Pourquoi les projets d’IA échouent : 8 obstacles fréquents à leur réussite

Près de 9 dirigeants sur 10 considèrent les investissements dans l’IA et les données comme une priorité pour leur entreprise. Pourtant, 8 initiatives sur 10 risquent d’échouer.

Dans cet article, nous examinons les principales raisons pour lesquelles tant de projets d’IA n’atteignent pas leurs objectifs, ainsi que les moyens de déjouer les pronostics.

Téléchargez le kit stratégique Credible AI

8 obstacles fréquents à la réussite des projets d’IA

« Avancer vite et casser les codes » : telle était la devise des débuts de Facebook. Face à des concurrents qui adoptent de nouvelles technologies d’IA et mobilisent de vastes volumes de données, les dirigeants peuvent être tentés d’accélérer pour combler leur retard ou prendre une longueur d’avance. Cet enthousiasme doit toutefois être tempéré par un constat préoccupant : jusqu’à quatre projets d’IA sur cinq échouent, selon un article de la Harvard Business Review.

Chaque projet est unique, mais huit obstacles reviennent fréquemment lorsqu’une initiative d’IA n’atteint pas ses objectifs :

Des données de mauvaise qualité

Trop d’entreprises concentrent leurs efforts — et leurs ressources — sur l’acquisition de nouvelles technologies, en reléguant les données au second plan. Or, des données inexactes, dont l’origine n’est pas vérifiable, biaisées, obsolètes ou partielles reproduiront inévitablement ces défauts dans les résultats générés par l’IA.

Une intégration insuffisamment anticipée

Les projets d’IA s’appuient souvent sur des données issues de sources multiples, intégrées au moyen d’un assemblage complexe de livraisons en masse et d’API. En outre, chaque jeu de données peut être structuré — ou non structuré différemment et nécessiter un travail important de nettoyage avant de pouvoir être exploité dans les outils d’analyse de l’entreprise. Une approche API-first, qui consiste à anticiper dès le départ la manière dont les données seront intégrées aux technologies par l’intermédiaire d’une API externe, permet de surmonter cet obstacle.

L’absence de stratégie

Les entreprises ne parviennent pas toujours à inscrire l’IA dans leur stratégie globale. Chaque projet doit poursuivre des objectifs clairs, répondre à un enjeu pertinent et réaliste, et reconnaître que l’IA n’est pas nécessairement la meilleure réponse à tous les besoins. Après avoir étudié plusieurs projets d’IA ayant échoué, Bernard Marr souligne dans Forbes qu’ils ont tous un point commun : « un manque de planification adéquate ».

Les silos internes

La MIT Sloan Management Review a analysé des projets d’IA et de big data menés dans trois grandes banques indiennes. Elle a constaté que la plupart des difficultés survenaient « invariablement aux interfaces entre la fonction data science et le reste de l’entreprise ». Autrement dit, les experts chargés de déployer la technologie n’étaient pas suffisamment intégrés aux activités quotidiennes, ce qui a favorisé l’apparition de silos entre les équipes.

L’absence de gouvernance éthique

Les entreprises qui utilisent l’IA et l’analyse de données à grande échelle doivent veiller à ce que leurs jeux de données respectent les exigences réglementaires, éthiques et de conformité. Selon un rapport d’IBM, le coût moyen d’une violation de données s’élevait à 4,45 millions de dollars en 2023. Une utilisation inappropriée des données peut également éroder la confiance des clients, des investisseurs et des collaborateurs.

La formation

Les entreprises sous-estiment souvent la nécessité de former correctement leurs équipes aux nouvelles technologies. Si les utilisateurs ne comprennent pas comment ni pourquoi un outil d’IA peut améliorer leurs méthodes de travail, ils ne modifieront pas leurs pratiques. Il est également indispensable de leur accorder le temps et les ressources nécessaires pour se former et poser leurs questions.

