IA en entreprise : trois conditions pour passer à l’échelle en 2025

L’intelligence artificielle ne se résume plus, pour les entreprises, à choisir un modèle performant ou à lancer un chatbot interne. Au 11 décembre 2024, le défi consiste surtout à créer les conditions qui permettront de déployer l’IA de façon fiable à grande échelle. Cela suppose de savoir où se trouvent les données, qui peut y accéder, comment elles sont protégées et quelles ressources informatiques sont mobilisées pour les traiter.

Une étude de NetApp met en lumière cette bascule. Les organisations interrogées reconnaissent avoir progressé dans la préparation de leurs données, mais elles se heurtent encore à trois enjeux étroitement liés : la fragmentation de l’information, l’exposition accrue aux risques de cybersécurité et l’empreinte environnementale des infrastructures. Pour Gabie Boko, directeur marketing de NetApp, la transition vers des capacités d’IA à grande échelle constitue un enjeu déterminant pour 2025.

Passer à l’échelle exige des investissements ciblés

L’IA utilise des données pour apprendre, produire des réponses, détecter des tendances ou assister une décision. Mais elle ne transforme pas automatiquement des bases de données disparates en information exploitable. Une donnée peut être disponible sans être fiable, documentée sans être facilement accessible, ou encore correctement protégée mais enfermée dans un outil isolé. Dans tous ces cas, son utilisation par des systèmes d’IA devient plus lente, plus coûteuse ou plus risquée.

Le signal envoyé par les dirigeants est donc contrasté. Deux tiers d’entre eux déclarent que des améliorations notables ont déjà été réalisées sur trois aspects essentiels : l’accessibilité, l’exactitude et la documentation des données. C’est une base importante pour éviter que les projets d’IA reposent sur des informations incomplètes ou mal comprises.

Pour autant, le niveau de maturité nécessaire à une IA déployée largement reste à atteindre. 40 % des dirigeants technologiques prévoient qu’un investissement sans précédent sera nécessaire d’ici à 2025 pour renforcer à la fois la gestion des données et les capacités d’intelligence artificielle. Il ne s’agit pas seulement d’acheter de la puissance de calcul. Les entreprises doivent aussi organiser les données, définir les accès, maintenir des infrastructures adaptées et pouvoir faire circuler l’information entre leurs différents environnements.

Pourquoi les silos de données freinent-ils l’IA ?

Un silo de données apparaît lorsqu’une information reste confinée dans un service, une application ou une infrastructure sans pouvoir être facilement retrouvée ni utilisée par les autres équipes autorisées. Cette situation est fréquente dans les grandes organisations, où la finance, les ressources humaines, la relation client, la production ou la recherche ont accumulé leurs propres systèmes au fil des années.

Pour un projet d’IA, cette séparation pose plusieurs difficultés. Les équipes peuvent travailler avec une vision partielle d’une situation. Elles peuvent aussi passer du temps à extraire, copier et réconcilier les données avant même de construire un modèle ou une application. La multiplication des copies rend enfin plus difficile le suivi des droits d’accès et des versions de l’information.

Selon l’étude, 79 % des dirigeants technologiques considèrent que l’unification des données, la réduction des silos et une interconnexion fluide constituent des conditions préalables à l’exploitation de tout le potentiel de l’IA. NetApp défend, dans ce contexte, un stockage de données unifié : l’objectif est de relier les données quel que soit leur type ou leur emplacement, y compris dans des environnements hybrides et multi-cloud.

Cette notion mérite d’être précisée. Un environnement hybride associe généralement des ressources informatiques détenues par l’entreprise et des services de cloud. Un environnement multi-cloud, lui, combine plusieurs fournisseurs de cloud. Unifier les données ne signifie donc pas nécessairement tout déplacer dans un lieu unique. Il s’agit plutôt de rendre l’information repérable, accessible aux personnes et applications habilitées, et gérable selon des règles cohérentes.

Les organisations qui privilégient cette approche sont, d’après NetApp, davantage susceptibles d’atteindre leurs objectifs en matière d’IA d’ici à 2025. À l’inverse, près de 30 % des entreprises qui ne font pas de l’unification des données une priorité craignent de manquer leurs cibles.

Sécuriser les données, les accès et les modèles

L’IA élargit les possibilités d’usage des données, mais elle peut aussi étendre les risques. Lorsqu’un système d’IA est connecté à davantage de documents, d’applications ou de services, il devient essentiel de contrôler précisément ce qu’il peut consulter et ce qu’il est autorisé à restituer. La sécurité ne concerne donc pas uniquement les fichiers stockés : elle porte aussi sur les identités, les droits d’accès, les échanges entre systèmes et les modèles eux-mêmes.

Plus de 41 % des dirigeants prévoient une augmentation marquée des menaces de sécurité d’ici à 2025, à mesure que l’IA s’intègre dans différentes opérations de l’entreprise. La multiplication des points d’accès et des connexions peut ouvrir de nouvelles vulnérabilités. Les organisations doivent notamment protéger les informations sensibles, mais aussi les modèles d’IA contre des attaques ou des usages non autorisés.

Le rapport souligne que les pays en tête de la course à l’IA, parmi lesquels l’Inde, les États-Unis et le Japon, pourraient être particulièrement exposés à ces préoccupations. Cette exposition tient à l’ampleur des investissements et des usages : plus l’IA se diffuse dans les activités, plus les systèmes connectés et les actifs à défendre se multiplient.

