Les prévisions 2025 de PwC sur l’IA en entreprise

• PwC estime que l’IA crée de la valeur à l’échelle de l’entreprise et des secteurs, et que les entreprises qui l’exploitent de manière proactive prendront durablement de l’avance
• PwC prévoit que l’IA jouera un rôle clé dans les opérations, la stratégie et les modèles économiques, et qu’elle sera intégrée et diffusée encore plus rapidement en 2025
• « La vision de l’IA et la manière dont elle est adoptée seront des facteurs clés du succès ou de l’échec des entreprises »
  • Il est désormais clair que l’IA peut apporter une valeur significative à grande échelle, et nous n’en sommes encore qu’au début
  • Selon la PwC 2024 Pulse Survey, 49 % des responsables technologiques interrogés ont déclaré avoir pleinement intégré l’IA dans leur stratégie business centrale, et un tiers a également répondu l’avoir pleinement intégrée dans ses produits et services
• Intégrer l’IA à l’échelle de l’organisation est indispensable
  • Une façon d’obtenir une valeur de rupture consiste à réaliser de « grands sauts », comme de nouveaux modèles économiques
  • Une autre consiste à obtenir progressivement, dans plusieurs domaines, des gains de productivité de 20 à 30 %, une meilleure vitesse de mise sur le marché ou une hausse du chiffre d’affaires
  • À force de répétition et d’accumulation, cela transforme fondamentalement l’entreprise dans son ensemble
• Il existe aussi des attentes excessives autour de l’IA
  • Toutes les promesses ne se concrétiseront pas, mais le rythme d’innovation, les investissements et l’accueil du monde des affaires autour de l’IA sont sans précédent
  • Même Internet (inventé en 1983) n’a pas progressé aussi vite
  • Les prévisions ci-dessous donnent une orientation sur ce qui se passera au cours des 12 prochains mois, ce qui pourrait arriver ensuite, et ce qu’il faut faire dès maintenant

1. La stratégie IA déterminera la compétitivité

• Une stratégie IA consiste à se concentrer sur la création de valeur qui commence dès maintenant
  • Cela signifie une valeur qui va bien au-delà de la simple productivité ou efficacité
  • Certains systèmes d’IA peuvent raisonner de manière autonome, « comprendre » l’impact de leurs décisions et réaliser des tâches complexes (comme concevoir de nouveaux services ou des stratégies d’entrée sur le marché)
  • L’IA atteint progressivement un niveau de puissance et de fiabilité tel qu’il faut désormais l’intégrer à l’ensemble des opérations
  • Si des concurrents adoptent l’IA de façon aussi offensive, l’écart avec les entreprises qui ne le font pas sera difficile à combler
• Une stratégie IA efficace exige une approche par portefeuille conçue pour créer à grande échelle une valeur exploitable dès cette année
  • Le premier axe est le « ground game », une approche systématique visant à accumuler de nombreuses petites réussites
    • Elle crée de la valeur cumulée en améliorant progressivement l’expérience client, les services générateurs de revenus et la productivité
  • Le deuxième axe est celui des « roofshots », des projets visant de nouvelles façons de travailler, d’interagir avec les clients ou de concevoir les produits
    • Ce sont des domaines réalisables, mais qui demandent des ressources et une attention soutenues
  • Le troisième axe est celui des « moonshots », des projets très ambitieux mais à fort potentiel de récompense, comme des modèles économiques entièrement nouveaux fondés sur l’IA
    • Comme ces projets exigent un haut niveau d’expertise IA et de ressources, ils doivent être pilotés au niveau C-level
• Le choix du grand modèle de langage (LLM) ne sera pas si important sur le plan stratégique
  • Il y aura de nombreuses excellentes options, et il est probable que tout le monde les utilisera
  • Le véritable point de différenciation résidera plutôt dans la façon de les combiner avec les connaissances organisationnelles et les données propres à l’entreprise
  • L’enjeu sera de bien mettre cela en œuvre à l’aide d’une architecture cloud compatible avec l’IA

