La patronne de Franklin Templeton exhorte les entreprises à adopter l'IA plus vite et à protéger leurs données de base

Jenny Johnson, patronne de Franklin Templeton, a exhorté les entreprises à ne pas tarder à adopter les nouvelles technologies et à s'emparer plus activement de l'intelligence artificielle. Selon elle, la question n'est plus l'effet de mode autour de l'IA, mais la rapidité avec laquelle une entreprise peut l'intégrer à ses processus réels sans perdre le contrôle de ses données clés.

Pourquoi l'IA est devenue incontournable

Invitée de Bloomberg Surveillance à Washington, Jenny Johnson a exprimé une position de plus en plus partagée par les grands groupes et les investisseurs : l'IA ne peut plus rester au stade d'expérience de laboratoire. Pour les dirigeants, ce n'est plus un programme d'innovation à part, mais un outil de travail qui influe sur la productivité, la vitesse de décision et le coût des opérations. C'est particulièrement visible dans les secteurs où l'analyse manuelle, le reporting et le service client pèsent lourd, notamment la finance, le conseil et les services aux entreprises.

«

Les entreprises doivent apprendre à utiliser les nouvelles technologies, y compris l'IA. »

Son propos n'est pas que toute entreprise doive acheter en urgence des outils à la mode. Il est autre : les entreprises qui sauront utiliser correctement les nouveaux systèmes avant leurs concurrents obtiendront un effet cumulatif. Elles traitent les données plus vite, voient mieux le comportement des clients et déploient leurs processus internes à moindre coût. Celles qui continueront de traiter l'IA comme une option réservée à une équipe risquent de constater, d'ici un ou deux ans, que le retard n'est plus marketing, mais opérationnel et financier.

Les données, socle du déploiement

Le second point fort de Jenny Johnson est la protection des core data, c'est-à-dire des données de base sur lesquelles repose l'activité de l'entreprise. C'est d'autant plus important que les modèles génératifs se déploient vite et exigent un accès aux documents internes, aux informations clients, aux analyses et aux échanges. Si une entreprise ouvre l'IA à des ensembles de données mal étiquetés ou mal protégés, elle s'expose à un double risque : fuites et réponses erronées. Dans une telle configuration, même un modèle performant ne donnera pas de résultat fiable, car le problème ne sera pas l'algorithme, mais le socle de tout le système.

En pratique, le déploiement de l'IA ne commence pas par une belle démo devant le conseil d'administration, mais par un travail d'infrastructure qui paie rarement de mine, mais détermine le résultat final. Les entreprises doivent décider à l'avance quelles données peuvent être connectées aux modèles, lesquelles ne doivent pas être envoyées vers des services externes, qui est responsable de la qualité des sources et comment le résultat est vérifié. Sans cela, même un pilote réussi se heurtera vite à des questions de sécurité, de conformité et de confiance des salariés.

• inventaire et classification des données clés
• contrôle d'accès pour les salariés et les services externes
• connexion des modèles uniquement à des sources vérifiées
• mesure de l'effet par le temps, la qualité et la réduction du risque

Pour une société financière, cette règle est presque évidente, mais elle devient désormais universelle pour d'autres secteurs. Si une entreprise ne sait pas quelles données sont réellement critiques, qui les utilise et où elles sont stockées, la discussion sur l'IA reste superficielle. Un déploiement massif de modèles sans discipline sur les données peut accélérer temporairement certaines tâches, mais ensuite entraîner des erreurs coûteuses dans le reporting, le support, la conformité et la prise de décision.

Le marché regarde plus loin

Jenny Johnson a aussi évoqué l'état du consommateur et les prix du pétrole. Ce sont a priori des sujets distincts, mais pour une société de gestion de cette taille, ils sont directement liés à la discussion sur la technologie. La demande des consommateurs influe sur les revenus des entreprises et leur appétit d'investissement, tandis que le pétrole reste l'un des marqueurs de la pression inflationniste et des coûts. Pour les grands dirigeants, la question de l'IA n'existe donc plus depuis longtemps dans le vide : on l'examine avec les dépenses, les taux, la demande et la solidité du modèle économique.

D'où une approche plus sobre du déploiement de nouveaux systèmes en 2026. Les conseils d'administration veulent comprendre non seulement où l'on peut automatiser des processus, mais aussi comment cette décision se comportera si l'environnement macroéconomique change. Si le consommateur s'affaiblit, les entreprises ont besoin d'un contrôle plus rapide des marges et de la demande. Si l'énergie renchérit, le prix de l'inefficacité grimpe. Dans un tel environnement, l'IA n'est plus une vitrine de l'innovation, mais un moyen de décider plus vite là où une erreur coûte plus cher qu'avant.

Ce que cela signifie

Le signal de Franklin Templeton est simple : il ne suffit plus aux entreprises de discuter d'IA en séance stratégique ; il faut la décliner en processus, en indicateurs et en gestion protégée des données. Les gagnants ne seront pas ceux qui parlent le plus fort de transformation, mais ceux qui relient la technologie à la discipline opérationnelle et savent décider dans un contexte de demande, de coûts et de prix changeants.