Votre entreprise a acheté l'IA. Vient maintenant la partie difficile.
Le PDG de NTT DATA AIVista affirme que la plupart des projets IA en entreprise échouent non pas parce que le modèle est mauvais, mais parce que personne ne fait le travail ingrat de l'intégrer dans de vrais flux de travail, de vraies données et de vraies mesures de sécurité.
Points clés
- La plupart des projets IA en entreprise échouent lors de la mise en œuvre, non pas à cause d'un modèle sous-jacent faible, mais en raison d'une mauvaise intégration, d'une connaissance du domaine insuffisante et d'une responsabilité peu claire.
- Bratin Saha, PDG de NTT DATA AIVista, affirme que les dépenses visant uniquement l'achat d'un modèle de pointe laissent la plupart des rendements financiers sans résultats.
- L'ajustement fin, processus de réentraînement d'un modèle sur de nouvelles données, s'est classé dernier dans le dernier sondage de VentureBeat auprès des entreprises sur les priorités de sélection de modèles.
- NTT DATA AIVista utilise un mélange de modèles de pointe et open-source, réservant le raisonnement le plus coûteux aux décisions où une erreur aurait des conséquences graves.
- Saha affirme que les trois éléments dont les entreprises ont besoin simultanément sont la technologie, l'expertise du domaine et la gestion du changement, et que la technologie est le moins des trois goulots d'étranglement.
Chaque semaine, une autre entreprise annonce un gros budget IA. Et chaque semaine, une histoire plus discrète reste ignorée : le chèque a été encaissé, le modèle a été déployé, et presque rien n'a changé.
Bratin Saha, PDG de NTT DATA AIVista, la division IA de l'une des plus grandes sociétés de services informatiques au monde, a parlé précisément de ce problème lors de VB Transform 2026. Son argument est direct. Acheter un modèle IA capable est la partie facile. La partie difficile, c'est tout ce qui l'entoure.
« Ce n'est pas juste un modèle », a déclaré Saha. « Vous construisez un système autour du modèle. »
Pourquoi tant de projets IA en entreprise stagnent-ils ?
Ils stagnent parce que les modèles de pointe, les systèmes IA les plus puissants disponibles aujourd'hui comme GPT-5.5 ou Claude Opus 4.8, sont entraînés sur des connaissances générales. Les vrais flux de travail commerciaux ne sont en rien généraux.
Saha a donné l'exemple des réclamations d'assurance multinationales. Ces formulaires contiennent de l'écriture manuscrite, des dizaines de cases à cocher et des règles réglementaires qui varient selon le pays. Un modèle à usage général les lit mal. La précision reste trop faible pour qu'une entreprise réglementée lui fasse confiance.
La solution n'est pas simplement d'acheter un modèle plus grand. L'équipe de Saha appelle la solution « spécialisation du dernier kilomètre » : prendre un modèle de base capable et l'envelopper dans trois couches. Premièrement, les données propriétaires et le contexte spécifiques à l'entreprise, introduits pour que le modèle comprenne l'activité spécifique. Deuxièmement, un ensemble de modèles, c'est-à-dire plusieurs systèmes IA travaillant ensemble, afin que les coûts informatiques restent gérables. Troisièmement, des mesures de sécurité spécialisées, des contrôles automatisés qui détectent les erreurs et forcent une correction avant qu'une mauvaise réponse n'atteigne un client ou un régulateur.
« Le meilleur rapport qualité-prix provient de la spécialisation et ensuite de ces mesures de sécurité spécialisées », a déclaré Saha.
Quel est le coût et qui paie quoi ?
| Couche | Ce que c'est | Qui en est généralement propriétaire |
|---|---|---|
| Modèle de base | L'IA centrale (GPT-5.5, Claude, open-source) | Fournisseur de modèles |
| Contexte du domaine | Données de l'entreprise, flux de travail non documentés | Entreprise + intégrateur |
| Ensemble de modèles | Mélange de modèles de pointe et moins chers open-source | Intégrateur |
| Mesures de sécurité | Couche automatisée de vérification des erreurs | Intégrateur + entreprise |
| Gestion du changement | Formation du personnel, réécriture des processus | Entreprise |
Les frais de licence du modèle sont souvent la plus petite ligne du budget. Les connaissances « tribales » non documentées, ce que les travailleurs expérimentés savent mais n'ont jamais écrit, coûtent le plus cher à capturer. Saha affirme que l'équipe de NTT le fait en s'asseyant avec les travailleurs humains et en demandant simplement comment ils font réellement leur travail.
« La seule raison, c'est parce que nous allons parler à ces travailleurs humains », a-t-il déclaré.
Qu'est-ce que cela signifie pour les entreprises pesant un investissement en IA ?
Simple : budgétisez le système entier, pas seulement l'abonnement au modèle.
Saha affirme que la séquence compte aussi. Commencez par intégrer l'IA dans les flux de travail existants plutôt que de les repenser à partir de zéro. Les travailleurs gérant des opérations critiques n'accepteront pas qu'un fournisseur démantèle un processus en cours de route. Une fois la confiance établie et les résultats visibles, la refonte plus approfondie devient possible, et c'est là que se situent les rendements les plus importants.
Il y a une réserve honnête qui vaut la peine d'être nommée. Saha intervenait lors d'une session parrainée ; NTT DATA AIVista a payé la plateforme. Ses conseils pointent, opportunément, vers l'embauche d'un intégrateur expérimenté. De nombreuses petites entreprises n'auront pas besoin d'une firme de cette envergure. Le principe sous-jacent, cependant, tient indépendamment de qui fait le travail : le modèle est table stakes, et le flux de travail est le prix.
Conclusion : Avant de signer un contrat IA, cartographiez le flux de travail que vous souhaitez modifier du début à la fin. Si vous ne pouvez pas décrire ce qui change à chaque étape et qui en est responsable, le budget technologique est en avance sur le plan.
