Selon Nigel Vaz de Publicis Sapient, de nombreuses entreprises utilisent mal l'intelligence artificielle en se concentrant uniquement sur la réduction des coûts, au lieu d'exploiter son potentiel de transformation. Vaz soutient que cette approche ne reconnaît pas l'IA comme une "opportunité unique" comparable à Internet, capable de remodeler fondamentalement les modèles économiques.

La mise en œuvre de l'IA nécessite une refonte complète des processus existants, a expliqué Vaz. Il a mis en garde contre le fait de considérer l'IA comme une entité monolithique, préconisant plutôt une approche en deux étapes. Premièrement, les entreprises doivent établir une infrastructure robuste, en commençant par leurs données. "Vos données sont-elles connectées ? Sont-elles organisées ? Sont-elles dans un format qui peut être exploité ?", a interrogé Vaz, soulignant le principe "garbage-in, garbage-out" de l'IA.

Deuxièmement, les entreprises devraient sélectionner un ou deux projets à forte valeur ajoutée qui ne soient ni trop vastes pour apporter rapidement de la valeur, ni trop petits pour être applicables à l'ensemble de l'entreprise. De nombreux PDG, a noté Vaz, ont été attirés par les applications d'IA axées sur les coûts en raison de leur facilité de mise en œuvre perçue.

L'impact de l'IA sur l'industrie devrait être significatif, avec des applications potentielles dans divers secteurs, de la santé à la finance. Cependant, la réalisation de ce potentiel nécessite un changement de mentalité, en allant au-delà de la simple automatisation pour adopter une véritable transformation. Cette transformation, a comparé Vaz, consiste à "transformer les chenilles en papillons", et pas seulement à créer des "chenilles plus rapides".

L'expérimentation est une partie nécessaire de la mise en œuvre de l'IA, mais de nombreuses expériences échouent en raison d'un manque de compréhension fondamentale et d'orientation stratégique. L'établissement d'une base de données solide est crucial, garantissant que les données sont connectées, organisées et facilement accessibles aux algorithmes d'IA. Sans cette base, les initiatives d'IA sont susceptibles de produire des résultats peu fiables ou non pertinents.

Actuellement, de nombreuses entreprises en sont aux premiers stades de l'exploration des applications de l'IA. Les prochains développements impliqueront probablement une plus grande importance accordée à l'infrastructure de données et une approche plus stratégique de la sélection des projets, en se concentrant sur les domaines où l'IA peut apporter une valeur significative et durable.