La décennie 2010-2019 fut celle de la donnée numérique. La décennie 2020-2029 sera celle de l’IA. Pour IBM, l’année 2020 marquera les débuts d’une véritable adoption de l’IA dans les entreprises.

Certes, cela fait déjà plusieurs années que l’on parle de projets IA dans les entreprises. Mais la plupart des projets n’ont toujours pas quitté le terrain de l’expérimentation. Mais les choses vont changer en 2020 si l’on en croit la dernière étude IBM auprès de 4500 chefs d’entreprise aux US, en Europe et en Chine.
Bien sûr cette adoption varie selon la taille des entreprises. Les grandes entreprises et grosses PME (plus de 1000 employés) affirment à 45% avoir déjà adopté les technologies de l’intelligence artificielle dans leurs opérations métiers alors que seulement 29% des PME de moins de 1000 employés confirment une telle adoption. Toutefois, ces chiffres sont significativement supérieurs à ceux annoncés par d’autres analystes qui entrevoyaient plutôt une adoption de 20% de l’IA en entreprise fin 2019.
Et IBM se montre particulièrement optimiste. Selon Rob Thomas, General Manager, IBM Data and AI, « nous anticipons une adoption drastique de l’IA en entreprise dans les 18 à 24 mois avec un taux d’adoption de 80% voire même 90% ».

Les barrières à l’adoption

Sans surprise, l’étude confirme que les trois principaux freins à une large adoption de l’IA dans l’entreprise sont le manque de compétences (pour 37% des responsables), le silotage trop important des données (pour 31% des responsables) et le manque d’outils simples et matures faciles à déployer et appréhender (pour 26% des sondés).
Le manque de compétences en matière de data-scientists et de développeurs IA n’est pas un fait nouveau. Beaucoup d’entreprises cherchent désormais à former des compétences en interne plutôt que de s’arracher à prix d’or les rares compétences sur le marché.
Le travail sera simplifié par l’apparition de nouveaux outils et services cloud comme les solutions AutoML (Machine Learning Automatisé) et les nouvelles solutions d’interrogation en langage naturel. Mais les entreprises restent encore prudentes face à ces offres qui n’ont pas encore véritablement fait leurs preuves et qui risquent de les verrouiller à des fournisseurs alors que la plupart des expérimentations de Deep Learning et Machine Learning aujourd’hui en place dans les entreprises s’appuient sur des moteurs en open source.
D’ailleurs, selon l’étude d’IBM, les entreprises qui passent aux phases de déploiement à large échelle sont plus susceptibles (par une marge de 33 points !) d’utiliser les services IA de leurs clouds providers que celles qui n’en sont qu’aux phases exploratoires.
Dans le même ordre d’idées, 44% des entreprises qui explorent l’IA le font sur un cloud privé, alors qu’elles ne sont que 27% à avoir au final déployé l’IA sur un cloud privé. Parmi les entreprises qui ont déjà déployé de l’IA, 38% l’ont fait sur du cloud hybride et 17% sur du multicloud hybride.

Les usages de l’IA

Selon l’étude IBM, l’IA est actuellement déployée ou expérimentée dans 5 domaines principaux : la sécurité des infrastructures et des données (36% des répondants), l’automatisation des processus métier (31%), l’adoption d’assistants virtuels et chatbots (26%), l’optimisation des processus métier (24%), l’analyse des données des capteurs et IoT (24%).
Toujours selon l’enquête IBM, 40% des répondants qui déploient actuellement l’IA ont déclaré développer des PoCs (proof of concept) pour des projets spécifiques basés sur l’IA ou assistés par l’IA, et 40% utilisent des applications d’IA prédéfinies, telles que les chatbots et agents virtuels.

Le problème de la confiance

Reste un facteur universel : la nécessité de pouvoir faire confiance à ces technologies et notamment de pouvoir affirmer avec certitude comment l’IA est parvenue à ses réponses. Toutes les études récemment publiées ont d’ailleurs mis en évidence « la transparence et l’équité de l’IA » comme l’une des grandes tendances technologiques pour 2020 et les années à venir. Parmi les 36 startups qui vont changer le monde en 2020 selon CB Insights, trois sont justement spécialisées sur la transparence de l’IA (Darwin AI, Fiddler AI et Kyndi).
Selon l’étude IBM, 78% des responsables interrogés considèrent qu’il est « très » ou « fondamentalement » important que les résultats délivrés par leurs IA soient équitables, sûrs et fiables et 83% estiment essentiel d’être en mesure d’expliquer comment l’IA est parvenue à une décision (92% chez les entreprises qui ont déjà entamé le déploiement d’IA).

___________________
Source : 

IBM – From Roadblock to Scale: The Global Sprint Towards AI