70 % des projets IA échouent sur les données : le test à 48h qui révèle tout
Gartner annonce que 30 % des projets d'IA générative seront abandonnés après le POC d'ici fin 2025. La cause n'est presque jamais le modèle. C'est la donnée. Et un diagnostic express de 48 heures suffit à savoir si votre projet va couler.
Le vrai coupable n'est pas l'algorithme
Quand un projet IA échoue, la tentation est de blâmer la technologie. C'est confortable. C'est faux.
Gartner le dit sans détour : au moins 30 % des projets d'IA générative seront abandonnés après la phase de proof of concept d'ici fin 2025. Les raisons citées ? Absence de valeur business démontrée, gouvernance des données défaillante, gestion des risques inexistante.
Traduction pour un dirigeant : vous avez payé un POC, il a fait illusion trois mois, et il meurt parce que vos données ne tiennent pas debout.
65 % des entreprises utilisent la GenAI. 1 % la maîtrise.
McKinsey, dans son State of AI 2024, pose un diagnostic qui devrait faire réfléchir : 65 % des organisations utilisent régulièrement l'IA générative. Mais seulement environ 1 % des fonctions la jugent « mature ».
L'écart n'est pas une question de talent des équipes data. C'est un problème de fondations. Les risques liés à la qualité et à la gouvernance des données sont cités comme freins majeurs par McKinsey.
Autrement dit : tout le monde a acheté la voiture. Personne n'a vérifié que la route existait.
La qualité des données : le premier obstacle, documenté
Forrester est catégorique : la qualité des données reste le premier frein à l'adoption de l'IA en entreprise. Les programmes de data governance ne sont pas un luxe de grande organisation. Ils sont le prérequis.
IBM Institute for Business Value confirme : les dirigeants citent la qualité et la disponibilité des données comme principal obstacle au déploiement de l'IA générative.
Ce n'est plus un débat technique. C'est un constat de direction générale.
À retenir
- 30 % des projets GenAI abandonnés après le POC d'ici fin 2025 (Gartner)
- 60 % des organisations sans cadre de gouvernance IA d'ici 2027 (Gartner)
- 65 % utilisent la GenAI, ~1 % la juge mature (McKinsey)
- La qualité des données = premier frein à l'adoption de l'IA (Forrester, IBM)
Le chiffre « 70 % » : méfiance, mais le problème est réel
Soyons honnêtes. Le fameux « 70 % des projets IA échouent » circule partout. Mais la source primaire exacte est souvent introuvable. Gartner lui-même n'a pas publié ce chiffre avec cette formulation.
McKinsey Global Institute évoque un chiffre similaire pour les transformations digitales : 70 % échouent. Mais là encore, la référence précise mérite vérification.
Alors pourquoi cet article existe ? Parce que même si le chiffre exact est flou, le phénomène est documenté par des sources solides : Gartner, McKinsey, Forrester, IBM, NIST. Les projets IA échouent sur les données. Pas sur les modèles.
Un dirigeant lucide ne demande pas « quel est le chiffre exact ? ». Il demande « où sont mes données ? ».
Le test à 48h : ce qu'il révèle en deux jours
Voici la méthode que nous défendons chez Ï-NAYA. Avant de lancer un projet IA, avant même de signer un POC, faites un diagnostic express de vos données. 48 heures. Pas six mois.
Ce que vous vérifiez :
- Complétude : vos champs critiques sont-ils remplis ? À quel pourcentage ?
- Cohérence : les mêmes données racontent-elles la même histoire entre SAP et votre CRM ?
- Fraîcheur : quand vos données ont-elles été mises à jour pour la dernière fois ?
- Traçabilité : savez-vous d'où vient chaque donnée utilisée par le modèle ?
- Conformité : vos données respectent-elles les exigences de l'AI Act pour les systèmes à haut risque ?
En 48 heures, vous avez une réponse binaire : go ou no-go. Et vous économisez des mois de POC voués à l'échec.
L'AI Act ne vous laissera pas le choix
Le règlement européen sur l'IA (Règlement UE 2024/1689, publié au JO le 12 juillet 2024) impose des exigences de qualité et de gouvernance des données pour les systèmes à haut risque.
Ce n'est plus une bonne pratique. C'est une obligation légale. Et le NIST, dans son AI Risk Management Framework (version 1.0, janvier 2023), identifie la qualité et l'intégrité des données comme risque central des systèmes d'IA.
Les entreprises françaises et suisses qui déploient de l'IA sans gouvernance des données ne prennent pas seulement un risque projet. Elles prennent un risque réglementaire.
Les éditeurs l'ont compris. Pas vous ?
SAP met en avant la « business data fabric » et la gouvernance sémantique via SAP Datasphere et SAP Business Data Cloud. Microsoft positionne Purview et Fabric comme socle des déploiements Copilot. Google Cloud met en avant BigQuery et Dataplex comme prérequis à l'IA générative.
Message commun : la qualité des données n'est pas un module qu'on ajoute après. C'est la fondation.
Les éditeurs ont compris que leur croissance dépend de la capacité de leurs clients à faire fonctionner l'IA. Et que cette capacité dépend de la donnée.
« Au moins 30 % des projets de GenAI seront abandonnés après le POC d'ici fin 2025, faute de valeur business claire, de gouvernance des données et de gestion des risques. »
— Rita Sallam, Distinguished VP Analyst, Gartner, juillet 2024
Ce que ça change pour vous, dirigeant
Trois décisions à prendre cette semaine :
- Arrêtez de lancer des POC IA sans diagnostic données préalable. C'est du gaspillage budgétaire documenté.
- Nommez un responsable de la qualité des données. Pas un data scientist. Un responsable avec mandat et budget.
- Exigez un test à 48h avant tout engagement. Si vos données ne passent pas le test, aucun modèle ne vous sauvera.
La bonne nouvelle ? Les entreprises qui gouvernent bien leurs données tirent davantage de valeur de l'IA, selon MIT Sloan Management Review et BCG. Ce n'est pas une dépense. C'est un levier de performance.
La mauvaise nouvelle ? Personne ne le fera à votre place.
Retour aux articles