Budget IA : Ne pas approuver avant d'avoir vérifié la disponibilité du réseau.

L'intelligence artificielle est rapidement passée du stade expérimental à une priorité absolue pour les conseils d'administration. Mais avant d'approuver le prochain budget alloué à l'IA, les dirigeants d'entreprises britanniques devraient se poser une question fondamentale : leurs réseaux pourront-ils supporter une IA à grande échelle une fois qu'elle aura dépassé la phase expérimentale ?

Une étude britannique récente a révélé que 55 % des organisations donneront la priorité aux investissements dans l'intelligence artificielle (IA) ou l'apprentissage automatique (AA) au cours des douze prochains mois, tandis que près d'une sur six admet investir massivement avec peu de valorisation par crainte d'être laissée pour compte.

Cette pression est compréhensible, mais ici la discussion sur le retour sur investissement (ROI) devient très étriquée.

La valeur de l'intelligence artificielle ne sera pas toujours immédiatement visible lors de son déploiement. Certains gains sont obtenus grâce à l'automatisation et à la productivité, tandis que d'autres émergent d'un développement progressif des capacités : une plus grande résilience, une meilleure immunité, une prise de décision plus rapide et de nouvelles méthodes de travail.

Le danger réside dans le fait que les conseils d'administration financent l'IA comme une transformation, puis la considèrent comme un simple projet logiciel à court terme. Au Royaume-Uni, seulement 15 % des organisations affirment que leurs projets d'IA ont dépassé leurs attentes, ce qui appelle à une réflexion plus approfondie sur les conditions nécessaires à la réussite de l'IA.

Où l'intelligence artificielle pêche-t-elle ?

Lorsque les performances de l'IA flanchent, l'attention se porte souvent sur le modèle, les données ou l'équipe ayant développé le cas d'usage. Ces facteurs sont importants, mais ils expliquent rarement l'intégralité du problème.

L'intelligence artificielle dépend du contexte dans lequel elle opère : données, réseau, modèle de sécurité, gouvernance et compétences associées. Si ces conditions sont insuffisantes, même une application prometteuse peut avoir du mal à devenir viable et rentable en production.

Une preuve de concept peut sembler convaincante dans un environnement limité, avec des données fiables, des utilisateurs contrôlés et une stratégie claire de création de valeur. La difficulté apparaît lorsque le projet lui-même doit fonctionner dans des bureaux, des clouds, des systèmes et des bases de données qui n'ont jamais été conçus pour l'intelligence artificielle.

Ici, la connectivité entre en ligne de compte dans le calcul du retour sur investissement (RSI). Si les données circulent trop lentement, si les flux de travail entre les systèmes sont perturbés, si les temps de réponse varient selon l'emplacement ou si les équipes ne peuvent pas identifier les baisses de performance, les entreprises commencent à subir des coûts liés aux retards, aux reprises et à la perte de confiance.

Parmi les entreprises britanniques dont les applications d'IA n'ont pas répondu aux attentes, 24 % invoquent des performances réseau ou de connectivité insuffisantes comme facteur contributif. Ce chiffre est significatif car il illustre la facilité avec laquelle un projet d'IA ambitieux peut se transformer en un programme pilote coûteux en l'absence d'infrastructures adéquates.

Le réseau est devenu un élément essentiel du calcul du retour sur investissement.

Pendant de nombreuses années, les réseaux ont été considérés comme une infrastructure dorsale. Cette approche était plus facile à justifier lorsque les charges de travail se limitaient à la messagerie électronique, au partage de fichiers ou à l'accès standard aux services SaaS. Cependant, il devient beaucoup plus difficile de défendre cette approche lorsque l'intelligence artificielle est intégrée aux opérations en temps réel, aux parcours clients, à la détection des fraudes, aux prédictions ou aux services d'assistance sur le terrain.

L'intelligence artificielle engendre de nouvelles exigences opérationnelles. Les entreprises doivent sécuriser leurs données, gérer intelligemment leurs charges de travail, assurer la continuité de leurs activités et identifier les sources de coûts. Sans cette visibilité, le retour sur investissement devient réactif ; sans agilité, les processus basés sur l'IA restent fragiles ; et sans connectivité sécurisée, les nouveaux cas d'usage créent de nouvelles vulnérabilités. C'est pourquoi la réflexion sur l'infrastructure doit être abordée très tôt dans le cycle de vie de l'IA.

Pour l'avenir, 54 % des organisations britanniques déclarent avoir besoin de réseaux plus flexibles et évolutifs pour prospérer dans un environnement piloté par l'IA, tandis que 57 % affirment avoir besoin d'une plus grande flexibilité et fiabilité pour maximiser la disponibilité.

Ces chiffres ne doivent pas être interprétés comme une liste de souhaits technologiques, mais plutôt comme des indicateurs montrant que l'intelligence artificielle contraint les entreprises à repenser leur environnement numérique. Si l'IA est censée soutenir la prise de décision, la relation client et les processus, alors le réseau central devient une composante essentielle de la stratégie de croissance, un fait que confirme l'adoption massive de l'IA en entreprise.

Quatre questions avant le prochain cycle de financement de l'IA

Avant d'approuver le prochain budget consacré à l'IA, les conseils d'administration devraient se poser les questions suivantes : Où iront les données ? Qui pourra suivre ces mouvements ? Le réseau pourra-t-il supporter l'IA après la phase pilote ? Et que se passera-t-il en cas de défaillance ?

Ces questions obligent les conseils d'administration à regarder au-delà de la simple application et à examiner si l'organisation dispose des conditions nécessaires pour assurer la croissance des projets qu'elle finance. Elles permettent également au directeur des systèmes d'information (DSI) d'ancrer ses ambitions dans les réalités opérationnelles fondamentales : infrastructure, compétences, gouvernance, sécurité, trafic de données et maîtrise des coûts.

La principale difficulté liée au calcul du retour sur investissement de l'IA réside dans le fait que certaines valeurs mettent du temps à se concrétiser. Aucun conseil d'administration n'évaluerait la valeur d'Internet sur la base de sa première année d'existence ; il convient d'aborder l'IA avec la même approche. Si les mesures à court terme sont importantes, elles ne sauraient justifier un investissement insuffisant dans le développement des capacités nécessaires à la création de valeur à long terme.

La prochaine vague d'investissements dans l'IA ne reposera pas uniquement sur l'enthousiasme. Avant de choisir le prochain modèle, de financer la prochaine plateforme ou d'annoncer le prochain projet pilote, les instances dirigeantes britanniques doivent repenser l'infrastructure sous-jacente.

Investir dans l'IA par peur de rater une opportunité (FOMO) ne permettra pas aux entreprises de progresser. La création de valeur durable proviendra de la mise en place, dès le départ, des conditions optimales.