LEBIGDATA.FR I.A, Cloud & Cybersécurité
Elles avaient tout : les budgets, les algorithmes, les data scientists. Pourtant, 8 projets d’IA sur 10 finissent dans le mur. Et non, ce n’est pas la faute du code. C’est celle des humains, de la stratégie et, parfois, d’un ego trop gonflé pour écouter les signaux.
Kieran Gilmurray en a vu passer, des projets d’IA qui promettaient monts et merveilles. Vingt ans dans le numérique, des titres de DSI et de directeur de la transformation à la pelle, et aujourd’hui PDG de KG & Co. Il sait ce qui cloche quand l’IA patine.
Et apparemment, ce ne sont pas les machines qui déraillent, ce sont les gens. L’expert, reconnu parmi les 50 leaders les plus influents de l’IA agentique en 2025, l’a confié dans une interview à The AI Speakers Agency.
Le serveur est rarement coupable
Les entreprises se ruent sur l’IA comme sur un buffet à volonté, souvent sans savoir quoi mettre dans l’assiette. Beaucoup se lancent dans des projets pilotes “pour voir” — sans réel besoin métier, sans plan, sans indicateur. Résultat : un beau prototype… et zéro impact.
Les causes de l’échec sont connues : données bancales, absence de gouvernance, direction peu impliquée, services métiers et IT qui se parlent à peine. La plupart oublient même d’impliquer les juristes ou les équipes de conformité, jusqu’à ce que la réalité les rattrape. Gilmurray le répète : sans alignement avec la stratégie d’entreprise, l’IA reste bloquée au stade expérimental.
Le succès, lui, se joue sur la méthode. Il faut une vision claire, un responsable métier qui assume les résultats, et surtout des données propres. Les boîtes intelligentes avancent pas à pas : elles testent, prouvent, puis étendent. Ce rythme crée la confiance et transforme un “projet sympa” en vrai moteur de performance.
Comment s’y prendre dans ce cas ?
Entre un prototype brillant et une solution réellement utilisée, il y a un gouffre. Beaucoup d’entreprises, comme dit tout haut, restent coincées dans la phase d’expérimentation. Elles sont fascinées par les nouveautés plutôt que par la valeur.
Pour avancer, Gilmurray conseille donc de cibler un ou deux cas d’usage à fort impact, d’y aller vite et bien. Pas besoin de révolutionner tout le système d’un coup. L’important, c’est d’obtenir des résultats mesurables, qui prouvent la valeur de l’approche. Ce premier succès crée la dynamique et attire les équipes autour du projet.
Il faut aussi penser la scalabilité dès le départ. Cela passe par des modèles réutilisables, une architecture solide et une gouvernance sérieuse. En résumé : moins d’impro, plus de structure.
Et surtout, ne pas confondre innovation et agitation. Les meilleurs projets d’IA ne sont pas les plus clinquants, mais ceux qui améliorent concrètement la vie des équipes et des clients.
L’éthique et la collaboration, les vrais superpouvoirs de l’IA
Gilmurray le martèle : “La technologie ne corrige pas les mauvaises habitudes”. Une IA performante commence par une culture solide, où les données sont considérées comme un bien commun. Chaque collaborateur doit comprendre sa responsabilité sur la qualité, la sécurité et la confidentialité. C’est cette discipline collective qui transforme une promesse technologique en impact durable.
Les cadres de gouvernance comme DAMA ou les principes de l’OCDE ne sont pas là pour faire joli. Ils posent les bases d’une IA responsable et efficace. Les entreprises qui réussissent sont celles où juristes, ingénieurs, data scientists et dirigeants travaillent côte à côte. Elles ne voient plus la conformité comme un frein, mais comme un garde-fou qui protège leurs innovations.
Autre point clé : choisir les bons cas d’usage. Les dirigeants avisés ne cèdent pas aux modes. Ils privilégient les projets qui servent vraiment le business et évitent les paris hasardeux. L’IA générative, par exemple, n’a d’intérêt que si elle simplifie des processus ou augmente la productivité.
Enfin, Gilmurray rappelle que l’automatisation intelligente n’a jamais eu pour mission de remplacer les gens. Elle leur rend simplement du temps et du sens. L’idée, c’est de laisser la machine faire le boulot ennuyeux pour que l’humain brille là où il excelle : créer, analyser, inventer.
Restez à la pointe de l'information avec LEBIGDATA.FR !
- Partager l'article :
