Comment les détaillants et les fabricants utilisent l'IA?

La majorité des entreprises interrogées (82 %) travaillent activement à la mise en œuvre de l'IA. Seules 18 % d'entre elles ont déclaré ne pas s'être encore penchées sur le sujet. Les principales raisons de cette hésitation sont le manque de temps (ou l'absence de priorité), les préoccupations liées à la complexité de la mise en œuvre et l'incertitude quant aux cas d'utilisation pratiques.

Parmi ceux qui explorent déjà l'IA, les principales motivations sont l'amélioration de l'efficacité (53 %), l'automatisation des processus (44 %) et l'amélioration de l'analyse des données et des prévisions (41 %).

Il est intéressant de noter que l'ampleur de l'adoption de l'IA varie considérablement d'un secteur à l'autre. Alors que des domaines tels que la sécurité informatique et la logistique ont connu des mises en œuvre relativement avancées, les fonctions fortement axées sur le client - ainsi que les finances et les RH - sont encore à la traîne.

Si l'on examine les cas d'utilisation spécifiques dans les différentes fonctions de l'entreprise, il apparaît rapidement que l'éventail des applications potentielles de l'IA est incroyablement diversifié. Dans le domaine de la logistique et de la production, par exemple, la planification des flux à l'aide de l'IA et de la robotique - comme pour les tâches d'inventaire - est déjà très courante. Dans des domaines tels que le marketing ou les ressources humaines, les solutions intelligentes prennent souvent la forme de chatbots, d'assistants virtuels ou d'analyses prédictives utilisées pour les prévisions de ventes et de paniers d'achat.

Parmi les cas d'utilisation moins répandus dans les domaines de la supply chain, la génération automatisée de documents et l'optimisation des délais de livraison par l'IA se révèlent particulièrement prometteuses.

Les données sont à la base de toute solution d'IA. Interrogées sur les trois principaux défis liés aux données dans la mise en œuvre de l'IA, 31 % des entreprises ont cité l'intégration des données dans les systèmes existants. Viennent ensuite la mauvaise qualité des données (21 %) et la fragmentation des données en différents types et silos (18 %). Il est intéressant de noter que seulement 10 % des entreprises ont mentionné le manque de données en tant que tel comme un obstacle majeur, ce qui suggère que la plupart d'entre elles disposent déjà des données dont elles ont besoin. Le véritable défi consiste à rendre ces données systématiquement disponibles, accessibles de manière centralisée et de qualité suffisante.

Cela nécessite plus qu'une simple plateforme de données centralisée - il faut une stratégie de données unifiée.
En tant que partenaire certifié de Microsoft, nous sommes là pour vous aider à concevoir une solution à l'épreuve du temps qui consolide vos données, rationalise vos processus et vous permet de prendre des décisions plus intelligentes, basées sur les données.

Au-delà de l'accès centralisé à des données de haute qualité, de nombreuses entreprises interrogées ont cité le manque d'expertise interne et l'acceptation des employés comme des obstacles majeurs. Interrogées sur les trois principaux défis liés aux employés et à l'état d'esprit de l'entreprise, 35 % d'entre elles ont indiqué que la pénurie de professionnels qualifiés constituait le principal problème lié à la mise en œuvre de l'IA. Vingt-sept pour cent supplémentaires ont cité le manque de confiance ou le scepticisme des employés, ainsi qu'un savoir-faire insuffisant.

Il est clair que le développement des compétences en matière d'IA au sein de la main-d'œuvre est l'un des obstacles les plus importants. Après tout, l'utilisation efficace de l'IA dépend de la capacité des employés à travailler avec ces systèmes et à interpréter correctement les données. Pourtant, dans de nombreuses organisations, les programmes de formation structurés visant à développer ces compétences font encore défaut.