Ads

Édition française du magazine TIME – Abonnement 1 an 4 n°, 41 € (économisez 10%)

Les deux principales opportunités de l’économie de l’IA

Ravi Kumar S est le PDG de Cognizant.
Crédit photo : Freepik
Les entreprises ont consacré plus de dépenses à l’intelligence artificielle ces deux dernières années qu’à toute autre technologie en une génération. Pour autant, les résultats se font désirer pour la plupart d’entre elles. Pour environ quatre entreprises sur cinq, l’IA n’a entraîné aucun impact mesurable sur leur activité. Par ailleurs, 85 % d’entre elles dépassent leur budget consacré à l’IA en raison de la consommation imprévue de tokens.

C’est pour cette raison que je prévois qu’une majorité de projets basés sur l’IA vont être abandonnés avant même d’avoir atteint la phase de production, et ce, pour plusieurs raisons : des données jamais préparées, des flux de travail qui n’ont jamais évolué et des modèles jamais intégrés dans un système opérationnel.

Comparons ce phénomène à la technologie elle-même. Un nouveau modèle de pointe, plus performant que le précédent, apparaît tous les mois et franchit des seuils qui paraissaient insurmontables. Nous estimons que 93 % des emplois aux États-Unis sont déjà exposés à des évolutions provoquées par l’IA, un chiffre que nous avions à l’origine prévu pour 2032.

Les capacités brutes dont dispose toute entreprise se sont multipliées au sein d’un seul cycle budgétaire, et pourtant, peu d’entreprises ont converti ces capacités en valeur. Ce fossé, que j’appelle « l’écart de vélocité de l’IA », se creuse au lieu de se refermer, alimenté par la rapidité d’évolution des modèles et la lenteur de l’adaptation des capacités, des structures organisationnelles et de la gouvernance.

Pour l’économie tout entière (et pas seulement le secteur des services informatiques), combler ce fossé représente une opportunité de croissance de plusieurs milliers de milliards de dollars afin de réduire l’écart entre ce dont est capable l’IA et ses résultats concrets.

Cette solution repose sur deux leviers. Le premier concerne les tâches pour lesquelles les entreprises dépensent déjà, mais qui prennent aujourd’hui de nouvelles formes : moderniser les systèmes, développer des logiciels et exécuter des opérations avec de l’IA et des agents aux côtés de la main-d’œuvre humaine. C’est ce que l’on pourrait qualifier de travail à l’ancienne, mais réinventé. Il est certes déflationniste par nature. L’IA réduit les délais et le coût du travail pour lesquels le secteur a investi pendant des décennies, mais c’est précisément ce qui crée plus de valeur, à un rythme inédit. Chez Cognizant, environ 40 % de notre code est déjà rédigé avec l’aide de machines, ce qui permet à nos équipes de se charger des tâches à plus forte valeur ajoutée, valorisées par nos clients.

Mais ce n’est pas tout (si c’était le cas, les sceptiques auraient bien raison de se demander si l’IA n’est pas un simple outil de réduction des coûts). À l’échelle d’une entreprise, l’efficacité ne s’obtient pas uniquement en consommant plus d’IA, un indicateur de vanité désormais désigné par certains sous le nom de « tokenmaxxing ». Elle s’obtient en revanche en concevant l’intégralité d’un système autour du modèle : les données, le contexte, les garde-fous et l’orchestration qui transforment un modèle performant en solution fiable et adaptée aux entreprises. Cela aura pour conséquence de stimuler la consommation de logiciels et de créer de nouvelles sources de valeur pour le secteur.

Il ne s’agit donc pas simplement de déployer l’IA, mais de bâtir son activité avec elle, en créant des systèmes composites qui amplifient le potentiel du travail humain aussi bien que numérique. Réalisé correctement, ce travail de base ne se contente pas d’apporter des gains d’efficacité : il développe la capacité qui compose le deuxième levier.

