L'IA est partout dans les laboratoires de R&D. Alors pourquoi des milliards sont-ils toujours gaspillés ?

Points clés

• Plus d'une organisation sur trois dépense entre 25 et 40 pour cent de son budget R&D pour des projets qui ne voient jamais le marché.
• Près de la moitié des équipes de R&D estiment que l'arrêt d'un seul projet pendant son développement ou ses tests coûte plus d'un million de dollars en investissements gaspillés.
• La plupart des organisations utilisent actuellement l'IA pour des tâches d'exécution, comme l'analyse de données, plutôt que pour le soutien à la prise de décision au début d'un projet.
• Les chercheurs et les gestionnaires affirment qu'une meilleure intelligence au stade initial de l'idéation et de la faisabilité, avant qu'on ne s'engage sérieusement financièrement, procurerait la plus grande valeur.

Imaginez une entreprise qui passe des années et des millions à développer un produit, puis l'abandonne avant son lancement. Ce n'est pas un désastre rare. C'est la pratique standard.

Un nouveau livre blanc, signalé par IEEE Spectrum AI, révèle que plus d'un tiers des organisations brûlent entre un quart et 40 pour cent de leur budget entier de recherche et développement sur des projets qui ne parviennent jamais à leurs clients. La R&D, pour ceux qui ne seraient pas familiers, est le travail interne que les entreprises font pour inventer, tester et affiner les nouveaux produits avant leur mise en vente.

Alors où va l'argent ?

La plupart va à des projets qui semblent prometteurs au début, puis échouent tard. Près de la moitié des équipes interrogées estiment que le coût de l'arrêt d'un seul projet pendant son développement ou ses tests dépasse un million de dollars. Ce chiffre couvre les salaires, l'équipement, le temps de test et les matériaux dépensés avant que quelqu'un décide enfin d'arrêter.

Les arrêts tardifs sont les plus coûteux. Un projet arrêté après deux ans de travail coûte bien plus cher qu'un projet rejeté au cours du premier mois.

Pourquoi l'IA n'a-t-elle pas résolu ce problème ?

L'IA n'a pas résolu ce problème parce que la plupart des entreprises l'appliquent à la mauvaise partie du processus. Le rapport montre que les organisations appliquent généralement l'IA à des tâches d'exécution, comme l'analyse d'ensembles de données, l'exécution de simulations ou la création de modèles. Ces éléments sont précieux, mais ils interviennent après que les grandes décisions aient déjà été prises.

La question la plus difficile, devrions-nous construire cela du tout, tend à être répondue à l'ancienne : l'instinct, la politique interne et les informations qu'une équipe peut rassembler manuellement.

C'est là que se cache le vrai gaspillage.

Qu'est-ce qui aiderait vraiment ?

Les répondants ont été clairs. Une meilleure intelligence au stade de l'idéation et de la faisabilité, la phase la plus précoce quand un projet n'est qu'une idée testée face à la réalité, apporterait la plus grande valeur. Attraper un mauvais pari en deuxième semaine est bien moins cher que de l'attraper en deuxième année.

Les outils d'IA qui aident les équipes à évaluer l'adéquation au marché, le risque concurrentiel ou la faisabilité technique avant l'allocation des budgets pourraient réduire considérablement ce gaspillage. Pour l'instant, peu d'organisations utilisent l'IA de cette façon.

Pour quiconque travaille dans une entreprise qui développe des produits physiques ou numériques, cela compte. Le gaspillage en R&D finit par se traduire par une innovation plus lente, des prix plus élevés ou moins de nouveaux produits sur les rayons. Intégrer l'IA dans la couche décisionnelle, pas seulement dans la couche de données, c'est là que l'économie change.

Questions courantes

S'applique-t-il aux petites entreprises, ou seulement aux grandes entreprises ?

Le rapport ne restreint pas ses conclusions aux grandes sociétés. Toute organisation qui mène un processus formel de recherche ou de développement, d'un fabricant de taille moyenne à un studio logiciel, fait face à la même dynamique : de l'argent engagé tôt, des décisions prises tard.

Qu'un gestionnaire non technique devrait-il retenir de cela ?

Demandez à votre équipe où l'IA est réellement utilisée. Si la réponse est seulement dans l'analyse après qu'un projet est déjà en cours, la décision qui a lancé le projet n'a probablement reçu aucun soutien de l'IA du tout, et c'est l'écart qui vaut la peine d'être comblé.