42 % des entreprises abandonnent la majorité de leurs projets IA. Tant mieux.
Le chiffre de 42 % d’entreprises abandonnant la majorité de leurs projets d’intelligence artificielle marque un tournant dans l’adoption de l’IA en entreprise. Après une phase d’expérimentations enthousiastes, les organisations semblent désormais privilégier une approche plus rigoureuse, centrée sur la mesure du retour sur investissement (ROI). Cette rationalisation, loin d’être un échec, révèle une maturité croissante face aux promesses parfois surfaites de l’IA, où la sélection des initiatives utiles devient un impératif stratégique.
Pourquoi 42 % des entreprises abandonnent-elles la majorité de leurs projets IA selon l’article ?
L’auteur, Geoffrey Harrazi, cofondateur d’Idun, explique que les entreprises entrent dans une phase de réévaluation critique après l’euphorie initiale. Le véritable enjeu n’est plus de lancer des projets, mais de mesurer leur valeur réelle et d’abandonner ceux qui ne génèrent pas de ROI tangible, ce qui explique ces abandons massifs.
Quel est le rôle de Geoffrey Harrazi dans ce débat ?
Geoffrey Harrazi, cofondateur de l’entreprise Idun, intervient en tant qu’expert du secteur pour analyser cette tendance. Son analyse met en lumière la nécessité pour les entreprises de passer d’une logique de test-and-learn à une approche plus exigeante, fondée sur des critères de performance concrets.
Quelle est la principale critique adressée aux projets IA abandonnés ?
L’article suggère que ces abandons reflètent une prise de conscience : beaucoup de projets IA étaient lancés sans évaluation préalable de leur utilité réelle ou de leur faisabilité technique, révélant une décalage entre les promesses technologiques et les réalités opérationnelles.
Ce que ça pourrait changer
Cette rationalisation pourrait accélérer l’adoption de l’IA en entreprise, en éliminant les initiatives superficielles et en recentrant les efforts sur des applications à forte valeur ajoutée. Elle pourrait aussi renforcer la crédibilité de l’IA auprès des décideurs, en démontrant que son déploiement doit être guidé par des objectifs business clairs. À l’inverse, un excès de sélectivité pourrait freiner l’innovation si les critères de ROI sont trop stricts ou mal adaptés aux projets à long terme.
