Malgré des résultats déjà tangibles, les entreprises françaises peinent à passer à l’échelle dans l’usage de l’IA générative. Le nouveau rapport  "Le ROI radical de l’IA générative" de Snowflake souligne un retour sur investissement mesurable, mais des engagements budgétaires encore modestes.
Réalisée par Enterprise Strategy Group (ESG) pour le compte de Snowflake, l’étude repose sur les réponses de 1 900 dirigeants et responsables IT dans neuf pays, dont la France. Elle met en lumière une dynamique globale d’adoption de la GenAI, portée par des premiers résultats jugés positifs. Ainsi, 92 % des entreprises dites pionnières estiment que leurs projets d’IA générative ont été rentables, avec un retour sur investissement moyen de 41 %.
Les cas d’usage s’étendent : 70 % des répondants déclarent l’utiliser dans les opérations informatiques, 65 % en cybersécurité, 56 % dans le support client et 44 % dans le marketing. Plus de la moitié (55 %) priorisent les solutions destinées aux employés pour améliorer leur efficacité et 88 % constatent déjà des gains significatifs de productivité.
Sur le plan technologique, les stratégies se renforcent : 96 % des entreprises pionnières affirment entraîner, ajuster ou enrichir leurs propres modèles de langage, et 59 % prévoient d’en déployer au moins trois d’ici un an. Cette dynamique s’accompagne d’une montée en complexité : 64 % signalent des difficultés à intégrer les données entre silos, et seuls 11 % estiment que leurs données non structurées sont prêtes pour une exploitation par l’IA.

Une dynamique plus prudente en France

Dans ce contexte global porteur, la France affiche un profil plus modéré. 41 % des entreprises françaises ont lancé des cas d’usage, un chiffre légèrement supérieur à la moyenne mondiale (36 %), mais qui reflète une phase encore expérimentale. Le ROI moyen déclaré s’établit à 31 %, et seules 9 % des entreprises prévoient d’allouer plus de 25 % de leur budget technologique à l’IA générative, contre 25 % dans le reste du monde.
Le recours aux outils avancés reste également en retrait : 
  • 59 % des entreprises françaises utilisent des techniques comme la génération augmentée de récupération (RAG), contre 71 % au niveau mondial ; 
  •  52 % autorisent des requêtes en langage naturel, contre 66 % dans le monde.

Un levier d’innovation reconnu mais sous-exploité

Malgré cette approche prudente, les entreprises françaises ne remettent pas en cause le potentiel de la GenAI : 91 % d’entre elles estiment qu'elle renforce leur capacité d’innovation, un taux supérieur à la moyenne mondiale (84 %).
Paradoxalement, les défis techniques sont perçus comme moins contraignants : 33 % évoquent un manque de diversité dans les données non structurées (contre 42 % à l’international), et 42 % citent les silos de données comme un obstacle, contre 64 % dans les autres pays. Une situation qui peut s’expliquer par la moindre intensité des projets actuellement menés, mais qui pourrait évoluer rapidement avec une montée en charge des usages. 

Passer à l’échelle : un impératif stratégique

Pour ne pas décrocher dans la course à l’IA générative, les entreprises françaises sont désormais face à une équation stratégique : industrialiser les usages, monter en compétences, et investir davantage. Thomas Gourand, VP & Country Manager France de Snowflake, cite à titre d'exemple le distributeur ManoMano :
"Notre client ManoMano, par exemple, a déjà vu 80% de ses cas d'utilisation de l'IA passer en production et l'intelligence artificielle est présente sur 85% du parcours utilisateur sur nos plateformes, preuve évidente qu'au-delà de l'innovation, l'IA générative a déjà un impact mesurable et critique pour l'entreprise".
L’exploitation des données non structurées, la montée en maturité des modèles propriétaires, la gouvernance et la sécurité autour des agents autonomes constituent autant de chantiers à adresser pour inscrire durablement l’IA générative dans les processus métiers des entreprises françaises.

Pour mieux comprendre (assisté par l'IA)

Qu'est-ce que la génération augmentée de récupération (RAG) et comment s'intègre-t-elle dans les stratégies de données des entreprises?

La Récupération Augmentée Générative (RAG) est une technique qui combine la génération d'informations par l'IA avec la récupération d'informations à partir de bases de données structurées et non structurées. Elle permet d'améliorer la précision des réponses et l'exhaustivité des données en intégrant des techniques de language advance et d'IA dans les systèmes de gestion de l'information des entreprises.

Quels sont les principaux défis réglementaires liés à l'adoption de l'IA générative par les entreprises ?

Les défis réglementaires incluent la protection des données personnelles, la transparence des algorithmes, et la responsabilité en cas de biais ou de décisions prises par l'IA. Conformité aux législations telles que le RGPD en Europe est cruciale pour assurer que l'utilisation de l'IA respecte les droits des individus.