Les entreprises françaises vont-elles (enfin) se lancer dans des projets d’IA en 2025 ?

Aujourd’hui, la pression pour exploiter les avantages de la mise en place de l’intelligence artificielle est plus importante que jamais. Le comité d’experts sur l’IA générative en France a d’ailleurs remis son rapport en mars dernier indiquant que « la France doit investir au moins 5 milliards par an jusqu’en 2030 pour ne pas décrocher¹ ». C’est certainement l’une des nombreuses raisons pour lesquelles l’IA a été ajoutée à presque tous les processus, que son utilisation soit justifiée ou non.

Mais avec des infrastructures encore à leurs débuts, les entreprises tâtonnent, ajustant leurs stratégies au fil des expérimentations. Pendant ce temps, les conseils d’administration, préoccupés par les retours sur investissement, voient leur enthousiasme diminuer. L’euphorie initiale autour de l’IA laisse place à une exigence de résultats tangibles, loin des simples effets d’annonce.

La France est, elle, en décalage avec d’autres pays bien plus avancés dans l’utilisation de cette technologie comme aux Etats-Unis. Davantage tournées vers leurs projets d’automatisation, les entreprises françaises ne voient, pour le moment, l’IA que comme une des technologies permettant de réaliser leurs projets et sont encore en phase d’apprentissage.

Plus pragmatiques et prudentes, ces dernières privilégient avant tout la sécurité et le retour sur investissement avant d’adopter de nouvelles technologies d’autant que les contraintes réglementaires freinent considérablement les initiatives de transformation.

Pour autant, l’IA générative continue d’évoluer et les grands modèles de langage (LLM) avec lesquels l’IA générative interagit sont déjà remis en question. Un modèle à taille raisonnable émerge : les petits modèles de langage (SLM) pour répondre à des scénarios d’utilisations spécifiques.

Plus précis, utilisant des données privées, ils ont aussi pour avantage d’être moins énergivores. Et lorsque l’on estime que la consommation d’énergie de l’IA atteindra 1 000 térawattheures d’ici 2026, cela est un atout non négligeable. Par ailleurs, les SLM sont généralement moins coûteux à entraîner et à déployer.

Toutefois, pour certaines applications, les organisations continueront de recourir aux LLM, notamment pour les recherches généralistes, l’analyse de données ou la planification stratégique. En revanche, les SLM seront privilégiés pour des tâches d’automatisation pointues, des applications de sécurité spécialisées et la production de contenus personnalisés.

Pour conclure, 2025 sera encore une année de réflexion pour les entreprises françaises : quels outils veulent-elles mettre en place dans leur stratégie commerciale ? Dans quel domaine l’IA générative viendra-t-elle renforcer le manque d’experts ? Ont-elles réellement besoin de faire appel à l’IA pour réaliser leurs projets. Cela aura un impact direct sur le retour sur investissement et sur le problème de la pénurie de compétences.