Les capital-risqueurs prédisent une nouvelle fois une forte augmentation de l'adoption de l'IA en entreprise, ciblant 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 spécialisées dans l'IA suite au lancement de ChatGPT d'OpenAI.

Cet optimisme est tempéré par le fait que de nombreuses entreprises peinent encore à tirer des avantages tangibles de leurs investissements dans l'IA. Une récente enquête du MIT a révélé qu'un nombre stupéfiant de 95 % des entreprises ne constatent pas de retour sur investissement significatif dans l'IA. Cela soulève une question essentielle : quand les entreprises commenceront-elles réellement à percevoir la valeur de l'intégration et de l'utilisation de l'IA ?

TechCrunch a interrogé 24 capital-risqueurs spécialisés dans l'IA en entreprise, et le consensus général désigne 2026 comme l'année où les entreprises adopteront l'IA de manière significative, constateront sa valeur et augmenteront par conséquent leurs budgets pour cette technologie. Cette prédiction, cependant, fait écho à des prévisions similaires faites les années précédentes, ce qui suscite un certain scepticisme quant à la question de savoir si 2026 sera réellement différente.

Le marché de l'IA en entreprise a connu une croissance substantielle, alimentée par la promesse d'une efficacité accrue, de l'automatisation et d'une prise de décision basée sur les données. Cependant, la complexité de l'intégration des solutions d'IA dans l'infrastructure existante, associée à un manque de compréhension claire des capacités de l'IA, a freiné son adoption généralisée. En outre, les premiers utilisateurs ont peut-être surestimé les capacités des grands modèles linguistiques (LLM), les considérant comme une solution universelle plutôt que comme un outil mieux adapté à des applications spécifiques. Comme l'a souligné Kirby Winfield, associé fondateur d'Ascend, les entreprises commencent à se rendre compte que les LLM ne sont pas une solution miracle pour la plupart des problèmes.

Pour l'avenir, la réussite de l'intégration de l'IA dans l'entreprise dépend de plusieurs facteurs. Premièrement, les entreprises doivent développer une compréhension claire de leurs besoins spécifiques et identifier les solutions d'IA qui répondent directement à ces besoins. Deuxièmement, l'investissement dans la formation et l'éducation est essentiel pour garantir que les employés peuvent utiliser et gérer efficacement les outils d'IA. Enfin, l'accent mis sur la qualité et la gouvernance des données est essentiel pour garantir que les algorithmes d'IA sont entraînés sur des données fiables et précises. Si ces défis sont relevés, 2026 pourrait bien être l'année où l'IA en entreprise tiendra enfin ses promesses de longue date.