Le dernier rapport de recherche de Gartner souligne que jusqu'à 30 % des entreprises abandonneront les projets d'IA générative en cours de test d'ici fin 2025. Cela n’est pas dû à des goulots d’étranglement techniques, mais à des coûts élevés. Les rapports montrent que le déploiement d’un projet d’IA peut coûter des millions de dollars, voire jusqu’à 20 millions de dollars, ce qui représente une dépense inabordable pour de nombreuses entreprises. Cet article procédera à une analyse approfondie des données clés du rapport Gartner, explorera les raisons du coût élevé des projets d’IA générative et comment les entreprises pèsent les coûts et les avantages pour finalement parvenir à une application efficace de la technologie de l’IA.
Les dernières recherches de Gartner, une agence d'analyse bien connue, montrent que d'ici fin 2025, au moins 30 % des entreprises d'IA générative testées seront impitoyablement abandonnées par les entreprises. Ces données étonnantes ont été annoncées lors du Gartner Data and Analysis Summit qui s'est tenu à Sydney, en Australie, et ont vraiment porté un coup dur à l'industrie de l'IA.
Pourquoi cela se produit-il ? Il s’avère que le coût est trop élevé ! Gartner a constaté que les premiers adeptes de l’IA générative sont confrontés à des coûts croissants. Imaginez, le déploiement d’un projet d’IA peut coûter entre 5 et 20 millions de dollars, c’est beaucoup d’argent !
Remarque sur la source de l'image : l'image est générée par l'IA et le fournisseur de services d'autorisation d'image Midjourney
Par exemple, si vous souhaitez concevoir un modèle d'IA génératif personnalisé, tel qu'affiner le modèle Llama avec des données spécifiques à l'industrie, l'investissement initial sera de 5 à 6 millions de dollars, puis de 11 000 $ supplémentaires par an par la suite. Si vous souhaitez développer un modèle à partir de zéro, vous devez préparer 20 millions de dollars. Même une simple fonction de recherche de documents vous coûtera 750 000 $ pour démarrer !
Pas étonnant que les entreprises froncent toutes les sourcils ! Gartner a déclaré que, aussi ambitieuse soit-elle, l’IA générative exige des entreprises qu’elles fassent preuve d’une plus grande tolérance, car il s’agit d’un investissement indirect dont on ne peut pas s’attendre à ce qu’elle soit efficace immédiatement.
Rita Sallam, analyste chez Gartner, a déclaré : L’IA était si en vogue l’année dernière, et maintenant les dirigeants ont hâte de voir les résultats. Cependant, les entreprises ont du mal à prouver et à réaliser la valeur de l’IA.
Cependant, tout n’est pas désespéré. Gartner a interrogé 822 chefs d'entreprise et a découvert qu'après avoir adopté l'IA, 15,8 % des entreprises ont augmenté leurs revenus, 15,2 % des entreprises ont réduit leurs coûts et 22,6 % des entreprises ont amélioré leur productivité. Bien que ce chiffre ne soit pas élevé, cela prouve au moins que l’IA est encore quelque peu utile.
Par conséquent, propriétaires d’entreprise, si vous voulez jouer avec l’IA, vous devez faire quelques calculs ! Pour analyser la valeur de l’entreprise et le coût total, vous devez non seulement regarder le retour direct, mais également considérer l’impact futur.
Points forts:
? Gartner prédit : 30 % des projets d'IA générative seront abandonnés d'ici fin 2025, principalement en raison de leurs coûts élevés.
Le coût des projets d'IA est faramineux : les modèles personnalisés peuvent coûter entre 5 et 6 millions de dollars, et le développement à partir de zéro peut coûter jusqu'à 20 millions de dollars.
? Les effets des applications d'IA sont mitigés : environ 15 % des entreprises ont augmenté leurs revenus ou réduit leurs coûts, et 22,6 % ont amélioré leur productivité.
Dans l’ensemble, l’IA générative a de larges perspectives d’application, mais les coûts élevés et les rendements incertains restent d’énormes défis auxquels sont confrontées les entreprises. Les entreprises doivent évaluer soigneusement leurs propres besoins, planifier leurs budgets de manière raisonnable et prêter une attention particulière aux tendances de développement technologique afin d'avancer régulièrement dans la vague de l'IA et d'éviter de suivre aveuglément la tendance qui conduit au gaspillage de ressources.