Une analyse complète basée sur la recherche d'Economist Impact impliquant 715 cadres techniques et 385 technologues de données et d'IA à travers le paysage d'entreprise.
Cet article est un résumé d'un rapport d'Economist Impact, commandé par Databricks, et combine un sondage global de 715 cadres techniques et 385 technologues de données et d'intelligence artificielle (IA) qui travaillent dans les domaines de l'ingénierie des données, la science des données et l'architecture d'entreprise.
Accédez à la recherche complète d'Economist Impact
L'adoption de l'IA n'est plus expérimentale—elle est généralisée. Le sondage montre que 85% des organisations utilisent déjà l'IA générative (GenIA) dans au moins une fonction d'affaires, et 97% des entreprises de plus de 10B$ de revenus sont engagées. Pourtant, seulement un leader sur cinq croit que ses investissements actuels sont suffisants, signalant des risques de sous-investissement.
Organisations utilisant déjà l'IA générative dans les fonctions d'affaires
Grandes entreprises (10B$+ de revenus) engagées dans l'IA
Les bénéfices immédiats de l'IA se manifestent dans la productivité et l'efficacité—assistants de codage, automatisation des flux de travail, support client, contenu marketing. Flo Health, par exemple, a augmenté l'efficacité de l'ingénierie des données de 24%, et Repsol a vu des améliorations de productivité allant jusqu'à 30% chez les codeurs.
Mais les leaders voient de la valeur à long terme dans l'innovation de modèles d'affaires, le positionnement sur le marché et l'alignement ESG. La croissance des revenus n'a pas encore été le principal moteur—mais elle deviendra décisive à mesure que l'adoption arrive à maturité.
Augmentation de l'efficacité de l'ingénierie des données
Amélioration de la productivité chez les codeurs
Les cadres recommandent des pilotes méthodiques et intentionnels. Providence, par exemple, a créé des environnements de gouvernance et techniques pour des expériences contrôlées. TD Bank a restreint son chatbot GenIA au personnel interne, protégeant les clients des sorties imprévisibles.
Seulement 22% des organisations disent que leur architecture peut pleinement supporter les charges de travail IA aujourd'hui. Les silos de données, la latence et les systèmes fragmentés demeurent les plus gros obstacles. Les ingénieurs de données rapportent passer la majorité de leur temps juste à réparer les pipelines de données.
Organisations avec une architecture prête pour l'IA
Architectes citent le traitement en temps réel comme principal écart
Les données sont le différenciateur. Deux tiers des organisations voient le plus grand potentiel dans l'intégration de l'IA générative avec des données propriétaires, pourtant près de la moitié des scientifiques de données utilisent encore des LLM sans génération augmentée par récupération (RAG).
Organisations voient du potentiel dans données propriétaires + IA générative
Scientifiques de données utilisent les LLM sans RAG
Données d'entreprise sont non structurées
Le rapport souligne un écart entre les dépenses IA projetées de 1T$+ et les revenus à court terme. Les cadres mettent en garde contre le battage publicitaire mais conviennent que sous-investir est plus risqué que sur-investir.
Dépenses IA projetées vs. écart de revenus à court terme
Partenaire avec les experts de KData pour implémenter des initiatives IA stratégiques qui génèrent un ROI mesurable et un avantage concurrentiel.
Les cadres soulignent que l'IA est un outil d'augmentation, pas seulement d'automatisation. Les leaders se préparent pour un avenir où le langage naturel est l'interface par défaut avec les données. Près de 60% des architectes d'entreprise s'attendent à ce que le personnel non technique interagisse avec les données uniquement via le langage naturel dans les trois ans.
Architectes d'entreprise s'attendent au langage naturel comme interface de données par défaut dans 3 ans
La gouvernance est souvent vue comme un frein, mais le rapport la recadre comme un accélérateur. La moitié des ingénieurs de données disent que la gouvernance prend plus de temps que tout le reste, pourtant une gouvernance faible risque des violations de conformité et des dommages à la réputation.
50% des ingénieurs de données passent plus de temps sur la gouvernance que sur le travail principal
L'IA d'entreprise passe du battage publicitaire à la valeur concrète. Les gagnants seront ceux qui maîtrisent ces impératifs stratégiques :
Gérer l'échelle IA avec des architectures de données unifiées
Données propriétaires et non structurées comme différenciateur unique
Gains de productivité avec croissance de revenus à long terme
Pilotes gradués par risque qui passent à l'échelle de façon sécurisée
Accès IA tout en appliquant une gouvernance forte
L'IA comme élément central de transformation d'affaires
Bref, le succès de l'IA nécessite autant de transformation organisationnelle et culturelle qu'elle le fait d'innovation technique. Les leaders doivent aligner les investissements, l'infrastructure, la gouvernance et les stratégies de main-d'œuvre pour transformer l'IA en un véritable avantage concurrentiel.
Suivez-nous sur LinkedIn pour obtenir les derniers aperçus sur l'ingénierie des données, Databricks, Snowflake, les stratégies d'IA et les meilleures pratiques infonuagiques. Rejoignez notre communauté professionnelle d'experts en données.
Experts en ingénierie des données et IA
Rejoignez des milliers de professionnels des données