Les architectures de données classiques sont insuffisantes pour le déploiement d’agents IA au niveau de l’entreprise, selon une étude de Google Cloud et MIT Technology Review Insights. Les entreprises souhaitent passer rapidement à l’échelle, mais se heurtent à des systèmes obsolètes, un accès limité aux données et des problèmes de latence.
Le passage de projets pilotes d’agents IA à petite échelle à des applications d’entreprise à grande échelle ne se fait pas sans heurts. Les piles de données classiques sont principalement conçues pour des analyses rétrospectives, mais les agents IA exigent un accès en temps réel aux données actuelles et au contexte de l’entreprise. Le rapport a interrogé trois cents responsables internationaux des données et de la technologie sur leurs expériences et leurs attentes concernant les agents IA.
Les agents IA à grande échelle
Selon l’étude, seulement dix pour cent des organisations utilisent actuellement des agents IA à grande échelle. Pourtant, près de 70 % prévoient d’y parvenir d’ici deux ans. Les entreprises reconnaissent qu’elles doivent s’adapter à une nouvelle méthode de travail, où les systèmes n’offrent pas seulement de l’intelligence, mais peuvent aussi réellement passer à l’action. Une étude récente de Cloudera a montré une tendance similaire. Celle-ci a révélé que 95 % des organisations retardent leurs projets d’IA en raison de contraintes d’infrastructure.
La confiance dépend des données
Seule la moitié des répondants (51 %) est convaincue que leur architecture de données actuelle permet aux agents IA de prendre des décisions précises et pertinentes. Plus de la moitié (55 %) indique que les systèmes de données obsolètes constituent un obstacle au déploiement à grande échelle. Pour 52 %, la latence est le principal goulot d’étranglement pour une prise de décision rapide.
Le rapport démontre que l’IA n’a accès en moyenne qu’à 45 % de l’ensemble des données de l’entreprise. Les organisations qui donnent à leurs applications d’IA l’accès à plus de 70 % des données constatent une nette différence : 36 % estiment que les décisions de leurs agents sont systématiquement précises, tandis que 64 % parlent de résultats largement exacts. Des données suffisantes et actualisées sont donc cruciales pour la fiabilité.
Systèmes hérités
Les entreprises délaissent de plus en plus les systèmes purement analytiques pour miser sur des « systems of action » capables de raisonner et d’agir en temps réel. Pourtant, les systèmes existants s’avèrent souvent mal préparés à cette transition. L’étude souligne que la modernisation de l’architecture des données est nécessaire pour exploiter pleinement le potentiel des agents IA.