C’est d’après moi dans ce second levier que réside la véritable valeur : la création de produits, services et business models entièrement nouveaux grâce à l’IA. Ensemble, ces deux leviers vont redéfinir la manière dont les entreprises créent de la valeur à l’âge de l’IA. L’opportunité du second levier éclipse ainsi la déflation du premier en couvrant le travail qui n’existait pas il y a trois ans : la conception et l’exécution de systèmes agentiques pensés pour la production ; le chiffrage dans des modèles du contexte construit par une entreprise depuis des décennies pour obtenir des comportements fiables ; la régulation de l’IA pour en faire un outil fiable et auditable ; le soutien financier pour développer ces systèmes extrêmement rapides ; et le déploiement de l’intelligence dans le monde physique. Une toute nouvelle demande existe pour ce type de travail, et elle est considérable. Dans les faits, le second levier ne compense pas le premier, il le supplante.

J’estime que cette opportunité ne peut être saisie uniquement par un logiciel. L’IA agentique n’est pas un produit qu’une entreprise peut acquérir et configurer, mais un système conçu selon les particularités de chaque entreprise : ses flux de travail repensés, son savoir-faire institutionnel, ses données, sa tolérance au risque et son contexte réglementaire. Plus le problème est complexe, plus cela se confirme. Imaginez ce qu’il faut pour intégrer des agents d’IA dans le processus d’autorisation préalable d’un acteur de la santé qui compte des centaines de millions d’adhérents, pour qui une réponse erronée entraîne des conséquences cliniques et juridiques. Ou bien pour cartographier toutes les dépendances en aval dans un système de télécom hérité avant d’apporter le moindre changement. Ou pour gérer le processus d’octroi de prêts d’une grande banque, impliquant des milliers d’assureurs et de contrôles de conformité. Rien de tout cela n’implique de simplement brancher un modèle, mais d’intégrer, d’orchestrer, de gérer les changements et, par-dessus tout, d’assumer le résultat.

Pour y parvenir, nous devons adopter plusieurs changements : passer d’un intégrateur de systèmes à un concepteur d’IA, d’une pyramide de talents à des compétences interdisciplinaires, de la vente de main-d’œuvre à des résultats en matière de souscription.

Pour être à la hauteur des enjeux actuels, il convient donc de réaffecter les compétences de nos collaborateurs. De nouveaux métiers, comme celui d’ingénieur « exploratoire » certifié et d’exploitant d’entreprise « exploratoire », voient le jour pour former une nouvelle génération de talents au premier plan de la transformation des entreprises par l’IA. L’émergence de ces professions reflète par ailleurs un écrasement et un élargissement des structures organisationnelles. La pyramide traditionnelle du travail, avec ses hiérarchies largement stratifiées, laisse place à un modèle de prestation plus interdisciplinaire et plus agentique.

C’est pour cette raison que le discours qui affirme que les emplois de premier échelon sont condamnés est erroné. L’IA peut créer plus d’emplois, non pas en supprimer. En abaissant les barrières à l’accès de l’expertise, elle peut faciliter la maîtrise et permettre à plus de personnes de réaliser un travail à forte valeur ajoutée. Il ne s’agit pas d’une automatisation qui supprime des emplois : l’IA élargit l’éventail des acteurs pouvant contribuer.

Les entreprises qui tirent des résultats de l’IA se démarquent déjà de celles qui se contentent de la déployer. Cette distinction est ce qui définira la couleur de la prochaine décennie, pas le secteur dans lequel elles évoluent. Le fossé entre les compétences de l’IA et la valeur ajoutée qu’elle génère est une passerelle, qui doit être construite avant que la prochaine vague d’investissements dans l’IA ne porte ses fruits. Les entreprises qui s’y engagent, en traitant les données, le contexte et les systèmes qui transforment les capacités en valeur concrète, sont celles qui définiront la suite des événements.

Partagez cet article : 

PEOPLE

Robert Pattinson (Crédits : Stéphane Corbis-Cardinale/GettyImages)

Robert Pattinson

Nicole Kidman. (Crédits: Taylor Hill/FilmMagic via Getty Images)

Nicole Kidman

Mylène Farmer  au 78e Festival de Cannes au Palais des Festivals le 15 mai 2025 (Crédits :  Laurent KOFFEL/Getty Images)

Mylène Farmer

Crédits: Grant Thomas

Angèle

FOR PRINT MOSUKE46557

Mory Sacko

Bérengère Krief.

Bérengère Krief

Niels Schneider. (Crédits: Nicolas Valois, Charlotte Studio)

Niels Schneider

Céline Dion. ( Crédits: Roy Rochlin via WireImage)

Céline Dion