« L’adoption de l’IA progresse très rapidement chez PwC comme chez les clients de tous les secteurs. En 2025, la qualité, la précision, les capacités et l’automatisation progresseront fortement et se renforceront mutuellement, accélérant vers une croissance exponentielle »

• Après 2025 : seules quelques entreprises finiront par prendre l’avantage

  • Certaines entreprises ont autrefois créé des modèles économiques basés sur Internet, ce qui leur permet encore aujourd’hui de dominer le marché
  • L’IA devrait suivre une dynamique similaire
  • Les entreprises qui mettront rapidement en œuvre de nouveaux modèles opérationnels et économiques fondés sur l’IA, ou celles qui auront l’IA au cœur de leur ADN dès l’origine, prendront l’avantage dans la concurrence
  • L’écart entre les leaders de l’IA et les entreprises à la traîne va se creuser, avec des effets possibles sur l’ensemble des économies nationales
  • Les entreprises américaines, soumises à une réglementation relativement plus souple, pourraient progresser plus vite
  • À l’inverse, dans l’UE ou en Chine, où la réglementation est plus stricte, le rythme de progression pourrait être relativement plus lent

• Ce qu’il faut faire maintenant

  • Il faut mener une évaluation stratégique formelle
    • Il faut identifier le rôle que l’IA peut jouer dans l’organisation et dans le secteur
    • Par exemple, l’IA peut comprimer les marges dans certains domaines d’activité, tout en permettant dans d’autres une croissance explosive grâce à de nouveaux produits peu coûteux et personnalisés
  • Adopter une approche “less is more” pour les données
    • Une stratégie d’exploitation des données à l’échelle de l’entreprise est nécessaire pour l’adoption de l’IA
    • En même temps, il n’est pas nécessaire de remettre parfaitement en ordre toutes les données d’un seul coup
    • Il est plus efficace de moderniser d’abord les données à forte valeur en fonction des priorités stratégiques clés
    • Aujourd’hui, l’IA peut déjà produire des performances significatives avec de petits jeux de données de haute qualité
    • Les lacunes peuvent être compensées à l’aide de données synthétiques, entre autres
    • Des domaines comme la fiscalité, avec leurs processus fondés sur des règles et très consommateurs de données, peuvent convenir à des déploiements pilotes, et il existera aussi d’autres opportunités de monétisation fondées sur les données
  • L’examiner sous l’angle des opérations et des KPI
    • Il faut mesurer comme des performances business le nouveau chiffre d’affaires généré par l’IA, la vitesse d’exécution des projets, la productivité, l’expérience, etc.
    • En parallèle, il est important de concevoir des indicateurs qui n’encouragent pas une automatisation excessive
    • L’IA nécessite toujours une supervision humaine et du leadership

2. Les agents IA pourraient effectivement doubler la capacité de la main-d’œuvre

• Contrairement aux prévisions selon lesquelles l’IA réduirait les effectifs, on s’attend en réalité à voir de nouveaux « agents IA », des travailleurs numériques, rejoindre les équipes
  • Ces agents IA prendront en charge des tâches de travail intellectuel, de vente ou de support terrain, et pourraient transformer la vitesse de mise sur le marché, la relation client et la conception produit
  • Ils peuvent par exemple traiter des demandes clients courantes, rédiger des ébauches de code logiciel ou transformer des idées de design humaines en prototypes
• La valeur essentielle continue toutefois de venir de la combinaison entre leadership humain et technologie IA
  • L’IA automatise les tâches simples, tandis que les humains les pilotent et les supervisent
  • Pour les tâches complexes (innovation, design, etc.), humains et IA font évoluer les idées ensemble de manière itérative
  • Même lorsqu’on utilise plusieurs agents IA simultanément, les humains gardent un rôle de répartition du travail et d’orchestration des résultats
• Selon le Workforce Radar 2024 de PwC, 41 % des dirigeants estiment que la formation, la culture d’entreprise et l’évolution du travail figurent parmi les principaux défis de l’adoption de l’IA générative
• L’intégration à part entière des agents IA dans la stratégie de main-d’œuvre constitue un changement majeur
  • Par exemple, il devient nécessaire d’intégrer les travailleurs numériques dans la stratégie RH et de créer de nouveaux rôles de management pour les suivre et les gérer
  • Plus le modèle opérationnel est réorganisé rapidement, plus il devient possible de tirer parti des avantages de l’IA
  • Une main-d’œuvre hybride, composée d’humains et de travailleurs numériques, permet de redéployer les ressources plus vite et de réagir avec plus d’agilité
• La montée en puissance des agents IA permet aussi de rapatrier en interne une partie des tâches auparavant externalisées
  • L’avantage ne se limite pas à la réduction des coûts, mais concerne aussi la satisfaction des utilisateurs et la personnalisation
  • Du point de vue du service client, cela permet d’offrir à la fois un self-service rapide et une assistance humaine hautement qualifiée
  • Les agents IA peuvent fournir les bonnes informations au bon moment, afin d’aider les humains à résoudre rapidement et efficacement des besoins clients complexes
  • Cela pourrait aussi conduire à réévaluer l’empreinte géographique et les plans d’externalisation

