Cette semaine apporte son nouveau chapitre dans le grand livre de l’IA.
Redéfinir l’intelligence d’entreprise grâce à l’IA autonome
Une infrastructure modulable, la souveraineté des données et une coordination interfonctionnelle peuvent favoriser la circulation des informations et permettre à l’IA de gagner en intelligence.
L’IA d’entreprise n’est plus une simple ambition pour l’avenir. Elle est désormais pleinement opérationnelle. Les capacités des modèles évoluent plus rapidement que la plupart des entreprises ne peuvent s’y adapter, tandis que le coût de la performance ne cesse de baisser. À l’échelle mondiale, les investissements dans l’IA devraient atteindre 2 500 milliards de dollars en 2026, soit une hausse de 44 % par rapport à l’année précédente.
Pour de nombreuses entreprises, cet investissement a entraîné une fragmentation.
Dans le même temps, pour de nombreuses entreprises, cet investissement a entraîné une fragmentation. Les informations peuvent s’accumuler dans des « silos », de sorte que les commerciaux ignorent, par exemple, l’existence de tickets d’assistance en cours, ou que les systèmes marketing personnalisent le contenu sans avoir connaissance des informations dont dispose déjà le service financier sur un client. Chaque fonction peut certes fonctionner correctement prise isolément, cependant l’entreprise dans son ensemble en tire peu d’enseignements et dispose de moins d’informations sur lesquelles s’appuyer pour agir.
Le passage de l’IA en tant qu’outil à l’IA en tant que modèle opérationnel — ce que nous appelons dans ce rapport le « tournant agentique » — exige quelque chose de plus fondamental que de meilleurs modèles ou une infrastructure plus rapide. Il nécessite de relier les personnes, les processus et les données en temps réel, tout en mettant en place la gouvernance et les mécanismes de contrôle nécessaires pour exploiter ces informations de manière fiable.
Cela implique de repenser simultanément l’architecture et les modèles opérationnels. D’une part, il s’agit de refondre l’infrastructure de données en privilégiant l’accessibilité plutôt que le volume. D’autre part, il faut remplacer les piles technologiques fixes par des architectures modulaires capables d’évoluer au gré des changements apportés aux modèles et aux outils. Enfin, il s’agit de résoudre les questions relatives à la souveraineté en matière d’IA, notamment celles concernant le lieu où l’intelligence est hébergée, qui la contrôle et comment elle fonctionne au-delà des frontières organisationnelles et juridictionnelles.
Le problème de mise à l’échelle de l’IA en entreprise est de nature structurelle. Les entreprises qui privilégient les processus prennent une longueur d’avance. Les dépenses mondiales en matière d’IA augmentent fortement et les capacités des modèles évoluent plus sans tarder que la plupart des organisations ne parviennent à les intégrer. Pourtant, la majorité des entreprises ne parviennent toujours pas à accroître leur chiffre d’affaires grâce à l’IA ni à repenser en profondeur leur mode de fonctionnement. Les structures qui génèrent des rendements durables ont toutes en commun une même rigueur. Elles considèrent la refonte des processus comme une étape préalable au choix d’un modèle d’IA, en anticipant l’évolution de la technologie plutôt que de devoir adapter a posteriori les rôles et les flux de travail après le déploiement. Pour elles, la transition vers une approche axée sur l’agent commence par le modèle opérationnel.
Ce qu’il faut garder à l’esprit :
- D’une part, il s’agit de refondre l’infrastructure de données en privilégiant l’accessibilité plutôt que le volume.
- Les structures qui génèrent des rendements durables ont toutes en commun une même rigueur.
Les implications concrètes de cette annonce se dessineront progressivement.
Pour aller plus loin :
Selon l’information initialement publiée par MIT Technology Review : MIT Technology Review