L’intelligence artificielle est passée du statut d’initiative secondaire à celui de force structurante façonnant en temps réel les stratégies de données des entreprises.
Dans notre rapport 2026 State of Data Integrity and AI Readiness, publié par Precisely en partenariat avec le Center for Applied AI and Business Analytics du LeBow College of Business de l’Université Drexel, plus de la moitié des responsables des données (52 %) affirment que l’IA est le principal facteur influençant leurs programmes de gestion des données.
L’IA prédictive, générative et agentique passent rapidement du stade de l’expérimentation à celui de l’exigence. Mais derrière cette dynamique, les dirigeants mettent en lumière deux réalités étroitement liées :
- L’enthousiasme autour de l’IA progresse plus vite que la capacité réelle des organisations à s’y préparer.
- La pénurie de compétences demeure l’un des principaux freins au passage à l’échelle des initiatives data, analytiques et IA.
Ces enjeux ne sont pas indépendants. Ils se renforcent mutuellement et, s’ils ne sont pas adressés de front, risquent de compromettre les résultats mêmes que l’IA est censée générer.
Les données de cette année révèlent une tendance claire : la confiance est élevée, mais le niveau de préparation reste inégal. Et c’est précisément dans cet écart que le risque se concentre.
Le décalage entre confiance et réalité dans la préparation à l’IA
À première vue, les organisations semblent prêtes.
88 % des dirigeants déclarent disposer du niveau de préparation des données nécessaire pour soutenir l’IA, 87 % estiment avoir l’infrastructure adéquate et 86 % affirment posséder les compétences requises. Pourtant, ces mêmes domaines sont également cités comme les principaux freins à la réussite des initiatives IA : la préparation des données (43 %), l’infrastructure (42 %) et les compétences (41 %). Il s’agit là d’un décalage structurel.
J’appelle cela « mesurer la préparation à la mauvaise échelle ».
Sur le plan stratégique, de nombreuses organisations sont prêtes. Elles ont investi dans des plateformes. Elles ont lancé des projets pilotes. Elles ont obtenu les budgets nécessaires. Globalement, l’IA s’aligne sur les priorités métiers (du moins sur le papier).
En effet, 71% d’entre elles affirment que l’IA est alignée avec les objectifs de l’entreprise, mais seules 31% ont défini des indicateurs liés à des KPI métiers , tels que la croissance du chiffre d’affaires, la réduction des coûts ou la satisfaction client.
C’est là que le décalage apparaît.
Les projets pilotes réussissent dans des environnements contrôlés, où les données sont soigneusement compilées, les boucles de rétroaction sont courtes et les attentes bien gérées. Mais lorsque l’IA passe en production — à travers les fonctions, les systèmes et les parties prenantes — l’immaturité opérationnelle sous-jacente apparaît, souvent de manière brutale et simultanée.
Sans alignement mesurable sur les enjeux métiers, la priorisation devient floue. Les financements se fragilisent. Des prototypes prometteurs s’essoufflent avant de se transformer en capacités pérennes.
En définitive, la maturité en matière d’IA repose sur la capacité à produire des résultats de manière répétée et à grande échelle.Skills: The Hidden Multiplier (and Risk Amplifier)
Les compétences : un facteur multiplicateur (et amplificateur de risques)
Le déficit de compétences est un autre thème majeur du rapport de cette année – et la question est plus complexe qu’une simple pénurie de main-d’œuvre.
Plus de la moitié des dirigeants (51 %) citent les compétences comme leur principal besoin pour se préparer à l’IA, mais seuls 38 % estiment disposer des compétences et de la formation adéquates au sein de leur personnel.
Voici ce qu’il faut retenir : aucune lacune en matière de compétences ne domine particulièrement.
-
-
- 30 % déclarent ne pas avoir les capacités nécessaires pour déployer l’IA à grande échelle dans un environnement professionnel
- 29 % citent un manque 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 % indiquent que le développement de modèles d’IA et les connaissances de base en IA constituent des défis
- 26 % citent « de multiples autres besoins » en matière de compétences, notamment la médiation entre les équipes techniques et métiers, la traduction des résultats de l’IA en stratégies concrètes et la compréhension des processus métier.
-
« Le déficit de compétences ne tient pas à un manque de talents dans un domaine en particulier, mais le besoin de professionnels capables d’opérer simultanément dans les domaines de la data, de la stratégie métier et de la gouvernance de l’IA. Cette réalité a des implications majeures sur la manière dont les organisations et les universités préparent les nouveaux arrivants sur le marché du travail à l’ère de l’IA agentique. »
–Murugan Anandarajan, PhD, Professor and Academic Director at Drexel LeBow’s Center for Applied AI and Business Analytics
Le défi est systémique et reflète à quel point les capacités qui sous-tendent l’IA d’entreprise sont véritablement interconnectées. Pour déployer l’IA à grande échelle, il faut qu’un large éventail de compétences travaille de concert dans l’ensemble de l’organisation, notamment :
- Data engineers
- ML engineers
- Architectes de gouvernance
- Spécialistes de l’observabilité
- Traducteurs métier / domaine
- Des dirigeants capables de relier les résultats à la stratégie
L’une des compétences les plus sous-estimées est la capacité à relier les objectifs métier et la mise en œuvre technique, ainsi qu’à expliquer les résultats de l’IA en des termes qui permettent aux dirigeants d’agir, et non pas seulement de s’en contenter.