« Les agents IA ont un fort potentiel pour créer une productivité et une innovation sans précédent en combinant la créativité humaine et l’efficacité des machines »

• Après 2025 : les centres d’agents remplaceront les centres d’excellence (Excellence)

  • À mesure que les entreprises amélioreront leur capacité à coordonner et gérer les agents IA, elles pourraient aller jusqu’à “offshorer” une main-d’œuvre centrée sur les agents IA dans des régions à bas coûts
  • Elles pourraient aussi bénéficier d’avantages fiscaux selon la propriété intellectuelle (IP) créée pendant le développement des agents et le lieu où cette IP est localisée
  • Construire directement son propre « centre d’agents » plutôt que louer des agents à un fournisseur implique un coût initial, mais pourrait offrir un ROI supérieur en quelques années

• Ce qu’il faut faire maintenant

  • Changer de mentalité
    • Il faut apprendre une nouvelle manière de travailler, en collaborant avec les agents IA comme avec des collègues autonomes et créatifs
    • Au niveau du leadership, il est nécessaire de montrer clairement que l’IA vise à renforcer la valeur des personnes
  • Donner à la RH un nouveau playbook
    • Pour gérer une main-d’œuvre qui inclut à la fois des humains et des agents IA, les RH doivent elles-mêmes acquérir de nouvelles compétences
    • En particulier, si l’IA prend en charge la majorité des tâches d’entrée de gamme, des partenariats avec les universités et autres établissements pourraient être nécessaires afin de préparer les nouveaux recrutés à assumer immédiatement des rôles de niveau plus élevé
  • Se préparer à gérer les travailleurs numériques
    • Comme les agents IA disposeront d’un certain degré d’autonomie, un modèle de gestion centré sur l’humain deviendra nécessaire
    • Lors du déploiement des agents, il faudra tenir compte de l’équilibre entre coût et ROI, et développer des indicateurs pour les équipes hybrides humain-IA
    • Une supervision stricte sera nécessaire pour éviter que les agents IA n’adoptent des comportements imprévisibles, nocifs ou non conformes
    • À cet égard, une stratégie de Responsible AI peut constituer un cadre de réponse global utile

