Les progrès en matière d’intelligence artificielle et d’analyse avancée permettent aujourd’hui d’aborder des problèmes de décision chaque fois plus complexes avec de plus grands niveaux de précision et d’efficacité. Pour que la pratique totale des grandes entreprises espagnoles reconnaisse une marge de meilleure qualité en termes de coûts et d’efficacité opérationnelle, le 84,5% des décisions complètes las siguen tomando principalement à partir de l’expérience et du critère de vos équipes, ou avec l’apoyo d’outils de base comme les heures de calcul, règles strictes et solutions d’analyse traditionnelles. C’est l’une des conclusions les plus exigeantes du Baromètre de l’Optimisation Mathématique en Espagne et au Portugal, élaborée par DECIDE | Linkroad en collaboration avec Gurobi, leader en technologie d’optimisation mathématique, qui a été présenté en mai à Madrid.
Maintenant, l’étude approfondie dans le segment des entreprises qui n’ont pas encore adopté la prescriptiva IA, la technologie qui ne permet pas seulement de définir des scénarios, sans identifier la meilleure décision possible entre plusieurs alternatives tenant compte de variables et de restrictions opérationnelles complètes, pour entendre ce qui se passe sans le pas, et ce qui est nécessaire pour le faire.
La brèche n’est pas une dévalorisation : les 95 % des entreprises ont confiance en leur valeur, mais elles ne sont pas actives.
L’un des hallazgos les plus révélateurs de l’étude est la contradiction entre la perception et l’action. Parmi les grandes entreprises espagnoles qui n’utilisent actuellement pas de prescriptions IA, 95 % reconnaissent qu’elles ont un impact positif sur leur retour sur investissement. De ce pourcentage, les 46 % sont modérés ou significatifs. Seulement les 5% considèrent qu’il n’y a pas d’effet pertinent dans votre entreprise.
Este dato dato descarta que el freno mer el escepticismo tecnológico. Le problème ne réside pas dans le fait que les organisations tiennent à la valeur de l’IA prescriptiva, mais dans la mesure où elles n’ont pas suivi, ou n’ont pas eu la priorité, de transformer cette conviction en action.
«Beaucoup d’entreprises savent que l’optimisation mathématique fonctionne, sachant qu’elles ont un impact et, dans certains cas, elles savent où elles s’appliquent. Ce qui n’est pas la vision, c’est l’exécution. Oui, vous avez la solution avec l’application correcte», affirme Daniel Herrero, Global Capability Lead – Decision Intelligence chez Linkroad.
Les priorités stratégiques, le frein numéro un
L’étude identifie avec clarté ce que sont les barres qui expliquent cette rupture. Le principal est la priorité stratégique, signalée par les 19 % des entreprises qui ne les utilisent pas : il y a d’autres initiatives qui occupent le foyer direct, et l’IA prescriptiva qui est inscrite à l’ordre du jour. Ensuite, avec un 16% par an, le chef de cette technologie n’a pas été implanté aujourd’hui dans l’organisation, et il y a un talent interne spécialisé pour la mise en œuvre.
Par la suite, la complexité de la solution est apparue (14%), la difficulté de justifier le retour sur investissement avant la direction des investisseurs (13%) et le manque de connaissance sur ce qui est réellement fonctionnel (11%). De manière significative, la faute de présupposé est le dernier frein dans la liste, signalé seulement par les 10% des enquêtés, qui démontrent un des arguments les plus habituels pour justifier la non-adoption.
«Ce classement de barreras est très révélateur. L’inversion n’est pas le problème principal. Le problème est l’agenda, la connaissance et la capacité interne. Il y a des obstacles qui peuvent se poser avec les palancas adéquates», a ajouté Daniel Herrero.
Un pilote de bas prix, la palanca plus efficace
L’étude a également demandé aux entreprises de ne pas utiliser les utilisateurs nécessaires pour le faire. La réponse la plus citée, avec un 26%, est : utiliser un pilote de faible risque, qui permet de voir les résultats concrets sans compromettre les procédures ni les processus critiques.
L’étude révèle que les entreprises exigent des ressources pratiques et tangibles qui les aident à comprendre la valeur de la prescriptiva IA.
Ensuite, avec un 19% par an, la possibilité que la solution ne nécessite pas un équipement technique interne spécialisé et qu’elle s’intègre aux systèmes actuels sans de grands changements. L’impulsion de la direction et de la quantification indique clairement l’impact économique se situant à 18%, respectivement.
Ces données correspondent à un patron. Les entreprises recherchent des preuves concrètes, une accessibilité technique et un chemin progressif vers l’adoption.
Outils pour exploiter le potentiel
Sur cette même ligne, l’étude révèle que les entreprises exigent des ressources pratiques et tangibles qui les aident à comprendre la valeur de l’IA prescriptiva avant de faire des compromis. Les démonstrations de produit sont le cours le plus valorisé, signalé par les 38 % des enquêtés, suivis des calculateurs de retour sur investissement (37 %) et des cas d’échec du secteur (31 %).
Ce profil de demande de réflexion fait que le marché n’a pas besoin de plus d’arguments théoriques. Il est nécessaire d’effectuer des essais, des exemples appliqués, des outils qui traduiront le potentiel en cifras comprensibles pour la prise de décision interne et l’accompagnement d’experts à l’heure de la mise en œuvre.
« L’adoption ne s’accélère pas avec plus de théorie, mais avec des preuves. Lorsqu’une entreprise et un cas appliqué à sa réalité, l’impact économique et compte tenu de l’équipe qui l’accompagne dans la mise en œuvre, le saut de l’exploration à l’action est beaucoup plus naturel », affirme Begoña López Piedra, CMO de DÉCIDER | Route de liaison.
Le futur est majoritairement exploratoire
En regardant les barres actuelles, l’étude détecte une prédisposition majeure à explorer la technologie dans les prochaines années. Les 57 % des entreprises qui n’utilisent pas actuellement de manière normative ouvrent un papier exploratoire ou expérimental à un horizon de deux ans. Les 28 % sont en mesure de prendre des décisions ponctuelles et concrètes. Seuls les 15 % sont considérés comme ne pouvant être ajoutés à votre modèle opérationnel.
«L’optimisation mathématique est une décision impulsive à fort impact dans plusieurs secteurs, avec une adoption qui ne doit pas encore s’accélérer. Et le chemin le plus naturel pour que les organisations commencent à travailler avec un pilote bien conçu : un problème réel, clair et la réponse de l’équipe directe», conclut Duke Perrucci, PDG de Gurobi.
