Recherche : les premiers utilisateurs de l’IA générative constatent un ROI de 41 %

L’IA générative est vouée à perdurer et crée une valeur tangible pour les entreprises. Alors que des entreprises du monde entier mettent en œuvre des solutions d'IA générative, elles découvrent à la fois des rendements remarquables et des défis importants. Les principales questions se concentrent désormais sur la valeur réelle apportée par l’IA générative et sur la façon dont chaque entreprise peut concevoir une stratégie d’IA générative optimale.

Pour comprendre l’impact réel de l’IA générative, nous avons interrogé plus de 3 300 entreprises à travers le monde et identifié 1 900 entreprises ayant adopté l’IA générative dès la première heure. Leurs résultats, détaillés dans notre nouveau rapport Le ROI considérable de l’IA générative, révèlent des preuves irréfutables : 92 % de ces premiers utilisateurs font état de rendements positifs. La majorité des entreprises qui ont quantifié leur retour sur investissement constatent un ROI moyen de 41 %, ce qui les amène à augmenter leurs investissements dans les infrastructures de données (81 % des premiers adoptants), les LLM (78 %), les logiciels d’assistance (83 %) et les talents (76 %).

Il s’agit de moyennes mondiales. Le rapport présente des informations clés pour huit régions mondiales spécifiques et six grands secteurs. Ici, je vais prévisualiser d’autres chiffres globaux, mais pour obtenir des informations régionales et par segment vertical, consultez le rapport complet.

Du code au service client 

L’IA générative fournit des résultats impressionnants dans l’ensemble de l’entreprise, ses premiers utilisateurs signalant des impacts « révolutionnaires » ou « significatifs » avec des pourcentages constamment supérieurs à 75 %. Dans les domaines techniques, la technologie révolutionne la façon de travailler des équipes : 54 % des équipes de développement utilisent l’IA générative pour améliorer la qualité du code et détecter les bugs, tandis que 70 % des équipes d’opérations informatiques l’exploitent pour l’optimisation de l’infrastructure et l’analyse des coûts. Les équipes de sécurité ne sont pas loin derrière, 65 % d'entre elles se concentrant sur l'amélioration de la posture de sécurité et la réduction des temps de réponse aux incidents.

La technologie est tout aussi révolutionnaire dans les fonctions client-facing. Alors que l’adoption dans la vente reste relativement faible (38 %), les utilisateurs de l’IA générative font état de gains considérables en termes de croissance du chiffre d’affaires et de précision des prévisions. Les équipes marketing (44 % d’adoption) constatent des taux d’engagement plus élevés grâce à la génération de contenu personnalisé, tandis que les unités de service client (56 % d’adoption) signalent une amélioration des scores de satisfaction grâce aux chatbots alimentés par l’IA et à la gestion des connaissances.

Même les services traditionnellement moins axés sur la technologie enregistrent des rendements importants. Les équipes RH exploitent l’IA générative pour simplifier leurs processus, du recrutement à la gestion des performances, 60 % d’entre elles signalant des recrutements de meilleure qualité. Dans le domaine de l’approvisionnement, 76 % des utilisateurs signalent un impact significatif ou révolutionnaire, en particulier en matière d’analytique et de gestion des contrats. Les opérations industrielles constatent une amélioration des prévisions de la demande et de la planification des opérations de maintenance, 79 % des utilisateurs ayant déclaré des avantages substantiels.

Ces bons résultats constants pour l’ensemble des fonctions suggèrent que nous ne faisons qu’effleurer le potentiel de l’IA générative pour les entreprises.

Surfer sur le paysage de mise en œuvre

Si la plupart des entreprises interrogées (69 %) poursuivent leurs initiatives d’IA générative les plus prioritaires, nombre d’entre elles sont confrontées à des choix stratégiques difficiles. Dix-huit pour cent estiment que les projets client-facing auront le plus d’impact, mais se concentrent sur des initiatives internes en raison des limites de l’infrastructure, de questions de sécurité et de précision. Un autre groupe de 13 % donne la priorité aux projets client-facing, malgré le potentiel plus important des applications internes, souvent parce qu’ils ont identifié des solutions prêtes à être déployées avec des rendements plus prévisibles.