3. Le ROI de l’IA dépend du Responsible AI

• Comme nous l’avions prévu l’an dernier, les dirigeants ont continué à accorder une attention soutenue à la gestion des risques liés à l’IA et aux pratiques de Responsible AI
• Mais jusqu’à présent, la mise en œuvre concrète est restée insuffisante
• En 2025, les entreprises n’auront plus la marge de manœuvre nécessaire pour appliquer la gouvernance de l’IA de façon incohérente à l’échelle de l’organisation
  • À mesure que l’IA s’intègre profondément aux opérations et aux offres sur le marché, un cadre transparent devient nécessaire pour préserver durablement la valeur des investissements et gérer les risques liés aux déploiements à grande échelle
  • Si, dans un contexte de déploiement massif, l’IA produit des erreurs ou génère des risques comme des menaces de sécurité, l’impact sur l’entreprise pourrait être considérable
  • Par conséquent, une gestion rigoureuse des risques IA et une validation des contrôles devraient devenir indispensables
• Selon la 2024 US Responsible AI Survey de PwC, 46 % des dirigeants citent la différenciation de leurs produits et services comme principal objectif de leurs investissements dans les pratiques de Responsible AI
• Les dirigeants, en particulier ceux qui portent l’innovation IA, n’attendront pas passivement une clarification réglementaire
  • Parce que l’IA évolue trop vite et joue un rôle trop important pour le business
• Par le passé, l’IA n’était appliquée qu’à quelques cas isolés, de sorte qu’en cas d’échec, l’impact restait limité
  • Mais désormais, les employés utilisent l’IA au quotidien et les clients accèdent fréquemment à des fonctionnalités basées sur l’IA
  • Si la confiance dans l’IA est ébranlée, cela pourrait aussi peser sur la croissance du chiffre d’affaires
• Pour concrétiser la valeur attendue de l’IA, une validation indépendante est nécessaire
  • L’équipe chargée de l’audit interne peut développer une expertise sur les sujets IA, ou l’entreprise peut mandater des experts externes pour évaluation
  • Quelle que soit l’approche retenue, un regard indépendant sur la gouvernance et les contrôles de l’IA restera essentiel au-delà de 2025

« Une gouvernance IA réussie se définira non seulement par l’atténuation des risques, mais aussi par sa capacité à atteindre les objectifs stratégiques et à générer un ROI élevé »

• Après 2025 : les approches réglementaires liées à l’IA favoriseront une innovation continue

  • À la suite du résultat des élections de novembre, la réglementation au niveau fédéral devrait conserver une forme souple, ce qui pourrait avoir un effet positif sur le progrès technologique de l’IA et l’élargissement de ses usages
  • En revanche, les initiatives réglementaires au niveau des États devraient continuer à évoluer rapidement, avec parfois des règles contradictoires
    • En particulier dans des domaines comme la protection de la vie privée, les règles peuvent varier d’un État à l’autre
  • Malgré cela, les États-Unis devraient rester l’environnement le plus favorable à l’innovation en IA

• Ce qu’il faut faire maintenant

  • Évaluation globale des risques
    • L’évaluation des risques IA est le point de départ du Responsible AI
    • Pour rendre les décisions de gouvernance cohérentes et reproductibles, il faut un cadre standardisé de classification des risques spécifiquement conçu pour l’IA
    • Exemple : chez PwC, un cadre de classification des risques est utilisé, couvrant les modèles IA, les données, les systèmes et infrastructures, les utilisateurs, les aspects juridiques et de conformité, ainsi que l’impact sur les processus
    • Il est aussi important de vérifier comment les fournisseurs et prestataires utilisent l’IA, et si cela peut être validé via des rapports comme SOC-2
  • Choisir un dispositif de validation indépendante
    • Il faut ajouter une couche indépendante de vérification continue des systèmes et des résultats IA, via une équipe interne spécialisée ou un prestataire externe expert
    • Il est préférable de commencer par les domaines présentant les risques les plus élevés ou les impacts financiers les plus importants
  • Tenir compte des différences sectorielles
    • Tous les secteurs ont besoin de gouvernance et de supervision de l’IA, mais les exigences diffèrent selon les industries
    • Exemple : les services financiers doivent adapter à l’ère de l’IA le respect d’exigences de conformité déjà complexes
    • Les entreprises qui collaborent avec le secteur public, notamment dans l’aéronautique, le spatial ou la défense, doivent suivre de près les évolutions réglementaires mondiales
    • Pour élaborer leur propre réponse au niveau sectoriel, elles peuvent aussi benchmarker les standards de gouvernance IA de leurs pairs au moyen d’une enquête simple

