IA agentique : le défi des données fiables pour les entreprises

L'essor de l'IA agentique et ses défis

Les dirigeants d'entreprises et de technologies sont désormais convaincus que l'ère de l'IA agentique a bel et bien commencé. Cette technologie, qui permet aux agents d'IA de prendre des actions autonomes, est rapidement adoptée par les organisations. Cependant, la promesse d'un retour sur investissement significatif dépend d'une infrastructure de données solide. Les systèmes de données actuels, souvent inadéquats, constituent un obstacle majeur à l'exploitation complète de cette technologie.

L'IA agentique impose des exigences inédites aux systèmes de données des entreprises. Contrairement aux systèmes traditionnels qui se contentent de répondre à des questions, ces agents doivent prendre des actions basées sur des données provenant de toute l'organisation. Cela inclut des données structurées et non structurées, enrichies du bon contexte commercial. Pour être efficaces, les agents doivent accéder en temps réel aux systèmes opérationnels, tels que ceux de la chaîne d'approvisionnement ou des ressources humaines. Malheureusement, même les systèmes de données récemment mis à jour peinent à répondre à ces nouvelles exigences.

L'urgence de moderniser les systèmes de données

À mesure que les agents d'IA s'intègrent dans les opérations des entreprises, la nécessité de moderniser les systèmes de données devient cruciale. Gartner prédit que d'ici 2027, ces agents pourraient automatiser ou augmenter 50 % des décisions commerciales. Pour éviter de priver les agents des données nécessaires à des décisions rapides et précises, les entreprises doivent éliminer les goulets d'étranglement liés aux systèmes hérités.

Une enquête menée auprès de 300 dirigeants en données et technologies met en lumière comment les systèmes hérités limitent l'efficacité des agents d'IA. Elle révèle que seules quelques organisations, qualifiées de "leaders en données", parviennent à surmonter ces limitations. Ces leaders montrent la voie en créant un environnement de données propice à la prospérité des agents et au développement de systèmes de confiance.

Résultats clés : accès aux données et confiance

• Actuellement, peu d'entreprises permettent à l'IA agentique un accès suffisant aux données. En moyenne, l'IA n'accède qu'à 45 % des données d'entreprise. Ce chiffre tombe à 30 % ou moins pour les "retardataires en données", tandis que les "leaders en données" garantissent un accès à plus de 70 % de leurs données, réussissant ainsi mieux avec leurs agents.

• La confiance dans les décisions des agents est directement liée à la préparation des données. Seules 50 % des organisations sondées font confiance à l'exactitude des décisions de leurs agents d'IA. En revanche, 100 % des leaders en données ont confiance en leurs agents, soulignant l'importance d'une base de données fiable pour une IA fiable.

• Les leaders en données atteignent plus facilement l'échelle et la rapidité des agents. Deux tiers des retardataires affirment que les systèmes hérités limitent l'échelle (66 %) et la rapidité (68 %) des agents d'IA. Les leaders, ayant surmonté ces contraintes, ne signalent qu'une contrainte de 8 %.

Préparer l'avenir : infrastructures de données et IA

La pression pour rendre les infrastructures de données prêtes pour les agents est forte. Dans les deux prochaines années, tous les répondants prévoient d'utiliser l'IA agentique, avec 69 % s'attendant à une utilisation large. Sans lever les contraintes des systèmes de données, l'IA agentique ne pourra pas tenir ses promesses de rapidité et d'efficacité.

L'amélioration de l'accès aux données et du contexte commercial est une priorité majeure. Les initiatives clés incluent l'amélioration de l'accès aux données structurées et non structurées pour les agents d'IA, ainsi que la gouvernance des données et de l'IA. Les leaders en données se concentrent également sur l'automatisation de la gestion des données, un élément crucial pour permettre aux agents de fonctionner à grande échelle.