent d’investir dans l’IA, mais les résultats à grande échelle ne suivent pas encore. Selon la dernière enquête AI Momentum Survey de Dun & Bradstreet, 65 % des entreprises prévoient d’augmenter leurs dépenses en IA au cours des douze prochains mois. Pourtant, seules 28 % déclarent obtenir un retour sur investissement important ou généralisé, une proportion inchangée par rapport au troisième trimestre.
Cette étude est menée chaque trimestre auprès de 10 000 entreprises dans 32 pays. Les résultats du quatrième trimestre montrent notamment le lien entre la préparation des données et la rentabilité de l’IA. Les entreprises dont les données sont entièrement AI-ready obtiennent bien plus souvent des résultats à grande échelle que celles dont les données ne le sont que partiellement.

L’IA poursuit son déploiement, mais sa rentabilité ne suit pas
Le passage de la phase pilote au déploiement opérationnel se généralise. Aujourd’hui, 37 % des entreprises déploient l’IA à plus grande échelle, contre 34 % au troisième trimestre. Cependant, les bénéfices restent souvent limités à certaines applications : 44 % des entreprises constatent des résultats positifs dans des projets d’IA spécifiques. Seules 9 % indiquent avoir déployé la majorité de leurs projets pilotes à grande échelle avec des résultats clairement mesurables.
Une application réussie au sein d’une équipe ne garantit donc pas les mêmes bénéfices dans les autres processus de l’entreprise. Pour fonctionner à grande échelle, l’IA doit pouvoir combiner de manière fiable des informations provenant de différents systèmes. Les vérifications et les corrections manuelles, encore possibles lors d’un projet pilote, doivent alors être remplacées par une gestion structurée des données.
Lisez aussi : La nouvelle phase de l’IA : de l'expérimentation au rendement
La qualité de préparation des données influence la rentabilité de l’IA
Het verschil naar datagereedheid is groot. Van de organisaties met volledig données AI-ready rapporteert 81% breed of sterk rendement. Bij organisaties met gedeeltelijk gereedstaande data is dat 12%. Die laatste groep meldt bovendien veel vaker alleen rendement binnen afzonderlijke toepassingen: 57%, tegenover 16% van de organisaties met volledig gereedstaande data.
L’enquête ne démontre pas de lien direct de cause à effet, mais elle met en évidence une forte corrélation. Pour les entreprises qui souhaitent développer l’utilisation de l’IA, il est donc essentiel d’évaluer la fiabilité de leurs données. L’IA peut-elle combiner correctement les informations ? Est-il possible d’identifier précisément les entreprises concernées ? Et ces données restent-elles à jour lorsqu’elles sont utilisées par plusieurs équipes ?
Lisez aussi : Une expérience menée avec l’IA montre pourquoi des données d’entreprise fiables font toute la différence
La préparation des données progresse lentement
Alors que les entreprises développent leurs usages de l’IA, rares sont celles dont les données sont entièrement prêtes. Les résultats du quatrième trimestre révèlent que :
- 8% des entreprises estiment que leurs données sont entièrement prêtes pour l’IA, contre 6 % au troisième trimestre.
- 33% considèrent que leurs données sont en grande partie prêtes, contre 36 % au troisième trimestre.
- 44% déclarent que leurs données ne sont que partiellement prêtes, contre 47 % au troisième trimestre.
Ces chiffres montrent que les progrès restent inégaux. Rendre les données accessibles ne suffit pas. Il faut également pouvoir les identifier, les relier et les maintenir à jour de manière cohérente. Les doublons dans les fichiers clients, les informations obsolètes ou encore l’absence de liens entre les sociétés d’un même groupe peuvent avoir des conséquences sur plusieurs processus et décisions lorsque l’IA est déployée à grande échelle.
Lisez aussi : De données AI-ready à agent-ready : vos données sont-elles prêtes à passer à l’action avec l’IA agentique ?
Transformer les investissements dans l’IA en valeur durable
Les résultats trimestriels montrent qu’augmenter les investissements dans l’IA ne suffit pas à garantir une meilleure rentabilité. Plus l’IA prend de l’importance dans les entreprises, plus il devient essentiel de disposer de données fiables et contextualisées. Une application d’IA doit notamment pouvoir déterminer quelles informations concernent une même entité juridique, comprendre les liens entre différentes entreprises et vérifier que les données utilisées sont toujours à jour.
Le master data management (MDM), ou gestion des données de référence, permet d’organiser, de relier et de maintenir ces informations de manière cohérente entre les différents systèmes. Chez Altares Dun & Bradstreet, nous accompagnons les entreprises dans cette démarche grâce à des données d’entreprise actualisées et vérifiées, ainsi qu’à une connaissance approfondie des relations entre organisations. Cette approche permet de construire une base de données solide, capable d’évoluer avec le développement de l’intelligence artificielle au sein de l’entreprise.
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.