IDC : les DSI d'EMEA doivent repenser leurs données et leurs modèles de ROI pour mettre l'IA en production

IDC estime que les déploiements d'IA en entreprise ont calé en EMEA non parce que l'intérêt pour la technologie s'est refroidi, mais parce que la préparation au passage à l'échelle est insuffisante. Pour sortir les projets de la phase pilote, les DSI doivent revoir en même temps l'économie, l'architecture des données et la manière dont les nouveaux outils s'insèrent dans le travail quotidien des équipes.

Pourquoi les pilotes ne décollent pas

Au cours des dix-huit derniers mois, les entreprises d'Europe, du Moyen-Orient et d'Afrique ont beaucoup investi dans les grands modèles de langage et le machine learning classique, en espérant un effet opérationnel sensible. Les conseils d'administration ont maintenant commencé à freiner une partie des programmes, à en réduire l'ampleur ou à réorienter les investissements. D'après IDC, il ne s'agit pas d'une perte d'intérêt pour l'IA : les métiers exigent une justification financière plus stricte, dans un contexte de priorités informatiques concurrentes et de pression macroéconomique.

Les chiffres sont durs : seules 9 % des organisations de la région ont obtenu, ces deux dernières années, un résultat métier mesurable sur la majorité de leurs projets d'IA. Les 91 % restantes n'ont pas forcément connu d'échec technique, mais elles sont coincées dans une zone grise entre la démo et la vraie production. Les projets ne meurent pas dans un grand fracas : ils perdent leur élan, leur budget et leur soutien interne, sans jamais devenir une fonction durable de l'entreprise.

Où le ROI se brise

L'une des principales erreurs consiste à évaluer l'IA selon l'ancienne logique d'achat, où la valeur d'un nouveau logiciel se mesure à la réduction des effectifs ou aux économies directes de licences. Pour les modèles génératifs, cela ne fonctionne souvent pas. Leur effet se manifeste indirectement : baisse des risques, travail plus rapide des spécialistes, moins d'arrêts et nouvelles sources de revenus. Si l'entreprise ne regarde que les coûts évidents, un pilote prometteur perd presque inévitablement la bataille du budget.

Les DSI doivent en somme redécrire l'économie du déploiement et auditer non seulement le modèle, mais toute la chaîne dans laquelle il opère :

• les pertes évitées, par exemple liées aux arrêts ou aux erreurs
• la hausse de la productivité des équipes et la réduction des temps de cycle
• de nouveaux scénarios de revenus et des services numériques
• le coût total de l'inférence, du stockage, des intégrations et du support
• les dépenses de sécurité, de conformité et de contrôle des données

La barrière suivante apparaît au passage du bac à sable cloud à l'environnement de l'entreprise. Un pilote se monte vite avec une API et des données de test, mais la production exige du calcul permanent, des pipelines actifs, de la supervision et une intégration avec des systèmes hérités. Quand il faut raccorder des bases de données vectorielles modernes à d'anciens environnements Oracle ou SAP, les lacunes d'architecture apparaissent aussitôt. Les scénarios RAG nécessitent des données propres, annotées et correctement classées ; sinon la qualité des réponses chute et les hallucinations augmentent. Parallèlement, les factures d'inférence et de fine-tuning des modèles grossissent, et il faut déjà les expliquer ligne par ligne aux financiers.

Architecture et personnes

IDC souligne à part que les exigences de protection des données, de cybersécurité et d'explicabilité des modèles en Europe n'entravent pas forcément le passage à l'échelle. Au contraire : les entreprises qui intègrent des règles de gouvernance et de contrôle dès le premier jour avancent plus vite. La protection contre les prompt injections, des périmètres d'accès clairs, la documentation des décisions du modèle et le contrôle des données augmentent le coût de base du projet, mais rendent en même temps le système apte à un usage professionnel réel et renforcent la confiance des clients.

La résistance n'est pas moindre chez les salariés. Une solution d'IA peut fonctionner techniquement et ne pas prendre pour autant, si elle casse un processus habituel ou impose à l'équipe une réorganisation trop brutale. Les DSI doivent donc investir non seulement dans les modèles, mais aussi dans la reconversion, la conduite du changement et une conception du déploiement centrée sur le travail réel des personnes.

La vérification automatique des contrats a du sens quand les juristes passent moins de temps sur la routine et davantage sur les négociations et les risques complexes. Dans ce contexte, le rôle du DSI évolue : selon IDC, 42 % des dirigeants d'EMEA attendent du DSI qu'il pilote la transformation numérique et IA, en mettant l'accent sur la création de nouvelles sources de revenus.

Ce que cela signifie

En EMEA, la phase du « essayons l'IA, on verra » touche à sa fin. La prochaine étape ne sera pas remportée par les entreprises qui ont le plus de pilotes, mais par celles qui savent prouver leur valeur, préparer les données et intégrer les modèles dans de vrais processus métier, sans fossé entre la technologie, la finance et les personnes.