Les responsables data et analytique pensent être prêts pour l’IA. Ce n’est probablement pas le cas

Le rapport 2026 State of Data Integrity and AI Readiness report est disponible ! 

Points clés à retenir :

• Bien que la plupart des répondants affirment disposer d’une infrastructure, de compétences, d’une préparation des données, d’une stratégie et d’une gouvernance adéquates pour l’IA, une partie importante d’entre eux identifie simultanément ces mêmes éléments comme leurs plus grands défis.
• Bien que 71 % affirment que l’IA est en adéquation avec leurs objectifs d’entreprise, seuls 31 % disposent de mesures liées aux indicateurs clés de performance (KPI) de leur entreprise.
• 71 % des organisations dotées de programmes de gouvernance des données déclarent avoir une grande confiance dans leurs données, contre seulement 50 % de celles qui n’ont pas de programmes de gouvernance.
• 96 % des organisations utilisent avec succès la location intelligence et l’enrichissement des données par des tiers pour améliorer les résultats de l’IA.

À quel point votre organisation est‑elle réellement prête pour l’IA ? Peut‑être moins que vous ne le pensez. Le rapport State of Data Integrity and AI Readiness de cette année, publié en collaboration entre Precisely et le Center for Applied AI and Business Analytics du LeBow College of Business de l’université Drexel, révèle une vérité dérangeante : il existe un écart important entre les progrès réalisés en matière d’IA rapportés par les leaders data et les défis à relever.

Les conclusions de cette année me touchent de près. Au cours des années que j’ai passées à développer des programmes de données et d’IA en tant que Chief Data Officer chez Precisely, j’ai pu constater à quel point l’optimisme concernant la préparation à l’IA peut dépasser la réalité. Alors que le secteur est en effervescence, le véritable travail d’alignement de la technologie, des personnes et de la gouvernance ne fait que commencer.

L’étude montre que ce défi est omniprésent. Nous avons interrogé plus de 500 responsables seniors des données et de l’analytique dans de grandes entreprises internationales sur leur état de préparation à l’IA, l’intégrité des données et les obstacles auxquels ils sont confrontés.

Voici ce qui ressort :

La plupart des personnes interrogées affirment disposer de ce dont l’IA a besoin :

• Disponibilité des données (88 %)
• Stratégie business et soutien financier (88 %)
• Gouvernance de l’IA (87 %)
• Infrastructure (87 %)
• Compétences (86 %)

Et pourtant, ces mêmes éléments figurent en tête de liste des principaux défis de l’IA, comme le soulignent de nombreuses personnes :

• Infrastructure (42 %)
• Compétences (41 %)
• Préparation des données (43 %)
• Stratégie business et soutien financier (41 %)
• Gouvernance de l’IA (39 %)

Il ne s’agit pas d’une divergence mineure, mais d’un décalage fondamental.

Voici ce que révèlent les données sur la préparation à l’IA et ce qui distingue les organisations sur la bonne voie de celles qui se dirigent vers des difficultés :

Le fossé entre confiance et réalité menace le succès de l’IA

Notre étude montre que l’IA domine les conversations sur la stratégie en matière de données. Plus de la moitié des organisations (52 %) affirment qu’elle est le principal moteur de leurs programmes de données. Les entreprises misent tout sur les cas d’utilisation de l’IA dans tous les domaines, notamment la sécurité et la conformité (33-34 %), l’optimisation de la chaîne d’approvisionnement (33 %), le développement de logiciels (32 %), les chatbots du service client (31 %), etc.

Mais c’est là que les choses deviennent intéressantes : 40 % des personnes interrogées citent l’infrastructure technologique comme un obstacle à l’alignement de l’IA sur les objectifs métiers, alors que la plupart d’entre elles affirment que leur infrastructure est déjà prête pour l’IA. Ce constat met en évidence un problème plus profond en matière de préparation : les organisations peuvent se sentir confiantes, mais leurs bases techniques ne sont pas à la hauteur.

Les chiffres relatifs à l’alignement métier reflètent une situation similaire. 71 % des personnes interrogées affirment que leurs efforts en matière d’IA sont en phase avec les objectifs métiers. Mais seulement 31 % d’entre elles suivent des indicateurs tels que la croissance du chiffre d’affaires, la réduction des coûts ou la satisfaction client. C’est beaucoup de confiance, compte tenu du manque de preuves. Lors de récentes conversations avec d’autres CDO, nous avons tous admis que nous étions très doués pour mesurer l’utilité, mais que le véritable retour sur investissement était beaucoup plus difficile à déterminer.

L’enquête montre que les organisations peuvent être trop optimistes quant au retour sur investissement. Trente-deux d’entre elles s’attendent à un retour sur investissement positif de l’IA dans les six à onze prochains mois, et 16 % s’attendent à un retour sur investissement positif dans les six prochains mois, bien que de nombreuses réponses indiquent que des lacunes critiques en matière de gouvernance, de compétences et de qualité des données pourraient avoir un impact sur leurs résultats.