Un indicateur suggère néanmoins une évolution des priorités. La part de dirigeants plaçant la cybersécurité et la protection contre les ransomwares au sommet de leurs préoccupations a diminué de 17 % depuis 2023. Cette baisse ne signifie pas que le risque disparaît. Elle peut aussi refléter le fait que certaines entreprises ont déjà engagé des mesures pour répondre à ces enjeux, alors même que de nouveaux défis se présentent avec l’IA.

Dans la pratique, une stratégie de sécurité cohérente repose sur des principes simples à comprendre : limiter les accès au strict nécessaire, savoir quelles données sont sensibles, vérifier les identités, surveiller les systèmes et éviter que des informations critiques soient dupliquées sans contrôle. Pour l’IA, ces principes doivent être pensés dès la conception d’un projet, et non ajoutés après son déploiement.

L’IA place la durabilité au cœur des choix d’infrastructure

L’essor de l’IA soulève aussi une question matérielle : traiter et stocker des données suppose des infrastructures, et celles-ci consomment de l’énergie. L’entraînement et l’utilisation des systèmes d’IA, comme la conservation de grands volumes d’information, reposent sur des centres de données, des réseaux et des équipements informatiques dont l’impact environnemental doit être pris en compte.

NetApp constate que 34 % des responsables technologiques anticipent que les avancées de l’IA imposeront des transformations radicales dans les pratiques de durabilité des entreprises. Par ailleurs, 33 % s’attendent à voir apparaître de nouvelles politiques gouvernementales consacrées à la gestion de la consommation énergétique.

Ces chiffres montrent que la durabilité ne peut plus être considérée comme un sujet séparé des projets numériques. Une entreprise qui multiplie les données inutiles, les copies ou les infrastructures sous-utilisées augmente mécaniquement les ressources nécessaires à ses activités. À l’inverse, une meilleure organisation des données peut contribuer à limiter les traitements redondants et à utiliser plus efficacement les équipements disponibles.

La réduction de l’empreinte carbone reste une priorité pour 72 % des entreprises, contre 84 % en 2023. Le recul de cet indicateur ne retire rien à l’enjeu. Il met plutôt en évidence une tension : les organisations veulent accélérer leurs usages de l’IA tout en cherchant à réduire l’impact associé à la croissance de leurs infrastructures.

La question est particulièrement aiguë dans les pays où l’activité liée à l’IA se concentre fortement. Plus les capacités de calcul, les données et les usages y sont importants, plus les conséquences énergétiques et environnementales sont susceptibles de se faire sentir. Pour les dirigeants, la durabilité devient donc un critère de choix entre différentes architectures techniques, au même titre que la performance, le coût ou la sécurité.

Une gouvernance des données pour concilier innovation et responsabilité

La gouvernance des données désigne l’ensemble des règles qui permettent de savoir quelles données existent, d’où elles viennent, qui les utilise, dans quel but et sous quelles conditions. Elle ne consiste pas à bloquer l’innovation. Bien construite, elle donne au contraire aux équipes un cadre pour utiliser l’information de manière plus sûre et plus efficace.

Krish Vitaldevara, vice-président senior et directeur général chez NetApp, souligne que les organisations qui réussissent dans l’analytique avancée et l’IA partagent des caractéristiques communes : elles disposent de données unifiées et bien catégorisées, ainsi que d’une sécurité robuste pour les informations sensibles. Cette combinaison permet de répondre à une difficulté centrale de l’IA en entreprise : aller vite sans perdre le contrôle.

Une gouvernance utile doit couvrir plusieurs questions concrètes :

• quelles données peuvent être utilisées dans un système d’IA et pour quels usages ;
• quels collaborateurs, logiciels ou partenaires disposent d’un accès autorisé ;
• comment les données sont classées, documentées et maintenues à jour ;
• comment l’entreprise réduit les doublons, suit les échanges et protège les informations sensibles ;
• comment les choix d’infrastructure tiennent compte de la consommation de ressources.

Ces sujets se renforcent mutuellement. Des données mieux classées sont plus faciles à protéger. Des données unifiées limitent les copies difficiles à surveiller. Une infrastructure plus rationnelle peut réduire à la fois la complexité opérationnelle et le gaspillage de ressources. L’ambition n’est pas de supprimer toute complexité, mais de la rendre gouvernable.

Ce qu’il faut surveiller en 2025

Le passage à une IA à grande échelle ne dépendra pas uniquement de la rapidité des progrès des modèles. Il dépendra tout autant de la capacité des entreprises à établir un socle de données solide. Les indicateurs relevés par NetApp dessinent une feuille de route claire : investir dans la gestion des données, réduire les silos, anticiper les menaces de sécurité et mesurer les conséquences environnementales des choix technologiques.

Pour les dirigeants, l’enjeu sera de ne pas opposer ces priorités. Une IA insuffisamment sécurisée peut fragiliser l’organisation. Une IA alimentée par des données dispersées peut décevoir. Une IA déployée sans attention à l’énergie et aux infrastructures peut contredire les objectifs de durabilité. Les entreprises les mieux placées seront celles qui traiteront ces dimensions comme les composantes d’une même stratégie d’innovation responsable.