À LIRE AUSSI : Votre checklist pour une IA responsable, de la conception au déploiement

La perception des risques

Certaines entreprises déploient des initiatives d’IA sans communiquer clairement sur leur fonctionnement. Les clients peuvent alors hésiter à les utiliser en raison des risques perçus. Une entreprise avait, par exemple, développé une application capable de recommander instantanément un service et de permettre une souscription immédiate. Bien que cette solution réduise le temps d’intégration et semble offrir un avantage concurrentiel, son adoption par les clients est restée limitée.

Des enquêtes ont ensuite révélé que de nombreux utilisateurs doutaient de la fiabilité du service et de son recours à l’IA.

Les biais algorithmiques

Les entreprises doivent disposer de l’expertise nécessaire pour identifier et limiter les biais technologiques. Une banque avait, par exemple, développé un algorithme de décision de crédit, entraîné à partir de demandes présélectionnées qui étaient plus susceptibles d’aboutir à un remboursement réussi. Ce biais dans les données sous-jacentes a entraîné un taux de défaut plus élevé que prévu pour les prêts approuvés par l’algorithme.

La réussite des projets d’IA repose sur des données fiables et une gouvernance éthique

De nombreux échecs liés à l’IA trouvent leur origine dans un même problème : les données qui alimentent les projets, ainsi que leur mode de livraison, sont insuffisantes. Pour tirer pleinement parti des possibilités offertes par l’IA, les entreprises doivent s’appuyer sur des données enrichies de la plus haute qualité, obtenues et utilisées dans le respect des exigences juridiques et éthiques, puis livrées par l’intermédiaire d’une API flexible.

Elles doivent rechercher des jeux de données variés, complets, actualisés et précis. Elles doivent également connaître leurs sources, pouvoir leur faire confiance et comprendre les droits et les risques associés à leur utilisation. Il est donc préférable de travailler avec un fournisseur reconnu, qui s’appuie sur des partenariats solides avec de nombreux éditeurs de contenus et remonte aux sources originales.

L’impulsion donnée par la direction est tout aussi déterminante. Selon une étude menée en 2024 par Amazon Web Services, 93 % des responsables des technologies et des données considèrent qu’une stratégie de données est indispensable pour créer de la valeur grâce à l’IA générative. Avant de se lancer dans un projet d’IA ou d’analyse de données à grande échelle, il convient d’identifier les objectifs stratégiques auxquels la technologie peut réellement contribuer, ou les difficultés de l’entreprise — et de ses clients — qu’elle peut résoudre.

À LIRE AUSSI : L’IA au service de la recherche d’entreprise : de nouvelles perspectives à explorer

Faites reposer vos initiatives d’IA et de big data sur des données fiables

La réussite de toute initiative d’IA dépend de l’accès à des données fiables et de haute qualité, issues de sources reconnues. Les données et technologies de LexisNexis® offrent des avantages déterminants pour vous aider à tirer parti des possibilités offertes par l’IA tout en maîtrisant les risques :

• Des données fiables et utilisées de manière éthique : fournisseur de données reconnu depuis plus de 50 ans, LexisNexis a conclu des accords de licence durables — parfois exclusifs — avec des éditeurs du monde entier. Nous mettons ces données à votre disposition pour vous aider à atteindre vos objectifs, dans le respect des droits de propriété intellectuelle de nos partenaires.
• Une intégration fluide avec Nexis® Data+ : notre solution API, Nexis Data+, vous permet d’intégrer nos données enrichies à vos outils et plateformes existants. Elle offre une base solide pour vos analyses et initiatives d’IA, tout en favorisant une approche API-first pour vos projets et produits. Nexis Data+ donne directement accès à notre vaste univers de données : actualités, informations juridiques, données sur les entreprises et les marchés financiers, profils biographiques, notations ESG, revues universitaires, données de conformité, et bien plus encore.

Téléchargez gratuitement le kit pour une stratégie d’IA fiable et découvrez comment alimenter vos projets d’IA avec les bonnes données.

Téléchargez le kit pour une stratégie d’IA fiable

Contactez-nous