Guide à l'usage des dirigeants pour investir dans l'intelligence artificielle : comprendre la proposition de valeur en 2025

Alors que les tendances d'investissement dans l'IA continuent d'évoluer en 2025, les dirigeants font face à une pression croissante pour prendre des décisions stratégiques concernant les déploiements de l'intelligence artificielle. Avec l'adoption rapide des outils d'IA par les entreprises - 22% les déploient de manière extensive et 33% les utilisent de manière limitée - comprendre comment évaluer et mettre en œuvre les solutions d'IA est devenu essentiel pour conserver l'avantage concurrentiel. Dans le livre "The Executive Guide to Artificial Intelligence" d'Andrew Burgess, l'auteur proposait un guide complet destiné aux dirigeants d'entreprise souhaitant comprendre et mettre en œuvre des solutions d'intelligence artificielle au sein de leurs organisations.

Cet ouvrage a été publié en 2017 par Springer International Publishing et offre un aperçu pratique de la manière dont les entreprises peuvent tirer parti de l'intelligence artificielle. Qu'est-ce qui a changé aujourd'hui ?

Tendances actuelles de l'investissement dans l'IA 2025

Le paysage de l'IA connaît une croissance sans précédent, les organisations réalisant des investissements plus importants pour rester compétitives.

L'essentiel :

Burgess a souligné l'importance de commencer par définir des objectifs clairs alignés sur la stratégie de l'entreprise, un principe qui reste valable aujourd'hui. Dans son livre, il identifie huit capacités essentielles de l'IA :

1. Reconnaissance d'images
2. Reconnaissance vocale
3. Search et information extraction
4. Clustering
5. Natural Language Understanding
6. Optimisation
7. Prediction
8. Understanding (aujourd'hui)

Évolution de 2018 à 2025 :

Depuis la rédaction du livre, l'IA est passée du statut de technologie émergente à celui de technologie grand public. La capacité de "compréhension" que Burgess considérait comme futuriste a connu des avancées significatives avec l'avènement des grands modèles de langage (LLM) et des technologies d'IA générative, qui n'avaient pas encore vu le jour en 2018.

framework stratégique pour les décisions d'investissement dans l'IA

Les quatre questions essentielles

Lors de l'évaluation des investissements dans l'IA, il est essentiel de se concentrer sur ces questions cruciales :

1. Définition du problème métier
2. Métriques de succès
3. Exigences de mise en œuvre
4. Évaluation des risques

Note : Ce framework à quatre questions provient des connaissances actuelles et n'est pas explicitement présenté dans le livre de Burgess.

Élaborer une stratégie efficace en matière d'IA

Le cadre d'adoption :

Burgess propose un cadre détaillé pour la création d'une stratégie en matière d'IA qui comprend

1. Alignement avec la stratégie d'entreprise - Comprendre comment l'IA peut soutenir les objectifs commerciaux existants
2. Compréhension des ambitions IA - Définir si l'on souhaite :
3. • Améliorer les processus existants
   • Transformer des fonctions métier
   • Créer de nouveaux services/produits
3. Évaluation de la maturité IA - Déterminer le niveau actuel de maturité de l'organisation sur une échelle de 0 à 5 :
4. • Traitement manuel (Niveau 0)
   • Automatisation IT traditionnelle (Niveau 1)
   • Automatisation de base isolée (Niveau 2)
   • Mise en œuvre tactique d'outils d'automatisation (Niveau 3)
   • Mise en œuvre tactique de diverses technologies d'automatisation (Niveau 4)
   • Automatisation stratégique de bout en bout (Niveau 5)
4. Création d'une heat map IA - Identifier les zones offrant le plus d'opportunités
5. Développement du business case - Évaluer les bénéfices "hard" et "soft"
6. Gestion du changement - Planifier comment l'organisation va s'adapter
7. Développement d'une feuille de route IA - Créer un plan à moyen-long terme

Évolution de 2018 à 2025 :

Le cadre de Burgess reste étonnamment pertinent aujourd'hui, mais il doit être complété par des considérations sur :

• Éthique de l'IA et réglementations (comme l'EU AI Act)
• Durabilité environnementale de l'IA
• Stratégies d'IA responsable
• Intégration avec des technologies émergentes comme le quantum computing

Mesurer le retour sur investissement de l'IA

Les facteurs déterminants du retour sur investissement :

Burgess identifie différents types d'avantages de l'IA, classés en "hard" et "soft" :

Bénéfices hard :

• Réduction des coûts
• Évitement de coûts
• Satisfaction client
• Conformité
• Atténuation des risques
• Atténuation des pertes
• Atténuation de la perte de revenus
• Génération de revenus

Bénéfices soft :

• Changement culturel
• Avantage concurrentiel
• Effet de halo
• Facilitation d'autres bénéfices
• Facilitation de la transformation numérique

La mesure du retour sur investissement de l'IA est devenue plus sophistiquée, avec des cadres spécifiques pour évaluer l'impact de l'IA générative, qui n'existaient pas lorsque Burgess a écrit son livre.

