MtoM Mag - Le journal de l'MtoM.

Le rapport Data Readiness Index de Cloudera met en lumière une « illusion de préparation à l’IA » de plus en plus forte, alors que l’adoption se généralise plus rapidement que la création de socles de données nécessaires pour générer un réel impact métier.

Cloudera, le seul éditeur qui intègre l’IA aux données, où qu’elles se trouvent, annonce la publication de sa nouvelle enquête internationale intitulée « The Data Readiness Index : Understanding the Foundations for Successful AI », qui examine le degré de préparation des entreprises à intégrer l’IA à grande échelle. Selon les conclusions de cette étude menée auprès d’environ 1 300 dirigeants informatiques du monde entier, même si l’adoption de l’IA se généralise, la plupart des entreprises ne disposent toujours pas du socle de données requis pour permettre la réussite de leurs projets.

Les résultats mettent en lumière un paradoxe frappant : alors que 96 % des entreprises déclarent avoir intégré l’IA au sein de leurs processus fondamentaux et que 85 % d’entre elles affirment être dotées d’une stratégie de données claire, près de quatre répondants sur cinq (environ 80 %) reconnaissent que leurs projets d’IA et de données sont toujours freinés par un accès limité aux données sur l’ensemble de leurs environnements.

Cette lacune met en avant un phénomène émergent : l’« illusion de préparation à l’IA ». Celle-ci correspond à la croyance selon laquelle les entreprises seraient prêtes à mettre l’IA à l’échelle alors même qu’elles n’ont pas encore résolu des problèmes cruciaux concernant leurs données.

« Le défi auquel font face les entreprises n’est pas l’adoption de l’IA, mais son opérationnalisation au-delà de la phase d’expérimentation, » déclare Sergio Gago, Chief Technology Officer at Cloudera. « L’efficacité de la technologie dépend de la qualité des données qui l’alimentent. Sans un accès fluide à l’ensemble de leurs données, les entreprises ne peuvent bénéficier pleinement de la précision, de la fiabilité et de la valeur métier apportées par l’IA. Elle ne peut fonctionner sans les données. »

Un taux d’adoption élevé, mais un retour sur investissement incertain

L’IA est désormais intégrée sur l’ensemble du périmètre de l’entreprise, mais les retours sur investissement (ROI) demeurent irréguliers. Pour expliquer les manquements des projets d’IA, les répondants citent plusieurs obstacles essentiels : la qualité des données (22 %), les dépassements de coûts (16 %) et une mauvaise intégration au sein des workflows existants (15 %). Ces obstacles mettent en exergue la difficulté croissante à convertir des investissements d’AI en résultats mesurables pour les entreprises.

Les limites de l’infrastructure ne font qu’ajouter au problème. En effet, près de trois répondants sur quatre (73 %) expliquent que les contraintes liées à la performance freinent les projets opérationnels, mettant en lumière la difficulté d’intégrer l’IA à grande échelle au sein d’environnements fragmentés.

Les lacunes en matière de données : accès, gouvernance et visibilité

Le cœur du problème réside dans l’absence d’accès fluide ou de contrôle sur l’ensemble des données.

84 % des répondants se disent confiants quant à la précision, à l’exhaustivité et à l’alignement de leurs données d’entreprise. Toutefois, cet optimisme masque des problèmes plus profonds : des silos persistants, une qualité des données inégale et une accessibilité limitée. Des données qui semblent fiables lorsqu’elles sont isolées se délitent souvent lorsqu’elles sont exploitées par plusieurs équipes, systèmes ou applications d’IA, mettant en évidence des failles de gouvernance et de cohérence sur l’ensemble de l’entreprise.

Moins d’une personne interrogée sur cinq (18 %) affirme disposer de données entièrement gouvernées, mettant au jour un décalage entre la confiance affichée et la réalité. Si 71 % des répondants déclarent que la plupart de leurs données sont gouvernées, les projets qui s’appuient véritablement sur les données requièrent une source de vérité cohérente sur l’ensemble de l’organisation.

Sans une gouvernance exhaustive permettant d’unifier les données et d’appliquer des normes claires, les entreprises risquent de manquer des opportunités, de prendre de mauvaises décisions et d’obtenir des outputs qui ne correspondent pas à leur plein potentiel.

Des degrés de préparation distincts en fonction des secteurs d’activité

La préparation des données ne présente pas le même visage en fonction des secteurs d’activité. À titre d’exemple, 54 % des répondants issus des télécommunications sont « extrêmement d’accord » avec l’idée qu’ils disposent d’une visibilité complète sur l’endroit où résident leurs données. A contrario, seuls 30 % des répondants issus des services financiers et 31 % du secteur public partagent ce constat. En ce qui concerne l’accessibilité, 51 % des répondants issus des télécommunications déclarent qu’ils sont en mesure d’accéder à leurs données à tout moment, tandis qu’ils ne sont que 24 % dans les services financiers et 16 % dans le secteur public.

Malgré un degré de préparation des données élevé dans les télécommunications, cet avantage n’a pas pleinement été converti dans la réussite des projets opérationnels. Trois répondants issus des télécommunications sur cinq (60 %) affirment que les performances de leur infrastructure sont souvent un frein aux projets opérationnels, soit la proportion la plus élevée parmi tous les secteurs sondés.

Ces difficultés s’étendent également aux projets d’IA. Les obstacles qui empêchent les entreprises d’obtenir un ROI à partir de leurs investissements d’IA varient en fonction des secteurs. La qualité des données est le principal problème cité par l’ensemble des répondants, tandis que les dépassements de coûts sont davantage mis en avant par le secteur de l’énergie et des infrastructures de services essentiels (25 %). En comparaison, les répondants issus des secteurs de la santé, de l’industrie et des services financiers évoquent davantage une mauvaise intégration de la technologie au sein des workflows (20 %).

La préparation des données, facteur indispensable pour entrer dans la prochaine phase de l’IA en entreprise

Alors que l’IA opère sa transition de la phase d’expérimentation à l’exécution, la préparation des données devient un critère essentiel qui permet de distinguer les leaders des retardataires.

Les entreprises capables d’accéder facilement à leurs données et de les gouverner pleinement, où qu’elles se trouvent, sont bien mieux équipées pour déployer une IA fiable à grande échelle. Toutes les personnes interrogées s’accordent à dire que leur entreprise est au moins en partie désireuse d’adapter ses cadres existants afin de préparer véritablement ses données pour l’IA.

Une fois que les entreprises ne se font plus d’illusions quant à leur degré de préparation à intégrer l’IA, la marche à suivre est claire : l’ambition ne suffit pas pour libérer tout le potentiel de valeur de l’IA, il faut s’assurer que les données sont véritablement prêtes. Celles qui sauront remplir cette condition seront les mieux placées pour avoir un impact durable et s’imposer comme des leaders de la prochaine ère de l’entreprise intelligente.

Pour en savoir plus sur les obstacles à l’IA et la manière de combler ses lacunes en matière de préparation des données, consultez le rapport en cliquant ici.

Méthodologie

Cette étude, commandée par Cloudera et réalisée par Researchscape, examine les opinions de 1 270 dirigeants informatiques issus d’entreprises comptant plus de 1 000 employés dans les régions AMER, EMEA et APAC. L’enquête s’est déroulée du 22 janvier au 3 mars 2026. Les résultats ont été pondérés de manière à être représentatifs du PIB total des pays sondés.