Mauvaise préparation des données : obstacle N°1 à la mise en œuvre de l’IA

La mauvaise préparation des données entraîne une augmentation des coûts, un ralentissement de l’innovation et une perte de revenus. Malgré des stratégies de centralisation des données perçues comme efficaces, des projets d’IA n’aboutissent pas. Pourquoi ?

Top 5 de la préparation des données

• Préparation des données

Selon 42 %, plus de la moitié des projets d’IA ont été retardés, ont sous-performé ou échoué en raison de la préparation des données

• Perte de revenus

68 % des entreprises ayant centralisé moins de la moitié de leurs données signalent une perte de revenus liée à des projets d’IA échoués ou retardés

• Ressources en ingénierie à la maintenance des pipelines de données

67 % des entreprises ayant centralisé leurs données consacrent plus de 80 % des ressources en ingénierie à la maintenance des pipelines de données

• Conformité réglementaire

Selon 59 % des entreprises, la conformité réglementaire est le défi dans la gestion des données pour l’IA.

• Sous-perfomance

La sous-performance de l’IA est un risque pour l’entreprise : 38 % notent une augmentation des coûts opérationnels due à des échecs de projets d’IA.

Automatisation & Intégration

Les entreprises doivent moderniser leur infrastructure de données avec des outils d’intégration automatisés pour réduire la complexité des pipelines et libérer les ressources des équipes d’ingénierie.

Quant aux priorités d’investissement, on observe que 65 % prévoient d’investir dans des outils d’intégration de données comme stratégie principale pour permettre le déploiement de l’IA.

Top 4 des défis

Des entreprises peinent à dépasser le stade des projets pilotes en IA, ne parvenant pas à préparer, intégrer ou rendre opérationnelles efficacement leurs données.

• Complexité en matière d’intégration

74 % gèrent ou prévoient de gérer plus de 500 sources de données, d’où une complexité importante en matière d’intégration

• Manque d’innovation

67 % des entreprises fortement centralisées consacrent plus de 80 % des ressources en ingénierie des données à la maintenance des pipelines, d’où peu de temps à l’innovation

• Manque d’informations exploitables

Selon 41 % des entreprises, le manque d’accès aux données en temps réel empêche les modèles d’IA de fournir des informations exploitables

• Silos de données

Selon 29 % des entreprises, les silos de données entravent la réussite de leurs projets d’IA

Différences régionales et sectorielles

La santé et le retail sont les premiers secteurs prêts pour l’IA grâce à des stratégies d’automatisation et d’intégration des données plus solides.

La finance et l’industrie manufacturière luttent contre les systèmes hérités et les contraintes d’intégration.
La région Asie-Pacifique arrive en tête avec un score de préparation à l’IA de 8,8 sur 10, suivie par les États-Unis avec 8,2. Le Royaume-Uni est à la traîne avec un score de 6,0.

Source : Etude Fivetran menée au premier trimestre 2025 par le cabinet Redpoint Content – 401 leaders et professionnels des données aux États-Unis, au Royaume-Uni, en Europe, au Moyen-Orient, en Afrique et dans la région Asie-Pacifique. Secteurs de la technologie, de la finance, de la santé, du retail et de l’industrie, employant de 500 à plus de 5 000 personnes.