Les capital-risqueurs prédisent une nouvelle fois une forte augmentation de l'adoption de l'IA d'entreprise, en désignant cette fois 2026 comme année charnière. Cette prévision intervient après trois années de projections optimistes qui ne se sont pas encore pleinement concrétisées, malgré des investissements importants et la prolifération de startups d'IA d'entreprise suite au lancement de ChatGPT d'OpenAI.
L'optimisme est tempéré par des données indiquant un faible retour sur investissement. Une enquête du MIT datant d'août a révélé qu'un nombre stupéfiant de 95 % des entreprises ne constataient pas de retours significatifs sur leurs investissements en IA. Ce décalage soulève une question cruciale : quand les entreprises commenceront-elles réellement à récolter les fruits de l'intégration de l'IA dans leurs opérations ?
TechCrunch a interrogé 24 capital-risqueurs spécialisés dans le secteur des entreprises, et une forte majorité d'entre eux pensent que 2026 marquera un tournant. Ils prévoient que les entreprises commenceront enfin à adopter l'IA de manière significative, à réaliser une valeur tangible et, par conséquent, à augmenter leurs budgets pour cette technologie. Cependant, cette prédiction fait écho à des prévisions similaires faites les années précédentes, ce qui suscite un scepticisme quant à la question de savoir si 2026 sera vraiment différente.
Le paysage de l'IA d'entreprise a été caractérisé par une innovation rapide et un soutien financier substantiel. Stimulées par la promesse d'une efficacité accrue, de l'automatisation et d'une prise de décision basée sur les données, de nombreuses startups ont vu le jour, attirant d'importants capitaux-risque. Cependant, la complexité de l'intégration des solutions d'IA dans l'infrastructure d'entreprise existante, associée à un manque de compréhension claire des capacités et des limites de l'IA, a freiné son adoption généralisée.
Pour l'avenir, le succès de l'IA d'entreprise dépend de plusieurs facteurs. Un aspect essentiel est une compréhension plus réaliste des capacités de l'IA. Comme l'a fait remarquer Kirby Winfield, associé fondateur d'Ascend, les entreprises commencent à se rendre compte que les grands modèles linguistiques (LLM) ne sont pas une solution universelle à tous les problèmes. L'accent se déplace vers l'identification de cas d'utilisation spécifiques où l'IA peut apporter une valeur démontrable, plutôt que de tenter de mettre en œuvre des transformations d'IA vastes et radicales. L'industrie prévoit une évolution vers des applications d'IA plus ciblées et pratiques au sein des entreprises, ce qui stimulera à la fois l'adoption et le retour sur investissement.
Discussion
Join the conversation
Be the first to comment