Depuis l’adoption des premières technologies d’IA générative, les entreprises multiplient les tests et expérimentations. Cette intégration soulève de nouvelles questions et défis. Ed Thompson, SVP, Global Influencer Strategy au sein de Salesforce, explique : « En matière d’IA, les entreprises doivent réfléchir à la tarification, la planification ou les différents risques liés à ces outils. Les organisations les plus matures sont celles qui ont déjà procédé à une analyse précise, et circonscrit ces défis à quelques cas d’usage spécifiques. »
Construire en interne ou déléguer aux éditeurs ?
Lorsqu’il s’agit de mettre en place les outils les plus adaptés, un dilemme se posera également : vaut-il mieux acheter une solution pré-paramétrée ou en développer une en interne ? Dans les faits, il arrive fréquemment que les organisations fassent le choix d’une solution hybride. Ed Thomson poursuit : « J’échangeais récemment avec un client qui avait initialement bâti ses propres solutions en six semaines, et était très fier du résultat final. Pourtant, il a finalement décidé de déployer les solutions Salesforce – qui étaient parvenues à créer la même chose en six heures – pour passer plus rapidement à la commercialisation. »
En matière d’IA, la question des données utilisées est en effet primordiale. Contrairement à une idée reçue, pléthore de données n’est pas forcément synonyme d’efficacité de l’IA. « Les entreprises ont eu ce premier réflexe de mettre beaucoup de données au sein des outils, croyant ainsi rendre ceux-ci plus fiables ! Puis, assez rapidement, elles se sont rendu compte qu’il valait mieux trier sur le volet des données de meilleure qualité, qui aboutiront à des réponses plus ciblées. » Sébastien Hadot, vice-président France MuleSoft chez Salesforce précise par ailleurs : « Cet essor de l’IA a été une opportunité pour les entreprises de se poser des questions sur la façon dont elles pouvaient rendre leurs données plus accessibles… sans rien transiger sur la sécurité. Jusqu’ici, ces organisations avaient fait le choix, compréhensible, de ne connecter qu’une quantité limitée d’applications. Or, l’IA vient chambouler tout ceci car les DSI doivent mieux comprendre de quelles données ils ont besoin pour les cas d’usages qui vont permettre de passer à l’échelle avec l’IA. »
L’importance des données connectées et de bonne qualité
Néanmoins, la nécessité de sélectionner les données les plus pertinentes pour un outil d’IA peut elle-même s’avérer complexe. Ed Thomson relate son expérience : « Certaines entreprises ont constaté que beaucoup de leurs données étaient de piètre qualité, et ont lancé des programmes d’amélioration de celles-ci – parfois en repartant de zéro. J’ai échangé avec des DSI qui ont entrepris de faire des transcriptions d’appels clients, puis de les résumer pour constituer une base de connaissances solides et des sources fiables pour les outils d’IA. En sélectionnant les données les plus optimisées, on est souvent surpris de voir comment on peut obtenir rapidement les bonnes réponses à ses interrogations… »
Pour les entreprises, le plus judicieux est donc sans doute d’identifier d’abord lesquels de leurs cas d’usage ont le plus à gagner des outils d’IA, puis d’optimiser les données qui y ont trait : « Il faut partir des cas d’usage et cartographier les données d’application et métadonnées dont vous bénéficiez déjà, puis chercher ce qui vous manque, pour ensuite procéder à l’intégration des système où résident ces données. » Sébastien Hadot poursuit : « L’étude 2025 sur l’état de la connectivité des données, réalisée par MuleSoft, estime que les entreprises françaises utilisent en moyenne 692 applications. Toujours selon la même étude, 72% de ces applications ne sont pas connectées entre elles et 89% des décideurs IT français peinent à intégrer les données issues de ces différents systèmes. Or, pour exploiter pleinement l’IA, il devient capital d’interconnecter davantage d’applications entre elles. »
Pas d’IA sans une stratégie data maîtrisée !
Pour que l’intelligence artificielle tienne ses promesses, il ne suffit pas d’accumuler des données : encore faut-il les structurer, les connecter et les exploiter intelligemment. Une IA performante repose avant tout sur une stratégie data cohérente, où la qualité, l’accessibilité et l’interopérabilité des données sont placées au cœur des priorités.
Les entreprises qui réussissent à passer à l’échelle sont celles qui investissent dans des solutions capables de connecter intelligemment leurs applications et leurs données. Grâce aux technologies Salesforce, et en particulier à la plateforme d’intégration MuleSoft, les entreprises peuvent connecter, sécuriser et exploiter efficacement leurs données pour déployer une IA performante et évolutive.