Il est clair que les entreprises sont enthousiasmées par l’IA. Cependant, cela peut les conduire à faire preuve d’un optimisme excessif si elles ne sont pas vraiment préparées à ce qui est nécessaire pour faire passer les projets pilotes d’IA à des environnements de production réels et interentreprises.

La gouvernance des données apparaît comme un facteur déterminant

Voici une bonne nouvelle : le rapport montre que la gouvernance des données a un impact mesurable. Parmi les organisations disposant de programmes de gouvernance des données, 71 % déclarent avoir une grande confiance dans leurs données. Sans gouvernance, ce chiffre tombe à 50 %.

Cela semble logique quand on pense au rôle de la gouvernance : gérer la qualité, la traçabilité, l’utilisation et les politiques d’accès aux données essentielles. Les organisations évoluant dans des secteurs hautement réglementés ont souvent une maturité plus élevée en matière de gouvernance des données en raison des exigences de conformité obligatoires.

Ce qui me semble le plus révélateur, c’est la manière dont les entreprises gèrent les nouveaux programmes de gouvernance de l’IA parallèlement à leurs efforts existants en matière de gouvernance des données. Les véritables gagnants sont ceux qui élargissent leur gouvernance des données existante pour y inclure la gouvernance de l’IA, plutôt que de les traiter comme des projets distincts ou ponctuels – ou, pire encore, de réduire leur attention portée à la gouvernance des données au profit d’investissements dans l’IA.

La gouvernance des données est le facteur différenciateur qui permet d’améliorer de 10 à 20 % les résultats qui importent le plus aux dirigeants, à savoir principalement :

• L’efficacité opérationnelle (19 %)
• La génération de revenus (16 %)
• La modernisation (15 %)
• La conformité réglementaire (13 %)

Au-delà des résultats, 42 % des responsables des données affirment que la gouvernance améliore leur préparation à l’IA et 39 % déclarent qu’elle améliore directement la qualité des résultats de l’IA, prouvant ainsi que la gouvernance des données est bien plus qu’une simple case à cocher en matière de conformité : elle est essentielle.

À mon avis, considérer la gouvernance des données et de l’IA comme une case à cocher « mission accomplie » est risqué. Les organisations qui continuent à faire évoluer leur gouvernance, en particulier à mesure que l’IA mûrit, sont celles qui gagneront à long terme.

 

REPPORT2026 State of Data Integrity and AI Readiness

Conclusions clés des leaders data & analytique.

Lire le rapport

La dette de qualité des données compromet les ambitions en matière d’IA

La qualité des données arrive en tête des priorités en matière d’intégrité des données pour 51 % des responsables des données. C’est la principale préoccupation dans sept des huit questions de notre enquête portant sur les défis liés à la gouvernance des données, les problèmes d’intégration des données, l’enrichissement des données tierces et les initiatives en matière d’IA.

Cela ne me surprend pas ; les entreprises sont confrontées à des problèmes de qualité des données depuis les débuts des entrepôts de données, en passant par l’engouement pour le big data, jusqu’aux data lake dans le cloud.

Nous avons vu le paysage de la saisie de données évoluer de façon spectaculaire — depuis l’époque des opérateurs de saisie jusqu’à la réalité actuelle, décentralisée, où tout le monde est devenu data engineer. Les effets sont visibles au quotidien : davantage de points d’entrée, davantage d’applications et, par conséquent, davantage d’opportunités pour que des données de mauvaise qualité s’infiltrent. Les leviers et les standards jouent un rôle essentiel ; sans eux, cette dette de qualité des données ne fait que s’accumuler.

Mais l’IA a changé la donne et amplifié les risques potentiels liés à des données de mauvaise qualité. Lorsque vous entraînez des modèles d’IA avec des données peu fiables, ces modèles propagent cette mauvaise qualité dans des résultats d’IA inexacts. Et si votre entreprise souhaite tirer parti d’agents d’IA autonomes, elle ne peut pas leur confier des capacités décisionnelles en toute sécurité si ces agents risquent d’opérer à partir de données erronées.

Le pire dans tout ça ? 29 % des personnes interrogées affirment que le principal obstacle à l’obtention de données de haute qualité réside dans la mesure même de la qualité des données. Et malheureusement, on ne peut pas corriger ce qu’on ne peut pas mesurer.

Mais cette étude révèle également une bonne nouvelle. Lorsque les entreprises investissent dans la gouvernance et l’intégration des données, la qualité s’améliore :

• 44 % affirment que l’amélioration de la qualité est le principal avantage de la gouvernance
• 45 % considèrent la qualité des données comme le principal avantage de l’intégration

Le contexte offre un avantage concurrentiel pour l’IA

Les données que vous collectez à partir de vos propres opérations ne sont qu’un point de départ. Pour prendre des décisions intelligentes, vous devez comprendre ce qui se passe dans le monde réel et qui a un impact sur vos clients, vos fournisseurs, vos itinéraires de livraison, vos propriétés et vos réseaux.