Le défi des données non structurées est particulièrement urgent. Alors qu’elles représentent 80 à 90 % des informations détenues par les entreprises, seulement 11 % des utilisateurs de la première heure ont plus de la moitié de leurs données non structurées prêtes pour des applications de LLM. Les entreprises sont confrontées à des problèmes de gestion des données chronophage (55 %), de qualité (52 %) et de confidentialité des données (50 %). Les CDO avec lesquels j’ai discuté m’ont confié qu’au cours de l’année écoulée, ils sont passés de la gestion des données structurées à l’expérience d’un Far West d’informations non structurées. La puissance de l’IA générative a libéré leurs réservoirs de données non structurées, mais ils ont parfois l’impression de s’y noyer.

Avec la pratique et le succès établi, nous pouvons nous attendre à ce que les entreprises deviennent plus habiles à mettre en œuvre l’IA générative et à travailler avec les grandes quantités de données qui la sous-tendent. Malgré tout, la technologie continuera d’évoluer en termes de sophistication. La plupart des entreprises appliquent des stratégies multimodèles, qu’elles soient commerciales, open source ou les deux. Quatre-vingt-treize pour cent des premiers utilisateurs prévoient de déployer au moins deux LLM au cours de l’année à venir, et 59 % en prévoient trois ou plus.

La personnalisation des modèles est devenue une pratique courante : 96 % des premiers utilisateurs entraînent, ajustent ou augmentent leurs LLM. Cela inclut le fine-tuning avec des données propriétaires (80 %) et la mise en œuvre de la génération augmentée de récupération (RAG) (71 %) pour améliorer la connaissance du contexte et la précision. Ces efforts nécessitent souvent de traiter des jeux de données de plusieurs téraoctets, ce qui ajoute une couche supplémentaire de complexité à la mise en œuvre.

Globalement, les défis sont éclipsés par les avantages de l’IA générative, comme en témoignent les chiffres du ROI et l’engagement quasi universel à poursuivre et accroître les investissements dans cette technologie.

Les données sont l’impératif fondamental 

Les premières démonstrations de faisabilité peuvent démontrer le potentiel de l'IA générative, mais la mise en production nécessite une infrastructure de données robuste. Les utilisateurs de la première heure le savent bien : 81 % prévoient d’accroître leurs investissements dans le data warehousing cloud au cours de l’année prochaine, et prévoient une augmentation moyenne de leurs dépenses de 24 %.

La sécurité arrive en tête de la liste des priorités des entreprises (84 % la jugent importante ou stratégique), ainsi que la demande de fonctionnalités d'IA avancée et d'analytique intégrée. Cependant, le succès exige plus qu’une infrastructure technique : les entreprises ont besoin de cas d’usage bien conçus et de systèmes de mesure complets pour suivre et optimiser les performances.

Chez Snowflake, nous fournissons à nos clients l’infrastructure et les informations dont ils ont besoin pour faire face au contexte actuel de l’IA et aux opportunités qui se développent rapidement autour de l’IA agentique. Nous voyons nos clients aborder l’IA d’un point de vue systémique et de bout en bout, qui leur permet de mieux comprendre leurs investissements et leur retour sur investissement et de créer une expérience utilisateur unique et optimale.

Nous avons à peine dépassé la case départ 

Bien que des débats subsistent sur la façon dont l’IA générative va changer le monde et les politiques et approches qu’il est préférable d’adopter pour les entreprises technologiques, les utilisateurs et la société, force est de constater que l’IA générative a déjà une forte influence dans l’entreprise.

Et je dis cela en sachant que nous n’avons pas encore vu d’expérience native de l’IA. Jusqu’à présent, nous avons utilisé ce que nous faisions déjà et l’IA générative pour le rendre plus rapide, meilleur et moins cher. Mais bientôt, nous verrons l’IA dans l’espace grand public, avec des capacités auxquelles nous n’avions pas encore pensé. Une analogie courante avec l’ère du mobile est que la première vague d’applications pour smartphones n’anticipait rien de tel qu’Uber. Aujourd’hui, il existe de nombreuses variantes des applications de covoiturage et de livraison qui font partie de notre quotidien.

Pour en savoir plus sur les rendements remarquables des entreprises grâce à l’IA générative, téléchargez notre rapport complet Le ROI considérable de l’IA générative.