Approches techniques de la mise en œuvre de l'IA

Types de solutions :

Burgess a présenté trois approches principales pour la mise en œuvre de l'IA :

1. Logiciel IA sur étagère - Solutions préconfigurées
2. Plateformes IA - Fournies par de grandes entreprises technologiques
3. Développement IA personnalisé - Solutions sur mesure

Pour les premières étapes, il a suggéré d'envisager :

• Proof of Concept (PoC)
• Prototypes
• Minimum Viable Product (MVP)
• Riskiest Assumption Test (RAT)
• Pilot

Ce qui a changé :

Depuis 2018, nous avons assisté à :

• démocratisation des outils d'IA avec des solutions no-code/low-code
• Amélioration spectaculaire des plateformes cloud IA
• Croissance de l'IA générative et des modèles comme GPT, DALL-E, etc.
• Augmentation des solutions AutoML automatisant une partie du processus de data science

Prise en compte des risques et des défis

Les risques de l'intelligence artificielle :

Burgess a consacré un chapitre entier aux risques de l'IA, en soulignant :

1. Qualité des données
2. Manque de transparence - La nature "boîte noire" des algorithmes
3. Biais non intentionnels
4. Naïveté de l'IA - Limites de la compréhension contextuelle
5. Dépendance excessive à l'IA
6. Choix de la mauvaise technologie
7. Actes malveillants

Évolution de 2018 à 2025 :

Depuis l'écriture du livre :

• Les préoccupations concernant le biais des algorithmes sont devenues une question critique (en attente d'approfondissement)
• La sécurité de l'IA est devenue fondamentale avec l'augmentation des menaces
• La réglementation de l'IA est apparue comme un facteur clé
• Les risques de deepfakes et de désinformation par IA générative sont devenus significatifs
• Les préoccupations de confidentialité ont augmenté avec l'usage plus généralisé de l'IA

Créer une organisation efficace de l'AI

Extrait du livre de Burgess (2018) :

Burgess a proposé :

• Construire un écosystème IA avec des fournisseurs et partenaires
• Établir un Centre d'Excellence (CoE) avec des équipes dédiées
• Envisager des rôles comme Chief Data Officer (CDO) ou Chief Automation Officer (CAO)

Évolution de 2018 à 2025 :

Depuis lors :

• Le rôle de Chief AI Officer (CAIO) est devenu courant
• L'IA est désormais souvent intégrée dans toute l'organisation plutôt qu'isolée dans un CoE
• La démocratisation de l'IA a conduit à des modèles opérationnels plus distribués
• L'importance de l'alphabétisation à l'IA pour tous les employés a émergé

Conclusion

Extrait du livre de Burgess (2018) :

Burgess a conclu en soulignant l'importance de :

• Ne pas croire au battage médiatique mais se concentrer sur les problèmes métier réels
• Démarrer le parcours IA le plus tôt possible
• Rendre l'entreprise pérenne grâce à la compréhension de l'IA
• Adopter une approche équilibrée entre optimisme et réalisme

Évolution de 2018 à 2025 :

L'appel de Burgess à "ne pas croire au battage médiatique" reste incroyablement pertinent en 2025, en particulier avec le battage médiatique excessif autour de l'IA générative. Cependant, la vitesse d'adoption de l'IA est devenue encore plus critique, et les entreprises qui n'ont pas encore entamé leur parcours en matière d'IA se trouvent maintenant dans une position très désavantageuse par rapport à celles qui ont suivi le conseil de Burgess de commencer tôt (en 2018 !).

Le paysage de l'IA en 2025 est plus complexe, plus mature et plus intégré à la stratégie de l'entreprise que ce que l'on aurait pu prédire en 2018, mais les principes fondamentaux d'alignement stratégique, de création de valeur et de gestion des risques énoncés par Burgess restent étonnamment valables.