La location intelligence et l’enrichissement des données fournissent ce contexte et transforment les données brutes en informations exploitables. Quatre-vingt-seize pour cent des organisations le font déjà, ce qui montre à quel point cette pratique est devenue courante.

Les entreprises utilisent la location intelligence dans tous les domaines pour des cas d’utilisation tels que :

• Marketing ciblé basé sur les données démographiques des clients (41 %)
• Validation et nettoyage des données d’adresse (41 %)
• Optimisation des livraisons et des services (40 %)
• Évaluation des risques et traitement des réclamations (39 %)

En ce qui concerne l’enrichissement des données, 44 % utilisent la segmentation de la clientèle et les données d’audience, 38 % utilisent les données démographiques des consommateurs et 39 % utilisent les limites administratives pour le contexte géographique.

Cependant, l’enrichissement des données nécessite une attention particulière afin d’éviter les problèmes courants. Lorsqu’ils exploitent les informations issues de la géolocalisation, les responsables des données et de l’analyse font état de préoccupations concernant la confidentialité et la sécurité (46 %) ainsi que la complexité de l’intégration (44 %). Et lorsqu’ils intègrent des jeux de données tiers, ils sont confrontés à des défis supplémentaires, notamment :

• les problèmes de qualité (37 %)
• les questions de confidentialité et d’éthique (33 %)
• la conformité réglementaire (32 %)
• les systèmes difficiles à intégrer (31 %)

Si cela vous semble familier, c’est parce que ces défis sont très similaires à ceux liés à la gouvernance et à la conformité qui ne cessent de se poser lorsque les entreprises tentent d’aligner l’IA sur leurs objectifs.

La pénurie de compétences identifiée comme le principal obstacle

 Les entreprises ont mis en place des plateformes d’IA, collecté des données et lancé des initiatives en matière d’intégrité des données. Mais l’enquête montre que le véritable obstacle n’est pas la technologie, mais les personnes. Plus de la moitié des responsables des données interrogés (51 %) affirment que les compétences sont leur principal besoin pour se préparer à l’IA, tandis que seulement 38 % se disent convaincus de disposer du personnel et de la formation adéquats.

Ce qui est intéressant, c’est à quel point les lacunes en compétences sont réparties de manière homogène. Les responsables data signalent des manques pour toutes les compétences évaluées, avec des écarts qui se situent entre 25 % et 30 % par compétence. La solution ne se résume donc pas à recruter davantage de data scientists ou d’analystes métier. Les organisations ont besoin de profils capables de couvrir un large éventail de compétences pour soutenir l’ampleur et la complexité de l’IA.

Voici comment cela se décompose :

• 30 % ne peuvent pas déployer l’IA à grande échelle dans un environnement business
• 29 % manquent d’expertise en matière d’IA responsable et de conformité
• 28 % ont du mal à traduire les besoins de l’entreprise en solutions d’IA
• 27 % ont besoin d’aide pour le développement de modèles d’IA et pour acquérir les bases de l’IA
• 26 % rencontrent des difficultés à faire le lien entre les équipes techniques et métiers, à transformer les résultats de l’IA en actions concrètes et à comprendre les processus métiers

Au fil de ma carrière, en constituant des équipes, j’ai appris que les généralistes, c’est-à-dire ceux qui peuvent faire le lien entre le monde technique et le monde métier, sont tout aussi importants que les spécialistes. Traduire les résultats de l’IA en stratégies business concrètes est souvent la partie la plus difficile, et c’est là que la bonne combinaison de compétences fait toute la différence.

Élaborez votre stratégie d’intégrité des données pour 2026

En réfléchissant aux conclusions de cette année, je suis frappé de voir à quel point elles renforcent ce que j’ai observé tout au long de ma carrière : les principes fondamentaux de la stratégie, de la gouvernance et des compétences en matière de données sont plus importants que jamais. Les défis et les opportunités mis en évidence dans ce rapport correspondent aux réalités auxquelles j’ai été confronté personnellement, et je sais que beaucoup de mes pairs sont confrontés aux mêmes difficultés.

Ce qui m’enthousiasme le plus, c’est la manière dont ces informations peuvent aider d’autres responsables des données à faire abstraction de ce qui n’est pas essentiel et à se concentrer sur ce qui compte vraiment. Que vous vous lanciez dans l’aventure de l’IA ou que vous développiez des programmes déjà matures, les enseignements tirés ici, à savoir combler le fossé en investissant dans l’intégrité des données et en constituant les bonnes équipes, sont essentiels pour assurer votre succès à long terme.

Pour une analyse plus approfondie et des conseils pratiques pour votre organisation, je vous encourage à consulter l’intégralité du  rapport 2026 State of Data Integrity and AI Readiness. Ces conclusions vous aideront à définir une stratégie en matière de données qui soit non seulement prête pour l’IA, mais aussi prête pour l’avenir.