Les responsables IT ne savent pas si les PoC répondent aux indicateurs clés, les KPI

De nombreuses organisations ont lancé des dizaines de PoC d’IA, mais, pour la plupart, ils ont échoué. IDC en analyse les raisons…

Selon IDC, 30 % des CIO reconnaissent qu’ils ne savent pas quel pourcentage de leurs PoC d’IA répondent aux indicateurs clés de performance ou sont considérés comme réussis !

Avec, en moyenne, seulement cinq PoC d’IA sur des dizaines entrant en production, et seulement trois d’entre eux considérés comme réussis, le résultat est un « cycle de rotation » de l’IA générative dans lequel les organisations lancent beaucoup d’expériences avec peu d’impact, explique Daniel Saroff, Group Vice President of Consulting and Research, IDC.

« Lorsqu’ils disent qu’ils ne savent pas quels sont leurs KPI, ce qu’ils disent en réalité, c’est que lorsque la preuve de concept est déterminée, il n’est pas possible de mesurer le succès ! »

Le coût potentiel peut être énorme, certains PoC coûtent fort cher

En attendant, environ 70 % des personnes interrogées par IDC en septembre ont déclaré que neuf applications d’IA personnalisées sur dix n’ont pas réussi à franchir l’étape du PoC et à passer en production. 35 % des CIO ont déclaré qu’aucune de leurs applications d’IA personnalisées n’a dépassé le stade du PoC.

Le bilan est légèrement meilleur avec les applications d’IA conçues par des fournisseurs. Mais près des deux tiers ont néanmoins noté un taux d’échec de 90 % avec les PoC d’IA dirigés par des fournisseurs.

Trop de précipitation, pas assez de préparation

Même lorsque les applications d’IA sont mises en production, de nombreux responsables IT n’ont pas une idée précise de la manière d’en définir le succès. Près de la moitié des décideurs IT indiquent ainsi ne pas savoir si leurs applications d’IA passées en production se traduisent par des bénéfices… ou pensent qu’il est trop tôt pour le dire.

Dans de nombreux cas, les organisations semblent lancer des PoC sans préparation suffisante, souligne Daniel Saroff. Par exemple, elles sont nombreuses à avoir lancé des projets d’IA génératives sans avoir nettoyé et organisé leurs données internes au préalable. « Nous constatons que le manque de succès de l’IA générative s’explique en grande partie par un facteur qui, avec un peu de recul, est évidente, à savoir de mauvaises données ! »

Nouvelle technologie, la GenAI est victime de son succès. Le battage médiatique est trop important. Ce qui crée un sentiment d’urgence. En se précipitant, les entreprises négligent les préparatifs nécessaires.