- Selon un rapport du MIT, 95 % des entreprises dans le monde ne tirent aucun rendement concret de l’adoption de l’IA générative
- Les entreprises ont largement expérimenté les grands modèles de langage comme ChatGPT et Copilot, mais la plupart des usages se limitent à des gains de productivité
- Des cas de réussite n’ont été observés que dans 5 % des pilotes IA intégrés, et, dans la majorité des cas, il n’y a eu aucun impact sur le chiffre d’affaires ni sur les bénéfices
- Les principales raisons sont que l’IA générative s’intègre mal aux processus de travail réels, ne retient pas les retours et ne s’adapte pas bien au contexte
- Le rapport relativise les craintes d’un remplacement massif des emplois et estime que la réduction de coûts externes est possible, mais qu’une refonte interne ou des licenciements massifs restent peu réalistes à court terme
- En conclusion, l’IA est plus performante sur des tâches ciblées que comme stratégie globale ; les entreprises devraient donc se concentrer sur des domaines limités où des résultats immédiats sont possibles, plutôt que sur une transformation à l’échelle de toute l’organisation
Investissements des entreprises dans l’IA générative et rentabilité
- Au cours des trois dernières années, les entreprises ont investi 30 à 40 milliards de dollars dans des projets d’IA générative
- Mais très peu d’entre elles en ont tiré un rendement économique réel
- D’après une nouvelle étude du MIT, 95 % des entreprises interrogées déclarent n’avoir constaté aucun gain mesurable malgré l’adoption de l’IA
- Seuls 5 % des projets pilotes IA créent actuellement une valeur de l’ordre de plusieurs millions de dollars
État de l’adoption des grands modèles de langage et leurs limites
- Plus de 80 % des grandes entreprises testent ou exploitent en pilote les principaux LLM comme ChatGPT et Copilot
- Environ 40 % des entreprises ont adopté ces systèmes dans une certaine mesure, mais l’usage reste le plus souvent limité au renforcement de la productivité individuelle des employés
- L’effet sur le chiffre d’affaires global ou les bénéfices des entreprises est quasi nul
Limites techniques de l’IA générative
- Les outils d’IA générative s’adaptent souvent mal aux processus opérationnels réels
- Parmi les problèmes les plus souvent cités : workflows instables, absence d’apprentissage contextuel et mauvaise intégration aux tâches
- La plupart des modèles d’IA générative ne conservent pas les retours passés et ont du mal à transférer des apprentissages d’un contexte ou d’une tâche à l’autre
- Selon le rapport, la majorité des systèmes de GenAI sont incapables de maintenir les retours, de s’adapter au contexte et de s’améliorer dans la durée
- Ces caractéristiques augmentent les coûts d’intégration à long terme en entreprise sans apporter d’amélioration significative de l’efficacité
L’écart entre les attentes business et la réalité
- Malgré des attentes élevées et des investissements importants dans l’IA générative, cela ne se traduit pas par des réductions de coûts ni par une création de revenus tangible
- En pratique, elle est surtout utilisée pour des missions limitées comme le service client, le marketing ou la rédaction de documents : elle fait gagner du temps, mais génère peu d’effet direct sur les revenus
Impact sur l’emploi et la structure des organisations
- Les craintes selon lesquelles l’IA générative provoquerait à court terme une baisse massive de l’emploi reposent sur peu d’éléments solides
- Son effet devrait surtout se limiter à l’optimisation des coûts externes, comme la réduction des dépenses de sous-traitance, plutôt qu’à une transformation de la structure interne des effectifs
- Plutôt qu’un remplacement massif et immédiat des salariés, elle devrait surtout permettre de réduire les coûts d’outsourcing
Malentendus technologiques et limites du progrès
- De nombreux échecs s’expliquent par le fait que les entreprises comprennent mal les capacités réelles et les limites de l’IA
- L’IA générative peut produire rapidement du texte ou du code, mais elle ne dispose pas d’un apprentissage continu ni de la flexibilité d’un humain
- Par exemple, un employé peut s’adapter de manière souple à des erreurs passées ou à de nouvelles demandes, alors que l’IA ne peut pas assurer un tel transfert continu de mémoire
Investissements et orientations futures
- Les investisseurs et les dirigeants misent sur une amélioration continue de la technologie IA, mais, à court terme, les progrès avancent plus lentement que prévu
- Le rapport suggère qu’il est encore trop tôt pour déployer immédiatement l’IA dans tous les secteurs et tous les workflows
- Les organisations doivent concentrer leurs déploiements sur des domaines étroits où des effets immédiats et mesurables sont possibles
- Exemples : automatisation du support client, outils d’assistance au développement, rédaction d’ébauches de documents
- L’intégration de l’IA à l’échelle de toute l’entreprise reste encore risquée et fortement exposée à l’échec
Conclusion et enseignements
- La création de valeur en entreprise par l’IA générative reste limitée à quelques cas de réussite
- Pour la plupart des entreprises, elle n’apporte qu’une aide marginale dans les tâches quotidiennes
- Le rapport souligne que les entreprises doivent considérer l’IA générative non comme un moteur de croissance global, mais comme un outil limité
- Les attentes sont élevées, mais tant que les systèmes actuels ne sauront pas s’adapter comme des humains, les entreprises auront du mal à tirer d’importants profits de l’IA
Aucun commentaire pour le moment.