Sans traduction de l’IA en résultats métiers, les modèles fonctionnent en silo.
Sans gouvernance, les risques s’accumulent.
REPPORT2026 State of Data Integrity and AI Readiness
Conclusions d’une enquête menée auprès des leaders mondiaux du secteur des données et de l’analyse.
Les données montrent également une progression claire dans la manière dont les organisations peuvent combler l’écart entre la préparation à l’IA et les résultats métiers — et cela dépend fortement de l’alignement entre le niveau de préparation et les objectifs :
Les organisations avec un faible alignement de l’IA ont besoin d’un pilotage fort de la part des dirigeants
Pour les organisations qui estiment « ne pas du tout » ou « pas suffisamment » atteindre leurs objectifs, le défi tient moins aux outils ou aux talents qu’au manque de clarté.
Les dirigeants supposent souvent que les gaps en matière d’infrastructure (23 %) ou de compétences (25 %) constituent la cause principale. Pourtant, les données montrent que l’absence de cap et d’alignement au niveau exécutif est ce qui freine réellement la progression. Sans mandat clair, les investissements en IA restent fragmentés et peinent à prendre de l’ampleur.
Les acteurs intermédiaires ont besoin d’investissements et de compétences
Les organisations à ce stade intermédiaire — celles qui estiment atteindre leurs objectifs IA « dans une certaine mesure » — ont généralement une vision claire de ce à quoi ressemble le succès, mais manquent des ressources nécessaires pour l’exécuter.
Le rapport montre qu’elles citent le plus souvent l’investissement financier (22 %) et les compétences (23 %) comme leurs principaux freins. À ce stade, la progression dépend de la mise en place à la fois des capacités techniques et des ressources humaines nécessaires pour opérationnaliser l’IA à l’échelle de l’entreprise.
Les organisations les plus performantes continuent de renforcer leur infrastructure et leurs compétences pour passer à l’échelle supérieure
Pour les organisations qui affichent déjà un fort niveau d’alignement — et qui évaluent l’atteinte de leurs objectifs comme « bonne » ou « très bonne » — l’accent n’est plus mis sur le lancement, mais sur la mise à l’échelle.
Ces équipes ont défini une orientation claire et enregistrée des premiers succès. Toutefois, maintenir cette dynamique exige de faire évoluer en continu à la fois l’infrastructure et les compétences. Même à ce stade, près de la moitié des efforts reste consacrée au renforcement de ces capacités, soulignant que la maturité en matière d’IA n’est pas un point d’arrivée, mais une discipline continue.
Il est essentiel de garder à l’esprit que la maturité en matière d’IA est un processus itératif qui nécessite un réajustement constant à mesure que la technologie et les attentes évoluent. Les organisations qui comblent leurs lacunes en matière de compétences dans les domaines de l’ingénierie, de l’IA responsable et de la mise en œuvre opérationnelle ont nettement plus de chances de passer de la phase d’expérimentation à une mise à l’échelle durable de l’IA.
De l’élan à la maturité
Le chiffre le plus révélateur concerne peut-être l’optimisme. 32% des dirigeants s’attendent à un retour sur investissement positif de l’IA au cours des 6 à 11 prochains mois, malgré des lacunes persistantes en matière de gouvernance, de compétences et de mesure.
Cet optimisme n’est pas injustifié. Mais un optimisme dépourvu de fondements opérationnels devient fragile, en particulier lorsque les attentes sont élevées et que la surveillance s’intensifie.
Pour être prêt pour l’IA, il faut un modèle opérationnel intégré qui unifie :
- Un socle de données prêtes pour l’IA, incluant la qualité des données, la gouvernance, le contexte et l’enrichissement, ainsi que la mesure et l’observabilité
- Le développement des compétences
- L’alignement avec le métier
Lorsque ces éléments évoluent ensemble, la confiance et la réalité convergent. Dans le cas contraire, l’IA reste bloquée en mode pilote : impressionnante, mais pas transformatrice ; visible, mais pas durable.
En tant que responsables des données, notre rôle ne se limite pas à promouvoir l’innovation. Il s’agit de construire la pérennité, en veillant à ce que les premiers succès se traduisent par une valeur d’entreprise durable.
Si vous devez retenir une leçon des conclusions de cette année, que ce soit celle-ci : la préparation à l’IA ne s’achète pas. Elle se mérite, grâce à la cohérence, aux capacités et à la confiance. Et les capacités opérationnelles exigent de la discipline, pas seulement de l’ambition.