4. L’IA est à la fois un levier de création de valeur et un contributeur à la durabilité

• L’IA accélère la transition énergétique
• Si elle est utilisée de manière appropriée dans des secteurs à fortes émissions de carbone comme l’industrie manufacturière, la construction ou les transports, elle peut aussi aider les entreprises à atteindre leurs objectifs de durabilité
• Toutefois, les ressources en électricité et en calcul ne sont pas encore suffisantes aujourd’hui pour permettre une diffusion de l’IA à grande échelle
• Le nombre de puces augmente, les modèles progressent et les sources d’énergie se diversifient, mais en 2025, il est probable que l’offre et la demande ne soient pas encore à l’équilibre
• Il faut donc adopter une approche stratégique plutôt que déployer l’IA à tout-va
  • Ex. : réfléchir à une conception UI/UX qui n’encourage pas les appels IA incontrôlés ni le gaspillage de tokens par les utilisateurs

63 % des entreprises les plus performantes prévoient d’augmenter leur budget cloud pour utiliser la GenAI, et parmi elles, 34 % citent les enjeux de durabilité comme moteur de cette hausse budgétaire
(PwC’s 2024 Cloud and AI Business Survey)

• À long terme, l’IA deviendra un catalyseur des initiatives de durabilité
  • À l’échelle mondiale, l’adoption des énergies renouvelables devrait s’accélérer
  • Aux États-Unis, il sera difficile de construire de nouvelles centrales à combustibles fossiles de grande taille pour des raisons économiques ou du fait des attentes des parties prenantes
  • Pour répondre à la demande des entreprises, on peut s’attendre à une expansion des énergies renouvelables (y compris le nucléaire) et de réseaux électriques plus efficaces
• L’empreinte carbone générée par les fournisseurs d’IA peut elle aussi être répercutée dans les indicateurs d’émissions des entreprises utilisatrices finales
  • Il peut être nécessaire de rechercher des fournisseurs d’IA plus écologiques ou d’exiger d’eux une gestion plus verte
• Même dans le cadre des nouvelles règles de publication d’informations en matière de durabilité (aux États-Unis, dans l’UE, etc.), l’IA peut automatiser la collecte de données internes et externes, l’analyse et la génération de rapports
  • La suspension temporaire des règles de divulgation climatique de la SEC augmente la probabilité que certains États, comme la Californie, établissent leurs propres réglementations
• L’IA peut contribuer à renforcer la durabilité en analysant plus finement les données sur l’ensemble de la chaîne d’approvisionnement
  • Ex. : même de petits fournisseurs peuvent fournir des données précises, comme leur consommation d’énergie mensuelle ou annuelle
  • Grâce à l’IA, les entreprises peuvent quantifier non seulement leurs émissions carbone, mais aussi la valeur potentielle de la commercialisation de produits bas carbone
• Lorsque ces capacités d’IA seront intégrées aux tâches quotidiennes, tous les collaborateurs — et pas seulement les responsables ESG — pourront utiliser les données pour prendre des décisions

« Affirmer que l’IA est anti-durabilité est faux. Si elle est utilisée correctement, elle aide au contraire à atteindre divers objectifs de durabilité, y compris les objectifs de réduction des émissions de carbone »

• Après 2025 : les coûts devraient devenir quasi nuls

  • Avec la diffusion de nouvelles formes de ressources de calcul et d’énergies renouvelables, les coûts devraient chuter rapidement
  • En conséquence, les conditions devraient être réunies pour appliquer l’IA à grande échelle dans l’ensemble des entreprises et des secteurs

