Le Data Cloud IA Snowflake vient de publier son nouveau rapport de recherche, le ROI radical de l’IA générative.
Celui-ci met en évidence une adoption encore prudente mais prometteuse de l’IA générative en France.
Malgré un ROI tangible (31%), des budgets limités et une approche mesurée freinent encore l’essor de l’IA générative en France.
Cette approche mesurée se traduit par des défis techniques moins pressants, mais souligne la nécessité d’industrialiser rapidement les usages pour ne pas prendre de retard face à des concurrents plus avancés.
En France, 41% des répondants déclarent travailler sur leurs premiers cas d’usage, contre 36 % à l’échelle mondiale.
Leur stratégie est également moins mature : seuls 59% utilisent des méthodes comme la Génération Augmentée de Récupération (RAG), contre 71% dans le monde, et 52% permettent aux utilisateurs finaux de formuler des requêtes en langage naturel, contre 66 % globalement.
Une approche prudente face à l’IA générative
Le marché français affiche une adoption plus prudente de l’IA générative, près d’une entreprise sur deux en est encore au stade exploratoire, avec une préférence marquée pour des solutions prêtes à l’emploi.
Cette approche modérée se traduit par des stratégies moins avancées, notamment un recours encore limité aux outils permettant d’interroger les bases de données via des interfaces textuelles (text-to-SQL).
Malgré cette phase d’expérimentation, la France se distingue par sa capacité à générer des bénéfices concrets en matière d’innovation.
91% des entreprises interrogées constatent une nette amélioration de leur capacité d’innovation grâce à l’IA générative, un chiffre qui dépasse la moyenne mondiale de 84%.
Reste que les investissements peinent à suivre, seules 9% des entreprises françaises prévoient de consacrer plus d’un quart de leur budget technologique à cette technologie, contre 25% dans le reste du monde.
L’augmentation des investissements dans l’IA sera essentielle pour débloquer une plus grande innovation technologique en France.
L’essor rapide d’entreprises comme Mistral AI illustre le potentiel du pays lorsque l’ambition rencontre les ressources.
Des défis moins pressants, reflet d’un usage limité
Les organisations françaises semblent moins confrontées aux défis liés à la gestion des données dans leurs projets d’IA générative.
Cela s’explique sans doute par une utilisation plus modérée des données propriétaires dans l’entraînement des modèles de langage.
Par rapport à la moyenne mondiale, les répondants français se plaignent moins du manque de diversité des données non structurées, un problème cité par 33% d’entre eux contre 42% au niveau mondial, ainsi que des tâches fastidieuses liées à la gestion de ces données, mentionnées par 35% en France contre 55% ailleurs.
La préparation des données est jugée complexe par 41% des répondants français, contre 51% à l’échelle mondiale.
Ils sont également moins nombreux à évoquer les difficultés à briser les silos de données, ils sont 42% en France contre 64% à l’échelle globale.
La surveillance et la qualité des données est un enjeu relevé par 40% en France contre 59% à l’international.
Une situation en apparence plus favorable, qui reflète surtout une approche plus modérée et moins ambitieuse de l’IA générative.
« Alors que la France avance prudemment dans l’adoption de l’IA générative, les premiers résultats sont déjà visibles, en termes d’innovation, les bénéfices sont réels.
commente Thomas Gourand, VP & Country Manager France chez Snowflake
Pour rester compétitives, les entreprises françaises doivent désormais changer d’échelle et construire des bases solides en matière de données, de gouvernance et de collaboration entre les métiers et l’IT.
Notre client ManoMano, par exemple, a déjà vu 80% de ses cas d’utilisation de l’IA passer en production et l’intelligence artificielle est présente sur 85% du parcours utilisateur sur nos plateformes, preuve évidente qu’au-delà de l’innovation, l’IA générative a déjà un impact mesurable et critique pour l’entreprise. »
Portées par les avancées rapides de l’IA générative, la pression concurrentielle et les premiers résultats encourageants, les entreprises françaises sont désormais appelées à accélérer la cadence.
Cette accélération, devrait les confronter à des défis plus complexes, encore relativement atténués.
En s’engageant plus profondément dans l’exploitation des données non structurées et des modèles propriétaires, elles devront faire face à des enjeux accrus en matière de qualité des données, de gouvernance et de décloisonnement des silos d’information.
Autant d’obstacles techniques et organisationnels qui prendront de l’ampleur à mesure que leur stratégie en IA générative gagnera en maturité.
Méthodologie
Les chercheurs de l’Enterprise Strategy Group ont identifié et mené des recherches plus approfondies entre le 21 novembre 2024 et le 10 janvier 2025, auprès d’organisations pionnières – celles qui augmentent et exécutent déjà des processus métier en production, en utilisant des modèles commerciaux et open-source plutôt que des logiciels grand public sur abonnement tels que ChatGPT. Sur les 3 324 personnes interrogées, 1 900 (57 %) ont déclaré utiliser des solutions d’IA générative commerciales ou open source.
