Près de la moitié des analyses produites par les agents d’analyse de données des entreprises interrogées débouchent sur des actions qui améliorent l’activité. D’après une étude publiée par Insights, la branche de contenus personnalisés de MIT Technology Review, distincte de sa rédaction, ce taux atteint en moyenne 48 %, contre 37 % un an plus tôt. Plus de la moitié des résultats restent donc, selon l’étude, sans effet utile pour les entreprises.
- Les analyses des agents améliorent l’activité dans 48 % des cas, contre 37 % un an plus tôt.
- Le manque de contexte métier et les données fragmentées nuisent à la qualité des analyses.
- Le volume trop élevé empêche la plupart des entreprises d’évaluer toutes les analyses.
- Les entreprises renforcent la gouvernance et ajoutent une couche sémantique à leurs données.
Les auteurs distinguent un petit groupe d’organisations, qu’ils appellent les « insight leaders ». Dans ce groupe, plus de 70 % des analyses des agents conduisent à des actions bénéfiques pour l’activité, et ces organisations jugent la qualité de ces analyses plus élevée que l’ensemble des personnes interrogées. L’écart est particulièrement marqué pour les analyses prescriptives, c’est-à-dire celles qui recommandent une action à mener.
Un manque de contexte et des données dispersées
Lorsque les analyses sont jugées de qualité insuffisante, la principale cause citée par les dirigeants interrogés est le manque de contexte métier, mentionné par 55 % d’entre eux. Des données fragmentées ou inaccessibles arrivent en second, avec 45 %. Les insight leaders sont moins nombreux à dire que leurs agents peinent à accéder au contexte nécessaire.
Le volume pose aussi problème. Dans 52 % des organisations interrogées, les agents génèrent un nombre d’analyses trop élevé pour être évalué correctement, et donc pour être suivi d’effet. Moins d’un quart (24 %) parviennent à évaluer l’ensemble des analyses. La plupart procèdent au cas par cas, un processus qui, selon le rapport, mobilise aujourd’hui fortement les équipes humaines.
Gouvernance et couche sémantique
Pour améliorer la qualité des analyses, les entreprises interrogées privilégient le renforcement de la gouvernance de l’IA et des données, cité par 60 % d’entre elles. Elles sont aussi 45 % à ajouter une couche sémantique à leur architecture de données, c’est-à-dire un niveau qui donne aux données une signification commune et partagée au sein de l’entreprise.
Les experts interrogés par les auteurs de l’étude s’accordent sur le rôle de cette couche sémantique, qu’ils jugent cruciale pour que les agents soient performants.
