L'IA sera déterminante pour la compétitivité

Sur quoi porte l'étude et quel est son message clé ?
L'étude porte sur la diffusion et l'impact de l'intelligence artificielle. Elle analyse quelles technologies sont utilisées, à quelles fins et dans quelles fonctions. La conclusion la plus importante est que les entreprises de la région DA-CH ont un taux d'adoption de l'IA inférieur à celui des entreprises américaines et qu'elles ont commencé à utiliser l'IA plus tard. Les entreprises américaines utilisent également l'IA principalement dans la recherche et le développement et moins dans les fonctions en contact avec la clientèle, telles que le marketing.

Avez-vous été surpris par ces résultats ?
Oui et non. Bien que les entreprises de la région DA-CH ne soient pas situées à proximité des géants de la technologie et n'y aient pas facilement accès, l'étude n'indique pas qu'il est plus difficile d'obtenir des données, des modèles ou des algorithmes dans la région DA-CH. Une différence visible entre les entreprises d'ici et celles des États-Unis est que nous sommes à la traîne dans le développement de cadres éthiques spécifiques à l'entreprise.

Qu'entendez-vous par conditions cadres éthiques ?
Il s'agit d'une condition préalable importante pour l'utilisation de l'IA. Elles définissent les responsabilités et fixent des limites claires. Fondamentalement, elles permettent l'utilisation de l'IA ; de telles conditions-cadres sont plus abouties aux États-Unis.

N'y a-t-il pas aussi beaucoup plus d'investissements aux États-Unis ?
Oui, il est traditionnellement plus facile d'accéder à des investissements importants aux États-Unis. Non seulement l'investissement initial pour une start-up, mais aussi les investissements de suivi qui sont nécessaires pour vraiment passer à l'échelle supérieure et s'industrialiser. C'est un grand avantage.

Que doit faire l'Europe pour s'améliorer ?
L'absence d'un géant technologique national est un inconvénient majeur. Toutefois, contrairement à la Chine, l'Europe n'a pas développé d'alternatives aux technologies américaines. Les initiatives de l'UE se concentrent principalement sur la réglementation de l'accès aux données et positionnent l'Europe en tant qu'utilisateur et non en tant que développeur. Les États-Unis et la Chine sont très différents à cet égard. Ils sont à la fois utilisateurs, développeurs et facilitateurs.

Cela signifie-t-il que la Chine est en plein essor ?
La Chine investit dans l'IA depuis longtemps et a été beaucoup plus productive que nous ne l'avions imaginé. Il s'avère aujourd'hui qu'elle a développé des technologies que nous connaissons tous aujourd'hui. DeepSeek n'est pas une surprise à cet égard. Il s'agit simplement du produit d'une certaine façon d'investir dans l'IA et d'essayer d'utiliser les développements open source pour contourner les obstacles imposés à la Chine par les réglementations et les restrictions commerciales.

Que pouvons-nous apprendre de la Chine et des États-Unis ?
La Chine nous apprend qu'il n'y a pas qu'une seule façon de s'engager dans l'IA générative. Comme la Suisse, les États-Unis ont un bon accès aux grandes universités, mais surtout aux grands investissements, et ont des réglementations relativement libérales, ce qui peut entraîner des problèmes de gouvernance. L'UE, en revanche, a créé très peu d'incitations à investir dans l'IA et son régime réglementaire a fait de l'Europe un lieu d'utilisation de l'IA plutôt que de développement.

En quoi la Suisse est-elle particulièrement douée ?
La Suisse est influencée par les conditions-cadres de l'UE, mais elle bénéficie d'une plus grande flexibilité. Contrairement à d'autres pays européens, nous sommes plus proches d'institutions de premier plan, dont l'ETH Zurich. En témoigne la forte présence de Google, Apple, IBM et de nombreuses entreprises technologiques américaines en Suisse, non seulement pour y vendre leurs services, mais aussi pour y développer des technologies. Nous avons également de nombreuses start-ups prometteuses. Le seul problème est qu'elles ne se développent pas. Elles sont prises d'assaut par les Google et les IBM de ce monde. La Suisse excelle dans le développement, mais peine à la «productisation». De nombreuses start-ups ne parviennent pas à se développer ici parce qu'elles sont rachetées trop tôt.

