MtoM Mag - Le journal de l'MtoM.

L’intelligence artificielle s’impose cette année comme un levier à la fois stratégique et opérationnel pour les grandes entreprises françaises. Ainsi, 60 % d’entre elles auraient déjà mis en place un dispositif de pilotage transverse afin de franchir le cap de l’industrialisation de l’IA. Par ailleurs, 86 % des organisations interrogées déclarent avoir validé une charte d’usage responsable de l’IA, illustrant le fait que la gouvernance de ces technologies est désormais considérée comme une priorité stratégique.

Dans ce contexte, Ramprakash Ramamoorthy, Director - AI Research chez Zoho, souligne que, à mesure que l’IA accède à des volumes toujours plus importants de données d’entreprise, les organisations ayant fait le choix de systèmes unifiés seront les mieux positionnées pour favoriser l’émergence d’agents d’IA auto-apprenants. Cette évolution devra toutefois s’accompagner d’une attention accrue portée à l’efficacité énergétique, appelée à devenir un pilier central des stratégies technologiques.

Après un premier cycle de forte médiatisation de l’IA, au cours duquel de nombreuses entreprises ont investi massivement dans des outils sans toujours en mesurer les bénéfices réels, un changement de posture s’opère. Dans un climat d’incertitude économique croissante, les organisations réévaluent désormais leurs stratégies afin de se concentrer sur des résultats concrets et mesurables, une création de valeur tangible et un niveau de confiance proportionné aux investissements engagés. Dans cette dynamique, l’expertise humaine demeure essentielle : l’IA est avant tout pensée comme un outil de soutien aux équipes, et non comme un substitut.

Les entreprises ont également pris conscience que l’IA ne peut atteindre son plein potentiel lorsqu’elle repose sur des données fragmentées ou cloisonnées. Ses performances dépendent étroitement de la capacité à collecter, en temps réel et de manière fiable, des données complètes et variées provenant de multiples sources, qu’il s’agisse de conversations textuelles, de vidéos, de contenus audio, d’emails ou de réseaux sociaux, au sein d’une plateforme unifiée, permettant à l’ensemble des équipes de travailler de manière coordonnée.

Dans cette perspective, les investissements se tourneront de plus en plus vers des architectures d’IA modulaires. Plutôt que de s’appuyer sur des modèles monolithiques, les entreprises privilégieront des composants d’IA spécialisés, conçus pour répondre à des tâches ou des cas d’usage précis. Cela inclut à la fois des modèles de grande taille, spécialisés par domaine et capables de traiter des problématiques métier complexes, ainsi que des modèles d’IA orientés métier, pouvant être affinés, personnalisés, voire déployés directement dans le cloud du client. Cette approche vise à garantir un haut niveau de confidentialité, de contrôle et d’adéquation aux besoins spécifiques de chaque organisation.

Parallèlement, on observera une montée en puissance des modèles fondamentaux locaux, optimisés pour des usages régionaux. Entraînés sur des langues autres que l’anglais et sur des jeux de données localisés, ces modèles permettront de mieux prendre en compte la diversité des contextes culturels, réglementaires et linguistiques.

La question de la durabilité s’imposera également comme un enjeu majeur. L’essor de l’IA exerce une pression environnementale croissante sur les centres de données, rendant indispensable le développement de solutions plus durables et plus sobres sur le plan énergétique. Les entreprises devront ainsi chercher à réduire la consommation énergétique de leurs systèmes d’IA, notamment en optimisant les modèles existants et en privilégiant des modèles plus petits, spécialisés et néanmoins performants pour des usages ciblés. Cette démarche contribuera à réduire significativement l’empreinte carbone liée à l’entraînement et à l’exploitation des technologies d’IA.

Enfin, des technologies telles que la recherche intelligente et l’intelligence de contenu continueront d’évoluer afin de faciliter l’extraction et l’exploitation de données à travers l’ensemble des systèmes connectés. Pour atteindre cet objectif, les plateformes devront se transformer en solutions technologiques à la fois fluides et fondées sur la confiance, favorisant une collaboration étroite entre les humains et les agents d’IA. Cela inclut notamment des agents auto-formateurs intégrant des boucles de rétroaction, capables d’apprendre en continu à partir des interactions, de s’améliorer dans le temps sans intervention manuelle, et de gagner ainsi en longévité, en adaptabilité et en efficacité sur un large éventail de tâches.