• Ce qu’il faut faire dès maintenant

  • Approche stratégique
    • Toute l’entreprise doit pouvoir utiliser les fonctions de base de l’IA, mais il faut décider avec soin dans quels domaines déployer des solutions d’IA avancées
    • Il est préférable que cette décision soit prise au niveau C-level, en fonction des atouts de l’entreprise, de ses ressources en données et de ses priorités
  • Transformation des données de durabilité
    • L’IA permet de réutiliser, pour différentes réglementations, des données collectées et analysées une seule fois, ce qui réduit les coûts de conformité et permet de mesurer plus précisément les émissions carbone et l’impact global en matière de durabilité
    • Il faut prendre en compte non seulement l’impact direct de l’IA (son usage propre), mais aussi les émissions de carbone générées indirectement via les fournisseurs d’IA
    • Ces données mesurées peuvent aussi servir à renforcer le marketing
      • Ex. : identifier les segments de clients prêts à payer plus cher pour des produits bas carbone
  • Exploiter de nouveaux avantages en matière de durabilité
    • Les gains d’efficacité liés à l’IA peuvent aussi réduire la demande énergétique
    • Ex. : si un cycle de R&D est réduit de moitié, l’énergie consommée par ce processus diminue elle aussi
    • En intégrant l’IA dans les bâtiments ou les systèmes de gestion de l’énergie pour améliorer l’efficacité, on peut faire d’une pierre deux coups : réduire les coûts et les émissions carbone

5. L’IA réduit de moitié le cycle de développement produit

• Pour les entreprises qui fabriquent des produits physiques, c’est le bon moment d’introduire l’IA dans la conception, le prototypage et les tests si ce n’est pas encore fait
• L’IA multimodale peut traiter et générer divers éléments comme des fichiers CAD ou des simulations
  • Ex. : la GenAI peut proposer des configurations de châssis automobile, simuler leurs performances dans différentes conditions et suggérer des alternatives de design que les ingénieurs pourraient ne pas voir
• L’usage de l’IA permet de ramener à quelques heures des itérations de conception qui prenaient autrefois plusieurs semaines, et de détecter davantage d’erreurs grâce aux tests virtuels avant même de fabriquer un prototype physique
• D’après les cas clients de PwC ainsi que l’analyse des tendances technologiques et sectorielles, dans l’automobile et l’aérospatial, l’adoption de l’IA peut réduire de 50 % le time-to-market et de 30 % les coûts
• Dans l’industrie pharmaceutique, il existe déjà des exemples où l’IA a réduit de plus de 50 % le temps nécessaire à l’identification de candidats médicaments
• Cela dit, l’écart entre l’expertise d’ingénierie et les compétences en data science constitue souvent un obstacle
  • Il est nécessaire soit de former les ingénieurs spécialisés en conception et en fabrication aux usages de l’IA, soit d’attirer activement des talents de l’IA
• L’introduction de l’IA dans le développement produit peut accélérer la mise sur le marché, réduire les coûts et permettre des produits plus personnalisés, ce qui peut accroître la satisfaction client

« L’impact des capacités visuelles et génératives multimodales de l’IA sur le design produit et d’autres domaines n’en est qu’à ses débuts »

• Après 2025 : le début d’une nouvelle ère d’innovation

  • En requalifiant — ou en remplaçant — les professionnels de la conception et de l’ingénierie pour les doter de compétences d’usage de l’IA, les capacités de R&D seront fortement renforcées
  • Il en résultera probablement une accélération de l’innovation dans la conception et le développement produit

• Ce qu’il faut faire dès maintenant

  • Adopter l’ingénierie de nouvelle génération
    • Pour utiliser l’IA dans la conception produit et d’autres domaines, une architecture cloud et data moderne est nécessaire
    • Il faut aider les équipes d’ingénierie à exploiter des technologies comme l’« edge AI »
  • Réorganiser l’IT
    • L’IA peut améliorer l’ensemble des modes de travail IT, du développement logiciel à la sécurité en passant par la modernisation des données
    • Cela constitue la base qui soutient des initiatives IA plus larges
  • Réorganiser les équipes techniques
    • Même les équipes qui ne travaillent que sur des produits physiques ont besoin de compétences en informatique et en data science
    • La composition des compétences des équipes techniques va évoluer, et il faut repenser leur structure en conséquence

6. Le paysage concurrentiel va changer dans l’ensemble des secteurs

• L’IA va transformer tous les secteurs, mais certains avanceront probablement plus vite que d’autres
• Des cas d’adoption pionniers de l’IA peuvent aussi émerger dans des secteurs qui n’étaient pas traditionnellement considérés comme portés par la technologie

