Selon Gartner, la moitié des projets d’IA dépasseront leur budget en raison de mauvais choix architecturaux.
Le cabinet d’études Gartner prévoit qu’au moins la moitié de tous les projets d’IA générative dépasseront leur budget en raison de mauvais choix architecturaux et d’un manque d’expertise opérationnelle. De plus, de nombreuses entreprises finiraient par abandonner leurs projets de modèles d’IA propriétaires en raison des coûts élevés et de la complexité.
L’avertissement provient du dernier Hype Cycle for Generative AI de Gartner, que The Register a pu consulter. L’entreprise y analyse trente technologies d’IA et conclut qu’aucune n’a encore atteint aujourd’hui le « plateau de productivité ». Selon Gartner, de nombreuses technologies se trouvent encore dans une phase d’attentes excessives ou de désillusion.
Les modèles d’IA propriétaires sont coûteux et complexes
Le rapport accorde une attention particulière aux modèles d’IA spécifiques à un domaine. Ces modèles sont spécifiquement conçus ou entraînés pour des secteurs tels que la santé, la finance ou les applications juridiques. Selon Gartner, ils fournissent souvent de meilleurs résultats et moins d’hallucinations que les modèles généralistes.
Pourtant, le cabinet d’études prévient que le développement de tels modèles nécessite de lourds investissements en calcul, en connaissances spécialisées et en maintenance à long terme. En conséquence, de nombreuses organisations finiraient par abandonner leurs projets avant même qu’ils ne deviennent rentables.
Les assistants d’IA sont les plus avancés
Parmi toutes les technologies examinées, Gartner considère les applications d’IA telles que les assistants de code, les outils de résumé et les images générées par IA comme les plus matures. Plus de la moitié du marché cible utiliserait déjà de telles applications. Parallèlement, selon Gartner, des problèmes majeurs subsistent concernant la propriété intellectuelle et les résultats erronés. L’évolution rapide des modèles sous-jacents permet toutefois à ces applications d’être prêtes pour une adoption plus large plus rapidement que d’autres technologies d’IA.
