10 ans de Big Data : ambitions et résultats ne sont pas alignés
Grandes ambitions, mais petits résultats ? D’après le BCG, les entreprises ont clairement sous-estimé la difficulté et affichent ainsi un retard sur l’analytics et l’IA. Des pionniers se démarquent néanmoins grâce à l’industrialisation.
Grandes ambitions, mais petits résultats ? D’après le BCG, les entreprises ont clairement sous-estimé la difficulté et affichent ainsi un retard sur l’analytics et l’IA. Des pionniers se démarquent néanmoins grâce à l’industrialisation.
Quel est le niveau de maturité des entreprises dans le domaine de la donnée ? Le Boston Consulting Group a interrogé plus de 600 entreprises afin de le mesurer. Et si les ambitions en 2016 étaient « extrêmement fortes », quelques années plus tard les résultats effectifs ne traduisent pas toujours cette ambition.
IA & Analytics : des progrès « limités »
« Malheureusement, quand on regarde ce qui s’est passé, on constate bien des progrès, mais relativement limités » note Elias Baltassis, directeur Data & Analytics pour le BCG. Une explication ? « La plupart des entreprises ont clairement sous-estimé la difficulté » à progresser sur différentes facettes de la data (cas d’usage, valeur, qualité et gouvernance des données, infrastructure…).
Et c’est au niveau de l’analytics et de l’intelligence artificielle que le fossé entre ambitions et résultats réels s’est le plus creusé. « C’est le domaine qui a progressé le moins ces deux dernières années », malgré la profusion d’articles et de déclarations diverses sur la datascience.
Énergie : l’IoT a créé une nouvelle source de données extrêmement utile
Pourtant, le support du management se révèle « assez fort ». En dépit de ce sponsoring des directions d’entreprise, « l’analytics n’a pas encore livré toute la valeur » attendue. Quant à la « promesse de l’intelligence artificielle », elle ne s’est pas encore réalisée.
Au niveau sectoriel, trois secteurs se démarquent cependant en termes de maturité. Ce sont d’ailleurs les mêmes qu’en 2016 : technologies et télécoms, services professionnels et finance – cette dernière perdant une place.
D’autres accentuent leurs efforts. C’est en particulier le cas du secteur de l’énergie, qui certes « partait de très bas. » Il en va de même des biens industriels, moins en retard quant à eux. Le BCG explique cette tendance par l’Internet des objets.
« L’IoT a créé une nouvelle source de données extrêmement utile et a permis de multiples applications comme la maintenance préventive ou l’optimisation de la supply chain » avance Elias Baltassis.
Le secteur public français en avance sur la data
Et le secteur public ? Il est à la traine. Il en irait cependant différemment en France, souligne le BCG. Ce n’est d’ailleurs pas le seul secteur à se démarquer. Dans l’Hexagone, « nos banques et nos assurances sont très très bonnes, suivies notamment par la mobilité et les transports. »
« La France est assez en avance sur plusieurs secteurs, avec un bond extraordinaire du secteur public », présenté comme l’un des plus avancés dans le monde en matière d’IA et de Big Data. Un constat très relatifs, et qui pourrait surtout traduire un retard mondial plus qu’une prouesse française.
« Deux trous assez significatifs » pour la France
Les initiatives des pouvoirs publics dans le domaine de l’intelligence artificielle sont en effet encore récentes, comme l’avait notamment traduit la dernière édition du Forum parlementaire sur l’IA. Pour se moderniser, L’Etat prévoit de mettre à contribution le fonds de transformation (FTAP) de 700 millions d’euros, dont 250 millions en 2019.
Les cocoricos peuvent donc encore attendre. D’autant que la France affiche « deux trous assez significatifs » par rapport à ses voisins : l’analytics et la gouvernance des données, ce dernier point rejaillissant sur la qualité des données.
Mort au Poc, objectif industrialisation
En ce qui concerne l’adoption de l’IA, les entreprises françaises doivent s’inspirer des « pionniers » identifiés dans ce domaine par le BCG. Qu’ont de plus ces pionniers ? Pas nécessairement leurs cas d’usage de l’IA.
« Ils ne font pas des choses différentes des autres. La vraie différence vient du fait qu’ils le font à l’échelle et de façon industrialisée » relève Elias Baltassis. Et les enjeux pour ces acteurs sont ainsi désormais le recrutement des compétences et la priorisation de leurs investissements.
IA, « n’essayez pas de faire du vieux avec du neuf. »
En comparaison, les entreprises en retard se préoccupent encore de technologie et d’organisation. Et combler ce retard ne sera « peut-être pas possible » compte tenu de son importance et de la maturité des pionniers.
Le directeur du BCG encourage les entreprises à « ouvrir leurs horizons et à regarder un peu plus loin ». Un énième modèle de churn, c’est bien, mais sans doute insuffisant désormais. « Il y a plein de choses à faire. N’essayez pas de faire du vieux avec du neuf. »
Autre préconisation : prioriser. Et pour le consultant, deux facteurs seulement interviennent dans la priorisation : « soit c’est de l’argent, comme une baisse des coûts, soit c’est un objectif stratégique. »
Enfin : sortir du laboratoire. « Arrêtez les expérimentations et les PoC. Visez l’industrialisation, et ce dès le début d’un cas d’usage. Seule l’industrialisation permettra d’atteindre la valeur. » Sur ce point, le constat semble partagé par un certain nombre d’entreprises, notamment de l’univers de la banque assurance.