• Marché grand public

  • L’usage de l’IA va s’étendre à l’ensemble des fonctions, notamment le marketing, la gestion de la supply chain, la finance et le service client
  • L’association de nouveaux chatbots conversationnels plus riches et d’agents IA devrait améliorer le service client
    • Cela peut permettre de transmettre avec précision aux employés les informations dont ils ont besoin, afin d’améliorer l’efficacité de la relation client
  • Une tarification dynamique avancée fondée sur l’IA sera mise en place, afin de réagir en temps réel aux fluctuations du marché et à la concurrence
  • Les capacités d’analyse de données et d’automatisation de l’IA peuvent accélérer les due diligences de M&A ainsi que la réponse aux exigences de conformité réglementaire
  • Certaines entreprises introduiront aussi l’IA dans la conception de produits, mais à court terme l’adoption pourrait rester limitée en raison d’un manque de technologies et de compétences
    • Les entreprises en retard devront s’efforcer de réduire rapidement l’écart

• Services financiers

  • L’impact de l’IA est déjà large, mais les résultats visibles progressent particulièrement vite chez les startups AI-native et les grands établissements financiers
  • Les fintech AI-native résolvent des problèmes existants grâce à de nouvelles plateformes et de nouveaux business models
  • Les grands établissements financiers ont eux aussi, de manière générale, expérimenté plusieurs cas d’usage de l’IA
    • Cela leur a permis de gagner en confiance dans la technologie et d’améliorer leurs modèles de risque et de contrôle, posant ainsi les bases d’une progression rapide
  • À partir de 2025, les entreprises qui continuent à hésiter ou se contentent d’étudier l’adoption de l’IA risquent de prendre un retard net

• Santé

  • En 2025, un environnement réglementaire plus souple devrait accélérer l’usage de l’IA dans le secteur de la santé
    • Dans le cadre des politiques de la nouvelle administration, l’accent sera mis sur l’auto-gouvernance, ce qui élargira la marge d’innovation
  • Les entreprises pharmaceutiques et de dispositifs médicaux utiliseront massivement l’IA, en particulier pour le développement de nouveaux médicaments et produits, afin de transformer l’ensemble de la chaîne de valeur
  • Les assureurs et les prestataires de soins appliqueront davantage l’IA à l’optimisation du chiffre d’affaires et de l’efficacité opérationnelle, à la résolution des pénuries de personnel clinique et à l’aide au diagnostic pour les médecins
  • Les enjeux clés seront la remise à niveau des compétences des professionnels de santé, la personnalisation, la modernisation technologique et l’usage responsable de l’IA
    • Comme il s’agit d’un domaine touchant à des informations patients sensibles et à des questions vitales, un haut niveau de responsabilité devra être maintenu même avec davantage de souplesse réglementaire

• Industrie

  • En 2025, certaines entreprises de premier plan prendront un avantage concurrentiel au sein de leur secteur
    • Les entreprises disposant de données de qualité et de processus standardisés amélioreront leur efficacité et leurs insights grâce à l’IA, accéléreront la R&D et réduiront leur time-to-market
  • Les autres entreprises devraient à la fois renforcer leur infrastructure technologique, leur gouvernance des données et leurs capacités en IA, tout en accélérant le rythme de l’expérimentation
    • Dans ce processus, il deviendra nécessaire de réexaminer le modèle opérationnel, la structure organisationnelle et les besoins en effectifs

• Technologie, médias et télécommunications

  • En 2025, les agents IA devraient commencer à modifier la manière dont les plateformes logicielles sont utilisées
    • Les agents IA pourront combler les lacunes de systèmes existants comme les ERP, si bien que certaines entreprises pourraient moins investir qu’auparavant dans les mises à niveau de leurs plateformes
    • En conséquence, les éditeurs de logiciels pourraient faire évoluer leur business model vers la fourniture de solutions IA sur mesure plutôt que vers la construction d’infrastructures à grande échelle
  • Les opérateurs télécoms devraient renforcer leurs capacités IA internes et réduire leur dépendance à leurs partenaires traditionnels en adoptant des solutions hybrides combinant machine learning, jumeaux numériques et IA générative