encierro - stock.adobe.com

Actualites

L’heure est l’élagage des projets IA peu fructueux

Après la frénésie des débuts, les entreprises commencent à couper les initiatives non rentables pour optimiser les coûts et préparer le passage à l’échelle des « bons » projets.

Philippe Ducellier
par
Publié le: 06 nov. 2026

Est-ce le début de la fin du « Far West » de l’IA, cette ère où ce qui compte est de faire de l’IA pour explorer à tout va, jusqu’à faire du Tokenmaxxing ? Une étude intéressante de l’éditeur spécialisé en Big Data, Ocient va dans ce sens et donne plusieurs indices chiffrés de la fin de cette époque.

Dans son rapport « Beyond Big Data: AI Reality Check », Ocient conclut que sur les 500 entreprises qu’il a interrogées – aux États-Unis, mais la tendance semble se confirmer aussi en Europe – une minorité seulement constate des retombées positives (38 % disent voir un ROI).

Sans trop de surprise, les trois quarts des entreprises estiment que le coût de leurs projets augmente. Mais le point intéressant est leur préoccupation liée au manque de visibilité sur ces coûts. Payer plus passerait encore. Mais pour 41 % (+6 points en deux ans), ne pas savoir exactement ce qu’ils vont payer est un des principaux défis à gérer.

Cette double prise de conscience – peu de ROI, coûts précis difficiles à anticiper – explique que l’époque où les projets IA étaient lancés juste pour « faire de l’IA » ou à la seule demande du conseil d’administration toucherait à sa fin.

Élagage en cours

La tendance est désormais au « pruning » (à l’élagage).

Un quart des décideurs disent qu’ils ont arrêté ou mis en pause des projets d’IA qui ne rapportent rien. Et ceux qui ne l’ont pas encore fait se posent fortement la question. « Quasiment tous passent à l’action pour améliorer la rentabilité de leur entreprise », écrit le rapport. « Ils coupent ce qui ne marche pas, ils renforcent ce qui fonctionne et ils se concentrent à nouveau sur les données qui sont à la base de tout le reste ».

Pour sélectionner ces projets qui apportent des retombées positives, les responsables techniques regardent désormais quatre critères, à égalité d’intérêt : la cybersécurité, le retour financier, la pertinence des outputs et le coût du passage à l'échelle.

Ils ajoutent en conséquence des couches de gouvernance et de FinOps appliqués à l’IA pour mieux contrôler les ressources déjà engagées et celles à engager demain.

Élaguer ne veut donc pas dire tout couper. « Ce n’est pas un aveu d’échec », insiste le rapport. « Élaguer c’est couper pour donner l’espace suffisant à ce qui doit grandir ».

Pour approfondir sur IA appliquée, GenAI, IA infusée