Quels sont les facteurs de succès dans l'utilisation de l'IA ?
Tout d'abord, l'accès à la technologie et aux données est crucial. Même si les technologies ne sont pas développées en Europe, elles peuvent être achetées. Mais ce qui manque vraiment, c'est un cadre éthique et, plus généralement, le développement de processus organisationnels et de principes de gouvernance, tels que : Où sont stockées les données ? Qui y a accès ? Qui est responsable de leur utilisation ? Le cadre éthique est un outil de gestion qui assure la transparence et facilite la prise de décision responsable. Sans cela, il sera difficile d'utiliser les technologies à grande échelle. Il est clair que les entreprises de la région DA-CH et de l'UE dans son ensemble ont été trop lentes à développer de manière proactive des cadres spécifiques à l'entreprise. Elles ont été trop enclines à attendre que l'UE réglemente. L'UE commence à reconsidérer son rôle dans ce domaine, comme en témoigne l'arrêt des nouvelles réglementations sur la responsabilité de l'IA et la protection de la vie privée. Le moment est venu d'explorer des approches plus ascendantes qui complètent les réglementations descendantes.

Pourquoi les services de marketing, en particulier, sont-ils à l'origine de l'utilisation de l'IA ?
Les services de marketing et de ressources humaines ont été des pionniers dans le domaine de l'intelligence artificielle. Ils disposaient de vastes ensembles de données qu'ils devaient exploiter. Cependant, nous constatons également une utilisation croissante dans les domaines de la recherche et du développement ainsi que des opérations. Les jumeaux numériques, par exemple, font leur retour. Ils étaient très populaires il y a dix ans, mais n'ont pas pu réaliser leur plein potentiel. Beaucoup de choses résumées sous le terme de «transformation numérique» sont en fait une résurgence de tendances. Elles existent depuis longtemps mais n'ont jamais été appliquées comme elles peuvent l'être aujourd'hui.

Avez-vous pu identifier une différence entre l'IA prédictive et l'IA générative dans votre étude ?
L'IA prédictive crée des prévisions basées sur des données du passé, tandis que l'IA générative crée de nouveaux contenus. Les entreprises qui ont commencé à utiliser le big data il y a dix ou quinze ans ont rapidement adopté l'IA prédictive parce qu'elles avaient besoin d'outils pour analyser ces données de manière systématique et fiable. L'IA générative vient en complément. Les entreprises qui ont déjà été pionnières dans l'utilisation du big data sont aussi généralement plus rapides à introduire l'IA générative.

Quels conseils donneriez-vous aux entreprises désireuses d'utiliser l'IA avec succès ?
Les entreprises devraient réfléchir à ce qu'elles savent vraiment faire et aux activités qui sont d'une importance capitale pour leur propre compétitivité. Elles effectuent des millions de tâches et d'activités chaque jour, qui sont toutes importantes, mais pas toutes critiques. Elles doivent établir cette différenciation et développer un système de règles qui tienne compte de la criticité et de la complexité des tâches. Dans le cas d'activités stratégiques où les enjeux sont importants, un cadre de gouvernance clair est nécessaire pour définir les responsabilités, les risques et la supervision humaine. Les employé·es peuvent avoir la liberté d'expérimenter les outils d'IA lorsqu'ils et elles effectuent des tâches de routine à faible risque, comme la rédaction d'un compte rendu de réunion. La clé réside dans des réglementations différenciées en matière d'IA : une gouvernance soigneusement conçue pour les activités de base concurrentielles et une conformité structurée pour les fonctions critiques mais plus simples, ainsi que l'ouverture à l'expérimentation lors de l'exécution de tâches routinières. L'utilisation d'une approche unique ralentira à jamais la prise de décision. Et ce n'est pas le moment de trainer.