Quelles sont les tendances data et IA 2025 ?

Réalisons un tour d’horizon des tendances et des enseignements principaux : la montée en puissance de l’IA Générative, la simplification des processus de déploiement, et les défis de l’adoption et de l’acculturation à l’IA.

L'IA Générative, la tendance du moment

Réalisons un tour d’horizon des tendances et des enseignements principaux : la montée en puissance de l’IA Générative, la simplification des processus de déploiement, et les défis de l’adoption et de l’acculturation à l’IA.

L'IA Générative continue de se positionner au centre des discussions, notamment grâce à sa capacité à créer des contenus multimodaux, des insights, et à transformer l'expérience client. Ce domaine, qui a fait l'objet de nombreuses démonstrations sur les salons, séduit pour ses applications multiples et son potentiel d'impact dans des secteurs variés.

Des bénéfices notables pour le retail

Avec des agents conversationnels et des recommandations personnalisées, les entreprises peuvent offrir une expérience client améliorée. Clarins a, par exemple, lancé son chatbot "Clara", qui a permis d'augmenter la satisfaction de 40 % tout en réduisant les retours de 30 %.

Les bénéfices de l'IA Générative pour améliorer les performances internes

De l’expérimentation à l’industrialisation : parcours initiatique de l’IA en entreprise

Des entreprises comme L’Oréal, PepsiCo, Fnac/Darty et Decathlon ont partagé leur transition progressive de l’expérimentation à l’industrialisation de l’IA. Ces entreprises ont fait des choix stratégiques, posé des règles claires, et lancé leurs propres IA Factory pour structurer le déploiement de leurs initiatives IA. Ces étapes clés témoignent d’un parcours commun aux grands groupes qui ont su adopter l’IA efficacement.

Cela passe aussi par la simplification des outils pour un ROI effectif : les éditeurs de solutions d’IA facilitent l’industrialisation en les simplifiant pour qu’ils soient exploitables par des profils non techniques. Cela rend le calcul du ROI plus précis et favorise l’adoption à grande échelle.

IA multimodale et applications spécifiques

Avec l’IA Générative multimodale, les entreprises peuvent exploiter simultanément différents types de données (texte, image, audio) pour enrichir les interactions clients et adapter leurs produits et services.

La mise en œuvre d’agents spécialisés par métiers ou même d’agents généralistes, capables d'assister dans diverses tâches, repositionne les collaborateurs sur des missions à plus forte valeur ajoutée. Les principaux enjeux pour les entreprises demeurent l’optimisation de la productivité et l’amélioration de l'expérience de l'employé.

Repositionnement des ressources humaines

Le déploiement de ces agents permet aux collaborateurs de se concentrer sur des activités à plus forte valeur ajoutée, tandis que les tâches répétitives ou à faible valeur ajoutée sont automatisées.

Des fondamentaux toujours présents, avec une mise en œuvre simplifiée

Parmi les éléments essentiels, la qualité des données et la gouvernance restent des enjeux majeurs pour toute stratégie en intelligence artificielle. L'essor des processus d'industrialisation, tels que les pratiques de DataOps et AIOps, soutient le déploiement de l'IA et assure une implémentation plus fluide, un facteur clé pour les entreprises cherchant à accélérer leur transformation digitale.

Par ailleurs, les data platforms enrichies par l’intelligence artificielle accélèrent et automatisent la valorisation des insights stratégiques, tout en assurant une meilleure fiabilité et qualité des données à chaque étape de leur chaîne de valeur. Cette approche facilite l’activation des différents cas d’usage métiers et soutient la transformation vers une entreprise véritablement data-driven.

La gouvernance des données, en particulier, est indispensable pour offrir une visibilité claire sur le patrimoine de données d’une entreprise, sa qualité, ses usages, et son cycle de vie. Ces informations sont essentielles pour nourrir de nouveaux usages de l’IA, identifier les données de qualité, et garantir la conformité avec les régulations, comme le RGPD.

Nous observons également que le développement de l'IA progresse plus rapidement dans les entreprises structurées en data mesh. Ces entreprises sont organisées autour de domaines produits, ce qui favorise l'autonomie des métiers dans la production des jeux de données, tout en maintenant un cadre technique, organisationnel et de gouvernance transverse. Ce modèle facilite la création de marketplaces de données, encourageant ainsi une consommation plus ouverte de ces données, contrairement à une approche "produit à la demande".

Les défis de l'acculturation et de l'adoption de l'IA

Un enjeu de maturité des entreprises

L’adoption de l’IA varie en fonction de la maturité de chaque entreprise, et les grands groupes reconnaissent l’importance de former leurs collaborateurs pour accompagner cette transition. Danone, par exemple, s’est engagé dans un programme de formation massif pour ses 90 000 salariés, ou encore, Microsoft a lancé une plateforme sur la formation IA, qui a pour ambition de former 1 million de Français à l’IA d’ici à 2027. Des initiatives qui illustrent bien l’enjeu de l’acculturation à l’IA. 

Bring Your Own AI (BYOAI) et Shadow AI : avec l'émergence du concept de BYOAI, où les collaborateurs intègrent leurs propres outils d'IA, les entreprises doivent faire face à des risques de "Shadow AI", qui, tout comme le "Shadow IT", échappe souvent au contrôle de la DSI. Ce phénomène représente un défi pour la gouvernance et la sécurité.

Un véritable défi RH : comment harmoniser le travail de collaborateurs expérimentés, en poste depuis 30 à 40 ans, avec celui des nouvelles générations qui intègrent l’IA dans tous leurs process ? Cette différence de pratiques peut causer des difficultés de collaboration et de transmission de savoirs. Pour les entreprises, il devient urgent d'anticiper ces défis RH pour garantir la cohésion et la productivité.

L’IA et les réglementations : vers une adaptation légale par pays

La dimension juridique et légale de l’IA reste un sujet de débats. Avec l'IA Act (loi européenne sur l’usage de l’IA), les entreprises essaient de comprendre et d’anticiper les implications de cette réglementation. Chaque pays adapte ses règles, ce qui nécessite des efforts de conformité pour les groupes internationaux et pose des questions sur la manière dont l'IA sera déployée dans chaque région.

L'IA se démocratise rapidement tout en révélant des défis en termes de gouvernance, de sécuriré, et d'humain. Les entreprises sont confrontées à des choix décisifs pour structurer leur adoption de l'IA et maximiser leur retour sur investissement, tout en assurant une cohésion interne et en répondant aux régulations. Au-delà des tendances technologiques, le véritable défi réside dans la capacité des organisations à accompagner leurs collaborateurs vers un usage optimisé de l’IA, à former une culture commune, et à se préparer aux transformations durables que cette révolution technologique apportera.

Dans cette dynamique, l’essor de l’IA agentique ouvre un nouveau chapitre : ces agents autonomes, capables d’exécuter des tâches complexes de manière proactive et adaptative, transforment l’interaction avec les systèmes numériques. Ils ne se contentent plus d’assister l’utilisateur, mais prennent des initiatives, apprennent en continu et interagissent avec d’autres intelligences pour optimiser les processus. Cette évolution redéfinit la collaboration entre l’humain et la machine, tout en posant de nouveaux défis en matière d’éthique, de supervision et de transparence des décisions automatisées.

Thomas Gayet, Consultant Innovation 
Elodie Kunz, Practice Leader Data
Guillaume Wattellier, Service Line Manager Data & IA